IterSynth：通过角色解耦的迭代式合成重新思考深度搜索智能体

深度搜索要求 LLM 智能体分解复杂查询、搜索证据并综合生成有依据的答案，但现有的 ReAct 风格智能体存在两个局限：角色耦合，即同一个策略必须同时处理规划、证据使用和综合；以及上下文累积，即不断增长的搜索历史会引入噪声并掩盖有用信息。为解决这些问题，我们提出 IterSynth——一种角色解耦、基于摘要的范式，在其中，Planner 负责识别信息需求，Synthesizer 负责将证据整合到不断演化的摘要状态中，二者交替工作。该设计将规划与综合分离，同时以摘要作为搜索的持久状态，从而减少能力耦合和上下文噪声。为有效训练 IterSynth，我们进一步提出用于强化学习的角色解耦策略优化（Role-Decoupled Policy Optimization，RDPO），将终局结果奖励与回合级量规评估相结合，并计算特定于角色的优势，以实现更精确的信用分配。在包括 BrowseComp 和 Xbench-DS 在内的五个长时程深度搜索基准上的实验表明，IterSynth-8B 达到 50.7 的平均得分，比此前最强的 ≤8B 智能体高出 +4.2%。此外，IterSynth 还是一种与模型无关的提示范式，在前沿专有模型上，相较于 ReAct 及类似提示范式取得了显著的零样本增益。