Search More, Think Less：重新思考长程智能体搜索的效率与泛化

TL;DR

在 AI Agent 迈向“深度研究”的道路上，过度消耗推理步数（Reasoning Steps）往往导致高延迟且由于上下文溢出而失效。OPPO 推出的 SMTL 框架反其道而行之，通过并行化证据获取和精炼的计划管理，证明了在搜索密集型任务中，“多动脑不如多动手”。它不仅在 BrowseComp 等榜单刷新 SOTA，更将推理步数降低了 70% 以上。

核心痛点：线性推理的“代价”

当前的 Deep Research 系统（如 OpenAI DeepResearch, Gemini 等）普遍采用“深度思考”策略。然而，这种模式在以下两点面临挑战：

1. 效率瓶颈：顺序调用工具意味着每一步都在增加 Latency。当任务变为长程搜索时，冗长的 Reasoning Trace 会迅速吃掉 Context Window。
2. 泛化缺失：旨在解决实体问答（Deep Search）的 Agent 往往写不好深刻的研究报告（Deep Research），两者对数据的需求和评价标准（Accuracy vs. Comprehensiveness）大相径庭。

SMTL 的技术内核：并行与动态规划

1. 并行化工作流（Parallel Agentic Workflow）

SMTL 最大的直觉突破是将传统的顺序推理拆解为** DAG 型并行执行**。智能体不再是“想一步做一步”，而是在初始阶段构造一个包含多个独立或半独立子任务的计划 $G_0$。

SMTL 并行工作流：初始化计划 -> 并行执行 -> 聚合状态 -> 动态重规划

公式化的推理状态更新为： $s_{t+1}=\mathcal{F}(s_t,\{a_t^{(k)}{\}}_{k=1}^m,\{o_t^{(k)}{\}}_{k=1}^m)$ 这意味着一个 Time Step 可以携带 $m$ 个并行观察结果，极大地压实了信息密度。

2. 计划驱动的上下文压缩

为了在 128K 的固定 Context Budget 下处理超长任务，SMTL 引入了强制重规划（Forced Plan Refinement）。当上下文即将溢出时，Agent 会总结当前所有已完成/阻塞的子任务，生成精简的新 Plan，并丢弃所有历史原始对话，从而实现无损的状态转移。

实验与结果分析

效率与准确率的 Pareto 优选

在旗舰级基准 BrowseComp 上，SMTL 展现了极强的统治力。相较于需要 206 步推理的 MiroThinker，SMTL-100 仅需 60.4 步 就达到了更高的准确率。

左图展示了在 BrowseComp 上，SMTL 始终处于准确率-交互步数的 Pareto 最优曲线上。

为什么 SMTL 效率更高？

通过对搜索宽度（Top-k）的消融研究发现，提升检索宽度比增加推理深度更重要。增加 Top-k 能显著提升模型在固定步数内的成功率。这验证了论文的标题：在长程任务中，广泛的证据覆盖比深层的逻辑推导更能解决问题。

深度洞察

SMTL 的意义在于提供了一个端到端的可训练 Agent 基座。它不仅靠 Prompt 工程，更通过一种基于知识图谱的合成数据管线（Graph-Grounded Data Pipeline），将“通过搜索验证事实”的习惯刻进了模型的 SFT 和 RL 权重中。

局限性：虽然降低了推理轮数，但单步并行调用多个 $m$ 工具会对 API 吞吐量和并发处理能力提出更高要求，在实际部署中需权衡硬件负载。

总结

SMTL 证明了：高效的智能体不应该在原地空转大脑（Think Less），而应该建立在更广阔、更快速的信息采集能力（Search More）之上。这种从“深度至上”到“效率与宽度并重”的转向，预示了下一代深度研究智能体的新形态。