SearchOS-V1: Towards Robust Open-Domain Information-Seeking Agent Collaboration

📄 arXiv: 2607.15257v1 📥 PDF

作者: Yuyao Zhang, Junjie Gao, Zhengxian Wu, Jiaming Fan, Jin Zhang, Shihan Ma, Yao Yao, Weiran Qi, Chuyan Jin, Guiyu Ma, Xingzhong Xu, Kai Yang, Ji-Rong Wen, Zhicheng Dou

分类: cs.AI, cs.IR

发布日期: 2026-07-16

备注: Code is available at https://github.com/antins-labs/SearchOS

💡 一句话要点

提出SearchOS以解决信息检索代理协作中的任务跟踪问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 信息检索 多代理系统 搜索优化 上下文管理 证据图 任务调度 人工智能

📋 核心要点

  1. 现有的信息检索代理在处理任务进展时面临困难，尤其是在搜索失败后容易陷入重复循环，影响结果质量。
  2. 本文提出了SearchOS框架，通过将隐式状态转化为显式共享状态，利用SOCM和中间件设计来优化搜索过程。
  3. 在WideSearch和GISA数据集上，SearchOS在所有评估的单代理和多代理基线中表现最佳，提升了搜索效率和结果质量。

📝 摘要（中文）

随着工具集成的大型语言模型的进步，网络搜索已成为信息检索代理的核心能力。然而，随着交互历史的增长，代理在跟踪任务进展方面面临挑战。当搜索尝试未能提供有用证据时，现有的单一和多代理系统可能陷入重复循环，浪费搜索预算并影响最终输出的质量和完整性。为此，本文提出了SearchOS，一个系统级的多代理框架，将脆弱的隐式搜索进展转化为明确、持久和共享的状态。通过设计搜索导向的上下文管理（SOCM）和搜索工具中间件，SearchOS显著提高了代理的搜索效率和协作能力。

🔬 方法详解

问题定义：本文旨在解决信息检索代理在任务进展跟踪中的不足，尤其是在搜索失败后导致的重复搜索问题。现有方法在处理复杂的搜索任务时，容易陷入无效循环，浪费资源并影响输出质量。

核心思路：论文提出的SearchOS框架通过将隐式的搜索进展转化为显式的、持久的共享状态，帮助代理更有效地协作。通过设计搜索导向的上下文管理（SOCM），实现对搜索状态的外部化管理，提升了信息检索的效率。

技术框架：SearchOS的整体架构包括多个模块：前沿任务、证据图、覆盖图和失败记忆。通过管道并行调度机制，优化了子代理的执行，确保任务的高效分配和执行。

关键创新：最重要的创新点在于将搜索进展的状态外部化，并引入了中间件设计来记录证据和应对预算耗尽等问题。这种设计使得代理能够避免重复失败的搜索模式。

关键设计：在SOCM中，设计了覆盖图和失败记忆等关键组件，以便实时跟踪和管理搜索状态。同时，采用了层次化的技能系统，增强了代理的搜索策略和访问能力。具体的参数设置和损失函数设计在论文中进行了详细描述。

📊 实验亮点

在WideSearch和GISA数据集上，SearchOS在所有评估的单代理和多代理基线中表现最佳，提升幅度显著，具体性能指标超过了现有方法，展示了其在信息检索领域的强大能力。

🎯 应用场景

该研究的潜在应用领域包括智能搜索引擎、信息检索系统和多代理协作平台。通过提高信息检索的效率和质量，SearchOS能够在实际应用中显著提升用户体验，未来可能在各类信息密集型任务中发挥重要作用。

📄 摘要（原文）

Recent advances in Tool-Integrated Large Language Models have made web search a core capability of information-seeking agents. However, as interaction histories grow, agents increasingly struggle to track task progress. When search attempts fail to yield useful evidence, current single- and multi-agent systems can become trapped in repetitive loops, wasting search budgets and ultimately compromising the quality and completeness of the final output. We introduce SearchOS, a system-level multi-agent framework that turns fragile, implicit search progress into explicit, persistent, and shared state. First, we formulate open-domain information seeking as relational schema completion with grounded citations, where agents discover entities, populate attributes across linked tables, and anchor each value to source evidence. Then we design Search-Oriented Context Management (SOCM), which externalizes the evolving state into Frontier Task, an Evidence Graph, a Coverage Map, and Failure Memory. Built on SOCM, SearchOS applies a pipeline-parallel scheduling mechanism that overlaps the execution of sub-agents and continuously refills freed slots with tasks targeting unresolved coverage gaps to improve utilization and throughput. To schedule and control the execution of search agents, SearchOS introduces a Search Tool Middleware Harness that intercepts model and tool interactions to record grounded evidence and react to stalls or budget exhaustion, and provides a reusable hierarchical skill system comprising strategy and access skills to augment the agents' search process and avoid repeating failed search patterns across runs. On WideSearch and GISA, SearchOS leads all metrics among the evaluated single- and multi-agent baselines, paving the way toward robust information-seeking collaboration.