Ricerca Approfondita con Monitoraggio Meta-Cognitivo Gerarchico Ispirato alla Neuroscienza Cognitiva

Deep Search with Hierarchical Meta-Cognitive Monitoring Inspired by Cognitive Neuroscience

January 30, 2026

Autori: Zhongxiang Sun, Qipeng Wang, Weijie Yu, Jingxuan Yang, Haolang Lu, Jun Xu

cs.AI

Abstract

Gli agenti di ricerca approfondita alimentati da grandi modelli linguistici hanno dimostrato notevoli capacità nella ricerca multi-step, nel ragionamento e nell'esecuzione di compiti a lungo termine. Tuttavia, i loro fallimenti pratici spesso originano dalla mancanza di meccanismi per monitorare e regolare gli stati di ragionamento e recupero delle informazioni man mano che i compiti evolvono in condizioni di incertezza. Le intuizioni dalla neuroscienza cognitiva suggeriscono che la metacognizione umana è organizzata gerarchicamente, integrando un rilevamento rapido delle anomalie con una riflessione guidata dall'esperienza e attivata in modo selettivo. In questo lavoro, proponiamo la Ricerca Approfondita con Monitoraggio Meta-Cognitivo (DS-MCM), un framework di deep search potenziato da un esplicito meccanismo gerarchico di monitoraggio metacognitivo. DS-MCM integra un Monitor di Coerenza Rapida, che esegue controlli leggeri sull'allineamento tra evidenze esterne e fiducia nel ragionamento interno, e un Monitor Lento Guidato dall'Esperienza, che viene attivato selettivamente per guidare interventi correttivi basati sulla memoria esperienziale ricavata dalle traiettorie storiche dell'agente. Incorporando il monitoraggio direttamente nel ciclo di ragionamento-recupero, DS-MCM determina sia quando un intervento è giustificato, sia come le azioni correttive debbano essere informate dall'esperienza pregressa. Esperimenti condotti su molteplici benchmark di deep search e modelli di base dimostrano che DS-MCM migliora costantemente prestazioni e robustezza.

English

Deep search agents powered by large language models have demonstrated strong capabilities in multi-step retrieval, reasoning, and long-horizon task execution. However, their practical failures often stem from the lack of mechanisms to monitor and regulate reasoning and retrieval states as tasks evolve under uncertainty. Insights from cognitive neuroscience suggest that human metacognition is hierarchically organized, integrating fast anomaly detection with selectively triggered, experience-driven reflection. In this work, we propose Deep Search with Meta-Cognitive Monitoring (DS-MCM), a deep search framework augmented with an explicit hierarchical metacognitive monitoring mechanism. DS-MCM integrates a Fast Consistency Monitor, which performs lightweight checks on the alignment between external evidence and internal reasoning confidence, and a Slow Experience-Driven Monitor, which is selectively activated to guide corrective intervention based on experience memory from historical agent trajectories. By embedding monitoring directly into the reasoning-retrieval loop, DS-MCM determines both when intervention is warranted and how corrective actions should be informed by prior experience. Experiments across multiple deep search benchmarks and backbone models demonstrate that DS-MCM consistently improves performance and robustness.