通过并行搜索与显式合并扩展检索增强推理

深度搜索代理虽能通过多步推理中检索外部知识增强大语言模型，但现有方法每步仅生成单一查询，导致信息覆盖受限且噪声较高。本文提出 MultiSearch，一种基于强化学习的框架，通过多视角并行生成查询及显式合并检索信息来解决上述局限。该机制扩大了相关信息范围，降低了单点依赖，并通过合并过程提炼信息以提升信噪比，确保推理更准确。实验表明，该方法在七个基准测试中均优于基线，显著提升了问答任务的推理性能。