QREF：通过查询优化与证据过滤对齐搜索与推理，提升 DeepSearch 智能体性能

DeepSearch 智能体通过迭代搜索与推理，在复杂的信息搜寻任务中表现出色。然而，它们经常发出与意图不一致、约束不足或冗余的搜索查询，导致证据覆盖不足，并使检索噪声不断累积。为缓解这些局限，我们提出了 QREF，一种即插即用的查询优化器与证据过滤器。具体而言，查询优化器根据当前推理意图改写搜索查询，同时确保每批搜索中的查询实现互补覆盖。证据过滤器保留同时与当前搜索批次和推理目标相关的证据，减少具有干扰性的检索结果。我们通过监督微调初始化查询优化器，并基于其与真实网络搜索环境的交互，通过强化学习对其进行优化，从而减少无效查询。全面的实验表明，无需修改架构或重新训练推理策略，我们的方法即可提升 DeepSearch 智能体在四个具有挑战性的基准测试上的性能，使 WebSailor 和 TongyiDeepResearch 的 Pass@1 平均相对提升分别达到 33.55% 和 11.04%。与未使用 QREF 的原始 DeepSearch 主干模型相比，经强化学习训练的优化器使缺乏判别性检索锚点的查询批次占比降低了 95%。与经监督微调训练的优化器相比，它还降低了基于过滤器判定的无效查询比例。