TreeSeeker：深度搜索中的树状试错与回溯机制

深度搜索要求智能体通过多步网络搜索、浏览及证据综合来回答复杂问题。核心挑战在于如何在多个看似可行的方向中做出决策。本文提出 TreeSeeker，一种用于控制试错的推理时框架。该框架将搜索组织为基于树状状态的分支与回溯过程，利用文本 UCB 信号平衡利用与探索，动态剪枝无效路径并返回先前节点。配合 TreeMem 记忆机制记录证据与不确定性，实验表明其在多个基准上显著优于现有基线，证明了显式分支控制对提升推理与工具执行的有效性。