SearchOS-V1 : Vers une collaboration robuste d'agents de recherche d'information en domaine ouvert
SearchOS-V1: Towards Robust Open-Domain Information-Seeking Agent Collaboration
July 16, 2026
Auteurs: 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
Résumé
Les récentes avancées dans les Modèles de Langage de Grande Taille Intégrés à des Outils ont fait de la recherche web une capacité centrale des agents de recherche d'information. Cependant, à mesure que les historiques d'interaction s'allongent, les agents éprouvent de plus en plus de difficultés à suivre la progression des tâches. Lorsque les tentatives de recherche ne parviennent pas à fournir des preuves utiles, les systèmes mono- et multi-agents actuels peuvent tomber dans des boucles répétitives, gaspillant les budgets de recherche et compromettant in fine la qualité et l'exhaustivité du résultat final. Nous présentons SearchOS, un cadre multi-agent au niveau système qui transforme la progression de recherche implicite et fragile en un état explicite, persistant et partagé. Premièrement, nous formulons la recherche d'information en domaine ouvert comme une complétion de schéma relationnel avec citations ancrées, où les agents découvrent des entités, peuplent des attributs dans des tables liées et ancrent chaque valeur à une preuve source. Ensuite, nous concevons la Gestion de Contexte Orientée Recherche (SOCM), qui externalise l'état en évolution sous la forme d'une Tâche Frontière, d'un Graphe de Preuves, d'une Carte de Couverture et d'une Mémoire d'Échec. Construit sur SOCM, SearchOS applique un mécanisme d'ordonnancement en pipeline parallèle qui chevauche l'exécution des sous-agents et remplit continuellement les créneaux libérés avec des tâches ciblant des lacunes de couverture non résolues, afin d'améliorer l'utilisation et le débit. Pour planifier et contrôler l'exécution des agents de recherche, SearchOS introduit un Harnais Middleware d'Outils de Recherche qui intercepte les interactions entre modèles et outils pour enregistrer les preuves ancrées et réagir aux blocages ou à l'épuisement du budget. Il fournit également un système de compétences hiérarchiques réutilisables comprenant des compétences stratégiques et d'accès, afin d'augmenter le processus de recherche des agents et d'éviter de répéter des schémas de recherche échoués d'une exécution à l'autre. Sur WideSearch et GISA, SearchOS dépasse toutes les métriques parmi les références mono- et multi-agents évaluées, ouvrant la voie à une collaboration robuste en recherche d'information.
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.