摘要
针对工具集成大模型在长交互历史中难以追踪任务进度及易陷入重复循环的问题，本文提出 SearchOS 系统。该框架将开放域信息寻求建模为关系模式补全，并设计面向搜索的上下文管理（SOCM）机制，将演化状态外化为前沿任务、证据图、覆盖图和失败记忆。通过流水线并行调度与分层技能系统，SearchOS 有效避免了搜索模式重复，显著提升了多智能体协作的鲁棒性与效率，在多项基准测试中优于现有基线。
AI 推荐理由
论文核心提出显式状态管理与失败记忆机制，解决多智能体协作中的历史追踪与循环问题。
研究机构
Gaoling School of Artificial Intelligence, Renmin University of China
论文信息