TreeSeeker: 树结构深度搜索中的尝试、错误与回溯

# TreeSeeker：深度搜索中的树结构试错与回溯
来源：https://arxiv.org/abs/2606.11662
作者：Zhuofan Shi (https://arxiv.org/search/cs?searchtype=author&query=Shi,+Z), Mingzhe Ma (https://arxiv.org/search/cs?searchtype=author&query=Ma,+M), Lu Wang (https://arxiv.org/search/cs?searchtype=author&query=Wang,+L), Fangkai Yang (https://arxiv.org/search/cs?searchtype=author&query=Yang,+F), Pu Zhao (https://arxiv.org/search/cs?searchtype=author&query=Zhao,+P), Yiming Guan (https://arxiv.org/search/cs?searchtype=author&query=Guan,+Y), Youling Huang (https://arxiv.org/search/cs?searchtype=author&query=Huang,+Y), Wei Zhang (https://arxiv.org/search/cs?searchtype=author&query=Zhang,+W), Qingwei Lin (https://arxiv.org/search/cs?searchtype=author&query=Lin,+Q), Dongmei Zhang (https://arxiv.org/search/cs?searchtype=author&query=Zhang,+D), Saravan Rajmohan (https://arxiv.org/search/cs?searchtype=author&query=Rajmohan,+S)

查看PDF (https://arxiv.org/pdf/2606.11662)

> **摘要：** 深度搜索要求智能体通过多步网页搜索、浏览、证据对比与综合来回答复杂问题。一个核心挑战在于：当多个方向看似合理，但只有部分方向能在后续产生可靠证据时，如何决定搜索策略。如果智能体贪婪地跟随当前最优方向，可能会在薄弱方向上不断延伸；如果无节制地探索，又可能将预算浪费在零散的试验上。为此，我们提出 TreeSeeker，一种用于深度搜索中受控试错与回溯的推理时框架。TreeSeeker 将搜索组织为树结构状态上的分支与回溯搜索，其中每个分支对应一个子目标的试探性方向。每一轮，TreeSeeker 读取所有子目标树，识别活跃目标，并利用文本形式的 UCB 信号（价值、不确定性和风险）来决策：是利用一个有前途的分支，探索一个不确定的替代方向，还是剪掉一个无效率的延续并回溯到更早的分支点。TreeMem 支持这一控制循环，它将证据、不确定性、冲突、进展和失败线索附加到产生它们的分支上，从而使试验结果能够指导后续决策。在 XBench-DeepSearch、BrowseComp 和 BrowseComp-ZH 上的实验表明，TreeSeeker 持续优于强开源基线，说明显式的分支与回溯控制可以增强更强的推理与工具执行能力。

## 提交历史

来自：Mingzhe Ma \[view email (https://arxiv.org/show-email/758d8abd/2606.11662)\] **\[v1\]** 周三, 2026年6月10日 05:10:19 UTC (951 KB)