2025年09月21日 ai-systems

解析DeepResearch代理中IterResearch模块的动态规划实现

深入剖析阿里巴巴通义DeepResearch中IterResearch模块的动态规划机制，揭示多轮研究任务中状态转移与资源优化的工程实现细节。

内容加载中...

在复杂信息检索任务中，传统ReAct模式面临上下文窗口膨胀与噪声累积的双重挑战。阿里巴巴通义实验室推出的DeepResearch代理通过IterResearch范式，将动态规划思想引入多轮研究任务，实现了认知资源的高效分配与状态空间的精确管理。

IterResearch：动态规划在多轮研究中的映射

IterResearch核心创新在于将单一大上下文窗口分解为序列化研究轮次（research rounds），每轮仅保留前一轮最关键的输出作为状态输入。这种设计完美契合动态规划的最优子结构特性：每个轮次的局部最优决策共同保障全局任务质量。

具体而言，状态转移函数定义为：

S_{t+1} = f(S_t, A_t, O_t)

其中S_t表示第t轮的核心报告状态，A_t为行动决策（继续搜索或终止），O_t为环境观测。通过精心设计的报告压缩算法，每轮可将信息量压缩至原规模的20-30%，同时保留90%以上的关键推理链。

在Heavy模式下，IterResearch进一步引入Research-Synthesis框架，将动态规划从时间维度扩展至空间维度。多个Research Agent并行执行IterResearch过程，各自维护独立的状态转移轨迹，最后由Synthesis Agent整合所有局部最优解。

这种并行动态规划架构带来三重优势：

基于实际部署经验，我们总结出以下关键工程参数：

在BrowseComp-zh测试集上，IterResearch模式相比原始ReAct提升准确率达46.7%，其中动态规划机制贡献了约60%的性能增益。关键优化点包括：

值得注意的是，当前开源的DeepResearch代码库尚未包含状态转移函数的具体实现细节，这为后续研究和工程化带来了挑战。建议在实际部署时：

IterResearch的动态规划实现为长周期AI研究任务提供了可扩展的解决方案。通过将大问题分解为可管理的子问题，并在每个步骤中做出局部最优决策，该系统在保持推理质量的同时显著降低了计算和存储开销。这种设计范式不仅适用于信息检索任务，也为其他需要多步决策的AI应用提供了宝贵参考。