Глубокий поиск с иерархическим метакогнитивным мониторингом, вдохновленный когнитивной нейронаукой

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

January 30, 2026

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

cs.AI

Аннотация

Глубокие поисковые агенты, основанные на больших языковых моделях, продемонстрировали высокие способности в многошаговом поиске, рассуждении и выполнении долгосрочных задач. Однако их практические неудачи часто обусловлены отсутствием механизмов для мониторинга и регулирования состояний рассуждения и поиска по мере эволюции задач в условиях неопределенности. Исследования в области когнитивной нейронауки показывают, что человеческая метакогниция имеет иерархическую организацию, интегрируя быструю детекцию аномалий с избирательно запускаемой рефлексией на основе опыта. В данной работе мы предлагаем Deep Search with Meta-Cognitive Monitoring (DS-MCM) — фреймворк глубокого поиска, дополненный явным иерархическим механизмом метакогнитивного мониторинга. DS-MCM интегрирует Быстрый монитор согласованности, который выполняет легковесные проверки соответствия между внешними доказательствами и внутренней уверенностью в рассуждениях, и Медленный монитор на основе опыта, который избирательно активируется для направляющего корректирующего вмешательства на основе памяти о предыдущем опыте из исторических траекторий агента. Встраивая мониторинг непосредственно в цикл рассуждение-поиск, DS-MCM определяет как момент, когда вмешательство необходимо, так и то, как корректирующие действия должны быть информированы предыдущим опытом. Эксперименты на множестве бенчмарков глубокого поиска и базовых моделей демонстрируют, что DS-MCM стабильно повышает производительность и надежность.

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.