SCOUT：基于解耦认知状态的长文本理解主动信息觅食

百万 token 级长文本理解需平衡推理保真度与计算效率。现有模型面临高消耗与注意力稀释问题，而专用代理常因抽象过度牺牲精度。本文提出 SCOUT 范式，将文档视为可探索环境，从紧凑的认知状态中生成答案。该方法通过状态级缺口诊断，自适应地在粗粒度到细粒度的探索与锚定状态更新间切换，逐步收缩认知状态至查询充分集。实验表明，SCOUT 在匹配最先进私有模型性能的同时，降低高达 8 倍的 token 消耗，且随上下文扩展保持稳定。