从网络内容分布匹配视角重新审视深度研究
机器学习
2026-03-10 v1 信息检索
摘要
尽管集成了搜索工具，深度搜索代理（Deep Search Agents）常常面临推理驱动的查询与底层网络索引结构之间的错位问题。现有框架将搜索引擎视为静态工具，导致生成的查询要么过于粗糙，要么过于精细，无法检索到精确的证据。我们提出了 WeDas，一个网络内容分布感知框架，它将搜索空间的结构特征纳入代理的观察空间。我们方法的核心是查询-结果对齐分数（Query-Result Alignment Score），这是一个量化代理意图与检索结果之间兼容性的指标。为了克服动态网络索引的棘手问题，我们引入了一种少样本探测机制，该机制通过有限的查询访问迭代地估计该分数，使代理能够根据局部内容景观动态地重新校准子目标。作为一个即插即用的模块，WeDas 在四个基准测试中持续提高了子目标的完成度和准确性，有效地弥合了高层推理与底层检索之间的差距。
引用
@article{arxiv.2603.07241,
title = {Rethinking Deep Research from the Perspective of Web Content Distribution Matching},
author = {Zixuan Yu and Zhenheng Tang and Tongliang Liu and Chengqi Zhang and Xiaowen Chu and Bo Han},
journal= {arXiv preprint arXiv:2603.07241},
year = {2026}
}