SearchOS-V1: К устойчивой коллаборации агентов по поиску информации в открытой области
SearchOS-V1: Towards Robust Open-Domain Information-Seeking Agent Collaboration
July 16, 2026
Авторы: 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
Аннотация
Последние достижения в области интегрированных с инструментами больших языковых моделей сделали веб-поиск ключевой функцией агентов, ориентированных на получение информации. Однако по мере роста истории взаимодействий агенты всё чаще испытывают трудности с отслеживанием прогресса задачи. Когда попытки поиска не приносят полезных доказательств, современные одно- и мультиагентные системы могут зацикливаться, растрачивая поисковый бюджет и в конечном итоге ухудшая качество и полноту итогового результата. Мы представляем SearchOS — системный мультиагентный фреймворк, превращающий хрупкий, неявный прогресс поиска в явное, персистентное и разделяемое состояние. Во-первых, мы формулируем открытый поиск информации как заполнение реляционной схемы с обоснованными цитатами, где агенты обнаруживают сущности, заполняют атрибуты в связанных таблицах и привязывают каждое значение к исходному доказательству. Затем мы разрабатываем контекстное управление, ориентированное на поиск (SOCM), которое выносит эволюционирующее состояние во фронтальные задачи, граф доказательств, карту покрытия и память о неудачах. Построенный на SOCM, SearchOS применяет конвейерно-параллельный механизм планирования, который перекрывает выполнение под-агентов и постоянно заполняет освободившиеся слоты задачами, нацеленными на устранение неохваченных пробелов, повышая загрузку и пропускную способность. Для планирования и контроля выполнения поисковых агентов SearchOS вводит промежуточный уровень управления инструментами поиска, который перехватывает взаимодействия модели и инструментов для записи обоснованных доказательств и реагирует на задержки или исчерпание бюджета, а также предоставляет повторно используемую иерархическую систему навыков, состоящую из стратегических навыков и навыков доступа, чтобы дополнить процесс поиска агентов и избежать повторения неудачных шаблонов поиска между запусками. На наборах данных WideSearch и GISA SearchOS превосходит все показатели среди оценённых одно- и мультиагентных базовых решений, прокладывая путь к надёжному информационному сотрудничеству.
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.