CORE：面向深度研究、结合上下文管理的由粗到细搜索

深度研究智能体通过反复搜索来回答复杂问题。它们依赖一个执行框架来运行工具调用，并将证据返回至其上下文中。这带来了一种权衡：搜索在长段落上效果最佳，因为长段落能提供充足的上下文，支持可靠的语义匹配。但返回的证据应当简短，因为每次观测结果都会在后续整个执行轨迹中保留在智能体的上下文里。我们提出了 CORE，这是一个无需训练的执行框架，将由粗到细的搜索与上下文管理相结合。CORE 使用稠密检索器检索段落，随后复用后期交互重排序器产生的词元级相似度，仅返回每个段落中最相关的片段。上下文管理允许智能体扩展已检索来源周围的上下文，并抑制重复片段。在与 Tongyi DeepResearch 和 OpenResearcher 执行框架进行的受控封闭搜索对比中，CORE 在包含多达 5.53 亿篇文档的语料库上，针对三个智能体模型和三个基准（BrowseComp-Plus、BrowseComp-Wikipedia 和 BrowseComp-Plus-CM），取得了当前最先进的答案准确率和证据召回率。