SearchOS-V1: Auf dem Weg zu robuster Agentenkooperation zur Informationssuche in offenen Domänen
SearchOS-V1: Towards Robust Open-Domain Information-Seeking Agent Collaboration
July 16, 2026
Autoren: Yuyao Zhang, Junjie Gao, Zhengxian Wu, Jiaming Fan, Jin Zhang, Shihan Ma, Yao Yao, Weiran Qi, Chuyan Jin, Guiyu Ma, Xingzhong Xu, Kai Yang, Ji-Rong Wen, Zhicheng Dou
cs.AI
Zusammenfassung
Aktuelle Fortschritte bei werkzeugintegrierten großen Sprachmodellen haben die Websuche zu einer Kernfähigkeit informationssuchender Agenten gemacht. Mit zunehmender Länge der Interaktionsverläufe fällt es Agenten jedoch zunehmend schwer, den Aufgabenfortschritt zu verfolgen. Wenn Suchversuche keine brauchbaren Belege liefern, können aktuelle Einzel- und Multi-Agenten-Systeme in repetitive Schleifen geraten, Suchbudgets verschwenden und letztlich die Qualität und Vollständigkeit der endgültigen Ausgabe beeinträchtigen. Wir stellen SearchOS vor, ein systemweites Multi-Agenten-Framework, das fragilen, impliziten Suchfortschritt in einen expliziten, persistenten und gemeinsamen Zustand überführt. Zunächst formulieren wir die offene Informationssuche als relationale Schemavervollständigung mit belegten Zitaten, bei der Agenten Entitäten entdecken, Attribute über verknüpfte Tabellen hinweg befüllen und jeden Wert mit Quellennachweisen verankern. Anschließend entwickeln wir das suchorientierte Kontextmanagement (SOCM), das den sich entwickelnden Zustand in eine Frontier Task, einen Evidence Graph, eine Coverage Map und einen Failure Memory externalisiert. Aufbauend auf SOCM nutzt SearchOS einen Pipeline-parallelen Scheduling-Mechanismus, der die Ausführung von Unteragenten überlappt und freigewordene Slots kontinuierlich mit Aufgaben auffüllt, die auf ungelöste Abdeckungslücken abzielen, um Auslastung und Durchsatz zu verbessern. Zur Planung und Steuerung der Ausführung von Suchagenten führt SearchOS eine Search-Tool-Middleware-Harness ein, die Modell- und Tool-Interaktionen abfängt, um belegte Beweise zu erfassen und auf Stillstände oder Budgeterschöpfung zu reagieren. Zudem bietet sie ein wiederverwendbares hierarchisches Fähigkeitssystem mit Strategie- und Zugriffsfähigkeiten, um den Suchprozess der Agenten zu erweitern und die Wiederholung fehlgeschlagener Suchmuster über verschiedene Läufe hinweg zu vermeiden. Auf WideSearch und GISA übertrifft SearchOS alle Metriken der bewerteten Einzel- und Multi-Agenten-Baselines und ebnet den Weg für eine robuste informationssuchende Zusammenarbeit.
English
Recent advances in Tool-Integrated Large Language Models have made web search a core capability of information-seeking agents. However, as interaction histories grow, agents increasingly struggle to track task progress. When search attempts fail to yield useful evidence, current single- and multi-agent systems can become trapped in repetitive loops, wasting search budgets and ultimately compromising the quality and completeness of the final output. We introduce SearchOS, a system-level multi-agent framework that turns fragile, implicit search progress into explicit, persistent, and shared state. First, we formulate open-domain information seeking as relational schema completion with grounded citations, where agents discover entities, populate attributes across linked tables, and anchor each value to source evidence. Then we design Search-Oriented Context Management (SOCM), which externalizes the evolving state into Frontier Task, an Evidence Graph, a Coverage Map, and Failure Memory. Built on SOCM, SearchOS applies a pipeline-parallel scheduling mechanism that overlaps the execution of sub-agents and continuously refills freed slots with tasks targeting unresolved coverage gaps to improve utilization and throughput. To schedule and control the execution of search agents, SearchOS introduces a Search Tool Middleware Harness that intercepts model and tool interactions to record grounded evidence and react to stalls or budget exhaustion, and provides a reusable hierarchical skill system comprising strategy and access skills to augment the agents' search process and avoid repeating failed search patterns across runs. On WideSearch and GISA, SearchOS leads all metrics among the evaluated single- and multi-agent baselines, paving the way toward robust information-seeking collaboration.