以DeepSeek-R1為代表的深度思考大模型能夠處理復雜的推理任務，DeepSearch作為深度思考大模型的核心搜索器，在推理過程中通過迭代調(diào)用外部搜索工具，訪問參數(shù)邊界之外的最新、領域特定知識，從而提升推理的深度和事實可靠性。然而，現(xiàn)有的RL驅動的深度思考大模型系統(tǒng)常常面臨準確率與效率的“蹺蹺板”困境：頻繁調(diào)用搜索工具提升準確性，卻帶來計算開銷和效率低下。具體而言，高頻調(diào)用外部搜索工具雖能補充實時信息、提升推理準確率，但使得推理延遲大幅升高，等待時間可達幾十秒至幾分鐘，從用戶體驗角度來看，若信息加載時間超過10秒，50%的移動用戶會放棄訪問。深度思考大模型系統(tǒng)的長時推理等待無疑會帶來類似的用戶流失風險。反之，減少工具調(diào)用以提升效率，則會因大語言模型內(nèi)部知識局限，導致推理結果準確性與完整性不足。

北郵百家AI團隊提出LightSearcher框架，首創(chuàng)基于經(jīng)驗記憶的高效RL優(yōu)化技術，通過引入文本化經(jīng)驗記憶和自適應獎勵塑造機制，巧妙解決了這一痛點。在保持與SOTA基線ReSearch相當準確率的同時，搜索工具調(diào)用和模型回復時間顯著縮短，搜索工具調(diào)用次數(shù)減少 39.6%，推理時間縮短 48.6%，Token消耗降低 21.2%，在保持模型效果的同時顯著提升了工具調(diào)用效率。

論文標題： LightSearcher: Efficient DeepSearch via Experiential Memory 論文鏈接： https://arxiv.org/abs/2512.06653 百家AI 主頁： https://baijia.online/homepage/index

一、引言

如何教會深度思考大模型策略性地控制搜索工具的使用，優(yōu)化何時以及如何查詢外部知識源，是深度思考大模型亟待解決的問題，現(xiàn)有方法存在顯著缺陷：

1. 提示工程或監(jiān)督學習方法依賴人工標注，成本高且泛化差；RL驅動方法雖能自主優(yōu)化，但獎勵偏重準確性，導致模型為確保正確而頻繁調(diào)用工具，造成冗余開銷。

2. 工具調(diào)用“過度依賴”，現(xiàn)有模型往往不分難易，對簡單查詢也反復檢索，導致推理時間延長、token消耗激增；

3. 準確性與效率失衡，部分方法雖提升準確率，但犧牲效率；另一些雖減少調(diào)用，卻降低答案質(zhì)量，無法兼顧雙重目標。

這些問題導致現(xiàn)有模型要么要么答案不準、可靠性差，要么工具調(diào)用過多、效率低下，難以同時滿足推理準確和高效執(zhí)行的核心需求。

二、LightSearcher框架

為解決上述缺陷，北郵百家AI團隊提出基于經(jīng)驗記憶的高效DeepSearch框架（LightSearcher），核心思路是在大模型強化推理過程中，通過“對比經(jīng)驗學習”將隱性推理軌跡轉化為顯性指導經(jīng)驗，并結合自適應獎勵優(yōu)化工具調(diào)用，具體包含三大關鍵組件：

1. 對比經(jīng)驗推理機制（Contrastive Experiential Reasoning）：收集高低質(zhì)量推理軌跡，通過LLM生成成功模式的自然語言總結（如“簡單查詢優(yōu)先用內(nèi)部知識”），構建動態(tài)經(jīng)驗記憶庫；

2. 自適應獎勵塑造機制（Adaptive Reward Shaping）：引入最小工具調(diào)用基準，僅在答案正確時懲罰冗余調(diào)用，使用指數(shù)衰減函數(shù)動態(tài)平衡準確性和效率，避免盲目優(yōu)化；

3. 基于經(jīng)驗的RL訓練機制：采用GRPO算法，將積累經(jīng)驗和少樣本示例融入提示模板，指導模型生成高效軌跡，確保探索與利用的均衡。

模型最終優(yōu)化目標為多目標獎勵函數(shù)的加權和，確保工具調(diào)用精簡與答案質(zhì)量的協(xié)同提升。

三、實驗

研究團隊在四個多跳QA基準數(shù)據(jù)集（NQ、HotpotQA、Musique、2WikiMultihopQA）上進行了全面評估，對比了多種主流DeepSearch方法。

3.1 主實驗結果

實驗結果顯示:

1. 模型準確性保持頂尖: LightSearcher在F1分數(shù)和LLM評判上與SOTA基線ReSearch相當，甚至在部分數(shù)據(jù)集上優(yōu)于ReSearch；

2. 效率顯著提升: 工具調(diào)用減少39.6%，推理時間縮短48.6%，token消耗降低21.2%；

3. 泛化能力強：在不同難度的查詢（易/難）上均表現(xiàn)穩(wěn)定，即使在域外測試集也能超越依賴固定檢索的迭代方法。

移除經(jīng)驗導致F1下降7.2%，證明其核心作用。

LightSearcher框架通過“經(jīng)驗記憶”這一核心理念，為構建高效、可靠的深度推理系統(tǒng)提供了新路徑。盡管目前限于多跳QA，未來可擴展到代碼合成、策略規(guī)劃等領域。論成功解決了現(xiàn)有DeepSearch的關鍵痛點：

• 從隱性到顯性：將對比軌跡轉化為可解釋的推理指導

• 精準平衡：通過自適應獎勵確保工具調(diào)用最小化

• 效率優(yōu)先：利用RL訓練維持準確與開銷的連貫性

• 雙重優(yōu)化:同時提升推理質(zhì)量和執(zhí)行效率,而非顧此失彼

最后，大模型的DeepSearch能力需設計有效的經(jīng)驗機制。相比于復雜的手動標注, LightSearcher通過其“對比經(jīng)驗”的設計思想, 在推理過程依賴可靠的外部知識調(diào)用，為構建更加高效、可靠的AI深度思考系統(tǒng)提供了重要的技術路徑。

llustration From IconScout By IconScout Store

-The End-

本周上新！

掃碼觀看！

“AI技術流”原創(chuàng)投稿計劃

TechBeat是由將門創(chuàng)投建立的AI學習社區(qū)（www.techbeat.net）。社區(qū)上線700+期talk視頻，3000+篇技術干貨文章，方向覆蓋CV/NLP/ML/Robotis等；每月定期舉辦頂會及其他線上交流活動，不定期舉辦技術人線下聚會交流活動。我們正在努力成為AI人才喜愛的高質(zhì)量、知識型交流平臺，希望為AI人才打造更專業(yè)的服務和體驗，加速并陪伴其成長。

投稿內(nèi)容

// 最新技術解讀/系統(tǒng)性知識分享 //

// 前沿資訊解說/心得經(jīng)歷講述 //

投稿須知

稿件需要為原創(chuàng)文章，并標明作者信息。

我們會選擇部分在深度技術解析及科研心得方向，對用戶啟發(fā)更大的文章，做原創(chuàng)性內(nèi)容獎勵

投稿方式

發(fā)送郵件到

michellechang@thejiangmen.com

或添加工作人員微信（michelle333_）投稿，溝通投稿詳情

關于我“門”

將門是一家以專注于數(shù)智核心科技領域的新型創(chuàng)投機構，也是北京市標桿型孵化器。 公司致力于通過連接技術與商業(yè)，發(fā)掘和培育具有全球影響力的科技創(chuàng)新企業(yè)，推動企業(yè)創(chuàng)新發(fā)展與產(chǎn)業(yè)升級。

將門成立于2015年底，創(chuàng)始團隊由微軟創(chuàng)投在中國的創(chuàng)始團隊原班人馬構建而成，曾為微軟優(yōu)選和深度孵化了126家創(chuàng)新的技術型創(chuàng)業(yè)公司。

如果您是技術領域的初創(chuàng)企業(yè)，不僅想獲得投資，還希望獲得一系列持續(xù)性、有價值的投后服務，歡迎發(fā)送或者推薦項目給我“門”:

bp@thejiangmen.com

點擊右上角，把文章分享到朋友圈