（本文阅读时间：8 分钟）
想象一下，让 AI 助手结合搜索工具探索复杂问题时，若其首次尝试走错方向，后续多次探索仍重复同样的错误路径。用户虽可从结果中筛选勉强满意的答案，但这不仅低效且需人工干预。这正是当前大多数深度搜索智能体面临的困境——它们无法“记住”之前的探索经验，每次均从头开始，导致大量冗余搜索和资源浪费。
现有的深度搜索智能体大多基于 ReAct 框架构建，采用“思考→调用工具→观察→再思考”的线性推理方式。这种设计在简单任务上表现良好，但在需要多轮探索的深度搜索任务中，往往陷入局部最优、重复探索和低效搜索的泥潭。
针对这一痛点，来自微软亚洲研究院、东南大学等机构的研究员提出了一种全新解决方案：RE-TRAC（REcursive TRAjectory Compression，递归轨迹压缩）。该框架赋予 AI 智能体“记忆”能力，使其能够在多个探索轨迹之间传递经验，实现渐进式的智能搜索。相关论文已被ICML 2026接收。
图 1：RE-TRAC 总览。智能体在每轮探索结束后压缩出结构化状态并传递给下一轮，使探索从“彼此独立的尝试”转变为“渐进式学习”。
让探索变成“渐进式学习”过程
ReAct 框架的核心缺陷在于其线性设计：每个探索轨迹相互独立，模型无法回顾先前尝试的状态。在长上下文场景中，早期制定的计划逐渐被遗忘，关键线索随之埋没。
研究员深入分析发现，现有深度搜索模型即使经过大量强化学习训练，其 Pass@K 性能仍远高于 Pass@1。这表明模型本身具备解决问题的推理潜能，问题在于上下文长度限制导致单次探索难以生成足够多样的路径，无法覆盖宽广的搜索空间。
RE-TRAC：递归式轨迹压缩
RE-TRAC 的核心思想是将探索从一系列独立尝试转变为渐进式学习过程。具体而言，在每个探索轨迹结束时生成一个结构化的状态表示，针对深度搜索任务，记录以下三个维度的信息：
- 答案与分析结论：当前可能性最高的答案与其关键推理结果，为后续推理提供锚点。
- 证据库与来源验证：已搜集到的证据及其来源，并标记哪些已被查阅、验证，从而避免冗余的工具调用和重复检查。
- 不确定项与待探索方向：现阶段需要继续探索验证的角度、曾被遗漏的候选分支与曾因失败放弃的方向，帮助模型在下一轮中补全未探索的搜索空间。
这个结构化状态将被添加到下一轮探索的输入中，确保智能体在每轮新尝试开始时，都能清晰掌握已验证内容、未决问题以及接下来的探索重点。
图 2：RE-TRAC 方法示意。每轮探索末尾压缩出结构化状态（答案、证据、待探索方向），并作为下一轮的输入，使搜索空间逐步收敛。
小模型也能“以小博大”
研究员在五个具有挑战性的搜索导向基准上评估了 RE-TRAC，包括 BrowseComp、BrowseComp-ZH、XBench、GAIA 和 HLE。
4B 模型性能 SOTA
RE-TRAC-4B 在所有小于 15B 参数的基线中表现最佳。其在 BrowseComp 上准确率达 30.0%，BrowseComp-ZH 达 36.1%，GAIA 达 70.4%，XBench 达 76.6%，HLE 达 22.2%。
表 1：RE-TRAC 与各基线在五个基准上的准确率对比（ACC = Accuracy）。
更令人惊讶的是，这个仅 4B 参数的模型在多个基准上超越了更大规模的模型。在 XBench 基准上，RE-TRAC-4B 的 76.6% 准确率不仅远超 InfoAgent-14B 的 40.4%（提升近 90%），也超过了 NestBrowse-4B 的 74.0%。在 GAIA 基准上，其 70.4% 的准确率同样优于 AgentCPM-Explore-4B 和 NestBrowse-4B。
30B 模型的进一步突破
RE-TRAC-30B 同样表现出色，在除 HLE 外的所有基准上都击败了 MiniMAX-M2-229B。在 BrowseComp 上，其准确率达到 53%，甚至超过了 GLM-4.7-358B 的 52%。在 GAIA 上，RE-TRAC-30B 击败了所有闭源模型，并在 BrowseComp 和 BrowseComp-ZH 上排名第二。
这些结果证明，通过轨迹压缩与跨轮次信息传递，小模型在资源受限场景下也能获得接近甚至超越大模型的效果。
更少的消耗、更高的性能：一种通用的测试时扩展
RE-TRAC 不仅可以通过训练提升小模型性能，还可以作为无需训练的测试时扩展（Test-Time Scaling）直接应用于前沿模型。
研究员在 o4-mini、o3、GPT-5、DeepSeek-V3.2、GLM-4.7 和 MiniMax-M2.1 上实现了 RE-TRAC 框架，并与多数投票、加权投票和最佳选择（Best-of-N）等方法进行了对比。
图 3：将 RE-TRAC 作为测试时扩展方法应用于前沿模型的效果，与多数投票、加权投票、Best-of-N 等方法对比。
结果显示，RE-TRAC 在所有模型上都达到了最佳或具有竞争力的性能。在 BrowseComp300 子集上，o4-mini 通过 RE-TRAC 从 25.7% 提升到 46.8%，o3 从 54.9% 提升到 69.8%，GPT-5-medium 从 48.3% 提升到 66.6%，DeepSeek-V3.2 从 45.3% 提升到 60.8%，GLM-4.7 从 37.7% 提升到 60.7%。
在传统框架中，由于轨迹相互独立，资源使用量通常随扩展近似线性增长。而 RE-TRAC 会继承之前轮次的状态，使搜索空间逐步收敛，从而减少冗余工具调用与重复探索，显著提升效率。
如何训练 RE-TRAC 模型？
研究员开发了一种后训练方法，构建了基于结构化状态表示的监督微调（SFT）数据。训练数据通过实体树（Entity Tree）方法构建：从维基百科收集大量实体作为树根，然后递归搜索相关实体作为子节点，直到树达到预定义深度。通过选择从根到叶节点的路径并将边转换为子问题，研究员合成了 33K 个问答对。随后，利用收集 GLM-4.7 在这些合成问题上的 RE-TRAC（4 轮）轨迹，经过过滤后得到 104k 个训练样本，用于训练 RE-TRAC-4B 和 RE-TRAC-30B 模型。
实验结果显示，经过 SFT 训练后，Qwen3-4B-Instruct 在 BrowseComp 上的准确率从 2.7% 大幅提升到 30.0%，在 BrowseComp-ZH 上从 6.9% 提升到 36.1%，在 GAIA 上从 24.4% 提升到 70.4%，在 XBench 上从 45.0% 提升到 76.6%。这表明通过简单的 SFT 训练配合 RE-TRAC 框架，可以产生强大的搜索智能体，实现与大规模强化学习训练模型相当甚至更好的性能。
让小模型跑出大模型表现：优化 ReAct 的搜索框架
RE-TRAC 可视为针对深度搜索任务优化的 ReAct 框架：在原有“思考→调用工具→观察→再思考”的范式上，引入了跨轮次的轨迹压缩和结构化状态表示。这让智能体在开放网络检索、复杂信息汇总等场景中不再“从零开始”，而是像人类一样复用既有证据、总结失败教训并规划未来方向。
更重要的是，这种有针对性的框架设计让小模型也能跑出大模型级别的效果，为资源受限场景（如边缘设备、本地部署）提供了一条“用小模型做大事”的现实路径。随着深度搜索智能体走向更长程的探索与更广泛的实际部署，“让智能体学会从经验中成长”或将成为下一代搜索智能体的关键能力。
RE-TRAC: REcursive TRAjectory Compression for Deep Search Agents (ICML 2026)
论文链接：
https://arxiv.org/abs/2602.02486
项目页面：
https://github.com/microsoft/InfoAgent
#智能体 #智能搜索 #ICML #ReAct #小模型 #大模型