搜索“總結(jié)2023年NeurIPS、ICML、ICLR三大ML頂會(huì)的最佳論文，還要分析熱門領(lǐng)域趨勢”，搜了十幾頁結(jié)果：有的只說某個(gè)會(huì)議論文分析，有的提了最佳論文但是沒有趨勢，零散得像沒串起來的珠子；讓AI回答，它倒是說得頭頭是道，結(jié)果一半細(xì)節(jié)查不到來源，疑似“瞎編”；更糟的是，好不容易攢了一堆資料，AI又彈出“內(nèi)容太多，超出我的記憶容量”——這是不是你查復(fù)雜信息時(shí)的日常崩潰？

最近我在讀ICLR 2025的一篇論文時(shí)，突然眼前一亮：來自中科大和上海AI實(shí)驗(yàn)室的團(tuán)隊(duì)，搞出了個(gè)叫MindSearch（中文名“思·索”）的多智能體框架，居然把這些痛點(diǎn)優(yōu)化了。它能像人一樣“邊思考邊找信息”，3分鐘就能完成原本要花3小時(shí)的資料搜集整合，甚至用開源的InternLM2.5-7B模型做出來的效果，比ChatGPT-Web（基于GPT-4o）和Perplexity.ai還受人類待見。今天就從研究員的角度，跟你聊聊這東西到底是怎么“讀懂人心”的。

先搞懂：我們查復(fù)雜資料時(shí)，到底在“卡”什么？

在聊技術(shù)之前，得先說說我們面對(duì)“復(fù)雜問題”時(shí)，本質(zhì)上在跟什么較勁。比如“總結(jié)2023年NeurIPS、ICML、ICLR三大ML頂會(huì)的最佳論文，還要分析熱門領(lǐng)域趨勢”，這種問題難就難在三點(diǎn)——這也是MindSearch要解決的核心痛點(diǎn)：

第一，“一次性搜不全”。你不可能用一個(gè)關(guān)鍵詞就把三個(gè)頂會(huì)的最佳論文全揪出來，更別說還要趨勢分析。就像你要辦一場生日宴，不可能一趟超市就買齊蛋糕、食材、裝飾——得拆成多個(gè)任務(wù)，可傳統(tǒng)搜索工具要么“一次性亂買一堆”，要么“漏買關(guān)鍵項(xiàng)”。

第二，“信息噪音太多”。搜出來的結(jié)果里，可能混著2022年的論文、非“最佳論文”的普通文章，甚至還有自媒體的片面解讀。這就像你買食材時(shí)，攤位上混著不新鮮的菜、跟宴席無關(guān)的零食，挑半天才能找到能用的，特別費(fèi)時(shí)間。

第三，“AI記不住太多東西”。就算你挑出20篇有用的網(wǎng)頁，每篇幾千字，LLM的“記憶容量”（也就是context length）根本裝不下——相當(dāng)于你買了一堆菜，廚房臺(tái)面太小，根本擺不開，沒法動(dòng)手做飯。

我們團(tuán)隊(duì)之前也試過用傳統(tǒng)的“檢索增強(qiáng)生成（RAG）”解決這類問題，比如讓AI先搜再寫，但結(jié)果總是差強(qiáng)人意：要么搜得太淺，要么整合得太亂，本質(zhì)上就是沒解決這三個(gè)痛點(diǎn)。而MindSearch的巧妙之處，就在于它學(xué)了“人類解決復(fù)雜問題的思路”——先拆任務(wù)，再分工找信息，最后整合。

傳統(tǒng)方法為啥不行？像“用勺子挖游泳池”

在MindSearch之前，行業(yè)里解決“AI+搜索”的思路主要有兩種，都有點(diǎn)“治標(biāo)不治本”：

第一種是純LLM硬扛。就是讓GPT-4o這類模型直接回答，實(shí)在不知道就“瞎編”。這就像你不查菜譜、不買食材，直接讓廚師憑空做一桌宴席——偶爾能蒙對(duì)幾道簡單菜，但復(fù)雜的肯定翻車。實(shí)驗(yàn)里也能看出來，純GPT-4o在HotpotQA（復(fù)雜多跳問答）的平均正確率只有53.5%，開源模型更是只有42.9%。

第二種是RAG或ReAct式搜索。RAG是“先搜一堆資料，再讓AI總結(jié)”，像一次性買完所有菜再做飯，不管食材用不用得上；ReAct是“邊搜邊想”，比如先搜“NeurIPS 2023最佳論文”，拿到結(jié)果再搜“ICML的”，一步一步來。但這種方式效率太低，而且容易在中間步驟“走歪”——比如搜完NeurIPS，忘了還要分析趨勢，最后漏了關(guān)鍵信息。實(shí)驗(yàn)里ReAct在GPT-4o上的正確率也只到55.1%，沒比純LLM好多少。

簡單說，這些方法要么“沒工具硬干”，要么“有工具但不會(huì)用”，就像用勺子挖游泳池，費(fèi)了半天勁，進(jìn)度還是慢得讓人著急。

MindSearch的核心：讓AI像“餐廳后廚”一樣分工干活

MindSearch的突破，本質(zhì)上是搞了個(gè)“AI版后廚團(tuán)隊(duì)”——兩個(gè)核心角色：WebPlanner（相當(dāng)于“主廚”）和WebSearcher（相當(dāng)于“專業(yè)采購員”）。這倆角色分工明確、互相配合，完美解決了前面說的三個(gè)痛點(diǎn)。

1. WebPlanner：“主廚”的活兒——把復(fù)雜問題拆成“可執(zhí)行的采購清單”

你去餐廳點(diǎn)“一桌融合菜”，主廚不會(huì)直接讓采購員“買所有菜”，而是先拆成“買澳洲和?！薄百I松露”“買日本米”這些具體需求，還會(huì)標(biāo)清楚“哪些可以同時(shí)買”“哪些要等前一步買完再買”。WebPlanner干的就是這個(gè)活：把用戶的復(fù)雜問題，拆成一個(gè)個(gè)“原子化子問題”，再用“動(dòng)態(tài)流程圖”（論文里叫DAG，不用記這個(gè)詞）管理步驟。

舉個(gè)例子，用戶問“介紹一款中國產(chǎn)的3A游戲，要細(xì)節(jié)”：

? WebPlanner先把問題拆成“中國有哪些3A游戲”“原神的開發(fā)背景”“原神的玩法核心”“原神的全球銷量”這些子問題——每個(gè)子問題都像一個(gè)“采購需求”，只聚焦一個(gè)點(diǎn)，不貪心。

? 然后它會(huì)畫個(gè)“流程圖”：先搜“中國3A游戲列表”（這是第一步），拿到結(jié)果后，再同時(shí)搜“原神”“黑神話：悟空”的細(xì)節(jié)（這些可以并行，不用等一個(gè)搜完再搜）——就像主廚讓采購員同時(shí)去肉鋪和蔬菜鋪，節(jié)省時(shí)間。

這里最讓我驚訝的是，WebPlanner還用“寫代碼”的方式來管理這個(gè)流程圖。你可能會(huì)問：“讓AI寫代碼？這不是更復(fù)雜了嗎？”其實(shí)反而是為了“更精準(zhǔn)”。就像主廚寫清楚“買500克M9和牛，不要凍肉”，比口頭說“買些好牛肉”更不容易出錯(cuò)。如果代碼寫錯(cuò)了（比如子問題重復(fù)了），Python解釋器會(huì)報(bào)錯(cuò)，WebPlanner能馬上修正——相當(dāng)于采購員發(fā)現(xiàn)清單寫錯(cuò)了，立刻跟主廚確認(rèn)，不會(huì)買錯(cuò)東西。

我們之前做類似任務(wù)時(shí)，最頭疼的就是“AI拆問題拆得太粗”，比如把“原神玩法+銷量”放一個(gè)子問題里，結(jié)果搜出來的信息混在一起，不好整合。MindSearch這種“代碼化拆分工單”的方式，很好優(yōu)化了這個(gè)問題。

2. WebSearcher：“采購員”的活兒——精準(zhǔn)找信息，不買“沒用的菜”

采購員接到清單后，不會(huì)隨便亂買：先去多個(gè)市場看看（廣撒網(wǎng)），再挑靠譜的攤位（選網(wǎng)頁），最后只買新鮮的食材（提取關(guān)鍵信息）。WebSearcher的“分層檢索”就是這個(gè)邏輯，顯著優(yōu)化了“信息噪音多”和“AI記不下”的問題。

具體分三步：

? 第一步：“多問幾個(gè)渠道”。比如要搜“原神全球銷量”，WebSearcher不會(huì)只搜“原神銷量”，還會(huì)生成“Genshin Impact global sales 2024”“原神各地區(qū)收入占比”等多個(gè)相關(guān)查詢——就像采購員去超市、農(nóng)貿(mào)市場、線上平臺(tái)都問一遍，確保不漏掉關(guān)鍵信息。

? 第二步：“挑靠譜的攤位”。搜出來的結(jié)果可能有100個(gè)網(wǎng)頁，WebSearcher會(huì)先看標(biāo)題和摘要，挑出“米哈游官方財(cái)報(bào)”“Newzoo游戲行業(yè)報(bào)告”這種靠譜來源，排除“玩家論壇猜測”“過時(shí)的2021年數(shù)據(jù)”——相當(dāng)于采購員只在口碑好的攤位買，避免買到假貨。

? 第三步：“只帶有用的食材回來”。WebSearcher會(huì)把挑中的網(wǎng)頁內(nèi)容提煉成“關(guān)鍵信息”（比如“2024年原神全球累計(jì)收入超60億美元，移動(dòng)端占比70%”），再交給WebPlanner——不會(huì)把整個(gè)網(wǎng)頁的幾萬字都塞給AI，完美解決“記憶容量不夠”的問題。

實(shí)驗(yàn)里能看出來，這種方式效率極高：MindSearch能在3分鐘內(nèi)處理300多個(gè)網(wǎng)頁的信息，而人類要干3小時(shí)——相當(dāng)于你花喝一杯咖啡的時(shí)間，搞定原本要一下午的查資料工作。

它到底比別人強(qiáng)在哪？三個(gè)“反常識(shí)”的創(chuàng)新

MindSearch能在實(shí)驗(yàn)里“打敗”ChatGPT-Web和Perplexity.ai，不是靠“模型更牛”，而是靠“流程更聰明”。有三個(gè)創(chuàng)新點(diǎn)，我覺得特別值得說：

1. 不是“先搜再想”，而是“邊想邊搜，動(dòng)態(tài)調(diào)整”

傳統(tǒng)方法都是“先搜一堆資料，再整理”，就像采購員先買完所有菜，再讓主廚想怎么做。而MindSearch是“主廚邊想菜單，邊讓采購員補(bǔ)買食材”——比如WebPlanner先讓W(xué)ebSearcher搜“原神開發(fā)背景”，拿到結(jié)果發(fā)現(xiàn)“原神用了自研的Anime Shading技術(shù)”，馬上新增一個(gè)子問題“原神的Anime Shading技術(shù)細(xì)節(jié)”，讓W(xué)ebSearcher再去搜。

這種“動(dòng)態(tài)調(diào)整”特別適合復(fù)雜問題，就像你寫報(bào)告時(shí)，越查越發(fā)現(xiàn)有新的關(guān)鍵點(diǎn)要補(bǔ)充，MindSearch能自動(dòng)跟上這種“思考節(jié)奏”，而不是一開始就定死所有步驟。

2. 不是“信息越多越好”，而是“精準(zhǔn)分層，過濾噪音”

很多人覺得“AI搜信息，越多越好”，但MindSearch反其道而行之：通過“多查詢生成→網(wǎng)頁篩選→信息提煉”的分層步驟，主動(dòng)“扔掉沒用的信息”。就像優(yōu)秀的采購員不會(huì)買一堆菜回來占地方，而是只買“用得上、質(zhì)量好”的——這樣既減輕了AI的“記憶負(fù)擔(dān)”，又提高了信息的準(zhǔn)確性。

實(shí)驗(yàn)里也能驗(yàn)證這一點(diǎn)：如果去掉“多查詢生成”這個(gè)步驟，MindSearch的正確率會(huì)從64.0%降到60.6%；去掉“網(wǎng)頁篩選”，會(huì)降到58.0%——可見“過濾噪音”比“多搜信息”更重要。

3. 開源模型也能打贏閉源，靠的是“流程優(yōu)化”

這是最讓我意外的一點(diǎn)：用開源的InternLM2.5-7B（參數(shù)只有70億）做的MindSearch，居然在人類評(píng)價(jià)中超過了用GPT-4o（閉源大模型）的ChatGPT-Web。原因很簡單：閉源模型雖然“腦子好”，但沒“好工具”；而MindSearch給開源模型配了“精準(zhǔn)拆任務(wù)+高效找信息”的工具，相當(dāng)于給普通廚師配了“專業(yè)采購員+精準(zhǔn)菜譜”，最后做出的菜反而比“天才廚師但沒工具”更好。

這對(duì)行業(yè)來說是個(gè)好消息：以后不用非得依賴閉源大模型，用開源模型+好的流程設(shè)計(jì)，也能做出高質(zhì)量的AI搜索工具。

實(shí)際用起來怎么樣？人類評(píng)估說了算

光說原理沒用，得看實(shí)際效果。團(tuán)隊(duì)做了兩個(gè)關(guān)鍵實(shí)驗(yàn)，結(jié)果很有說服力：

第一個(gè)是“人類主觀評(píng)價(jià)”：找5個(gè)專家，盲測MindSearch（InternLM2.5-7B）、ChatGPT-Web（GPT-4o）、Perplexity.ai Pro的回答，從“深度”“廣度”“事實(shí)性”三個(gè)維度打分。結(jié)果是：

? 深度：MindSearch 83% vs ChatGPT-Web 73% vs Perplexity 70%——比如回答“嫦娥六號(hào)采樣難點(diǎn)”，MindSearch會(huì)詳細(xì)說“鵲橋二號(hào)中繼衛(wèi)星怎么解決通信”，而其他工具可能只提“有通信問題”。

? 廣度：MindSearch 73% vs 其他兩個(gè)分別是24%和17%——比如回答“3A游戲”，MindSearch會(huì)覆蓋開發(fā)、玩法、銷量、技術(shù)，其他工具可能只說玩法。

? 事實(shí)性：MindSearch 70%，跟其他兩個(gè)差不多——這是目前的小短板，團(tuán)隊(duì)說未來會(huì)優(yōu)化“信息溯源”，減少瞎編的可能。

第二個(gè)是“閉集QA測試”（比如HotpotQA）：用GPT-4o和InternLM2.5-7B分別跑MindSearch和傳統(tǒng)方法。結(jié)果是：

? GPT-4o+MindSearch的正確率是59.8%，比純GPT-4o（53.5%）高6.3%；

? InternLM2.5-7B+MindSearch的正確率是49.2%，比純開源模型（42.9%）高6.3%——而且越復(fù)雜的問題（比如“多跳問答”），MindSearch的優(yōu)勢越明顯。

簡單說：MindSearch不是“讓AI更聰明”，而是“讓AI更會(huì)干活”——就像一個(gè)普通團(tuán)隊(duì)，靠好的分工和流程，能打贏比自己“單兵能力強(qiáng)”但沒章法的對(duì)手。

現(xiàn)在還不完美，但方向很亮

當(dāng)然，MindSearch不是“萬能的”，還有幾個(gè)明顯的局限，團(tuán)隊(duì)也在論文里坦誠說了：

第一，不能處理視覺信息。如果用戶問“原神的角色設(shè)計(jì)風(fēng)格有什么特點(diǎn)”，需要看圖片對(duì)比，MindSearch現(xiàn)在還做不到——只能處理文字信息。

第二，不能跟網(wǎng)頁互動(dòng)。比如要查“某游戲的最新更新日志”，需要點(diǎn)進(jìn)官網(wǎng)的“更新公告”頁面，MindSearch現(xiàn)在只能搜現(xiàn)成的網(wǎng)頁結(jié)果，不能主動(dòng)“點(diǎn)擊、跳轉(zhuǎn)”網(wǎng)頁。

第三，引用質(zhì)量沒評(píng)估。雖然它會(huì)標(biāo)注信息來源，但沒判斷“這個(gè)來源靠不靠譜”——比如引用了“玩家論壇的猜測”和“官方財(cái)報(bào)”，現(xiàn)在還沒法區(qū)分優(yōu)先級(jí)。

但這些都是“可以改進(jìn)的問題”，不是方向錯(cuò)了。我覺得MindSearch的最大價(jià)值，是給行業(yè)指了一條路：未來的AI搜索工具，核心競爭力不是“模型多大”，而是“能不能像人一樣思考、分工、解決復(fù)雜問題”。

最后：這東西對(duì)我們普通人意味著什么？

可能你會(huì)說：“這跟我有啥關(guān)系？我又不做學(xué)術(shù)研究。”其實(shí)關(guān)系很大——以后你查復(fù)雜信息，可能再也不用“搜半天、理不清、怕瞎編”了：

比如你想“給父母選一款適合的養(yǎng)老醫(yī)療險(xiǎn)”，MindSearch能拆成“2024年主流養(yǎng)老醫(yī)療險(xiǎn)有哪些”“某款產(chǎn)品的報(bào)銷范圍”“60歲以上老人的投保條件”“用戶理賠案例”這些子問題，自動(dòng)找信息、整合答案，甚至對(duì)比不同產(chǎn)品的優(yōu)缺點(diǎn)——不用你自己翻十幾頁保險(xiǎn)條款，也不用怕AI瞎編“理賠成功率”。

再比如學(xué)生寫論文，要“分析某部電影的社會(huì)影響”，MindSearch能自動(dòng)搜“電影的票房數(shù)據(jù)”“影評(píng)人評(píng)價(jià)”“社會(huì)學(xué)論文對(duì)它的分析”“觀眾調(diào)研結(jié)果”，還會(huì)標(biāo)注來源，避免抄襲風(fēng)險(xiǎn)。

就像當(dāng)年搜索引擎把“查資料”從“跑圖書館”變成“在家點(diǎn)鼠標(biāo)”，MindSearch這類工具可能會(huì)把“查復(fù)雜資料”從“崩潰的幾小時(shí)”變成“輕松的幾分鐘”。

如果你也有過“查資料查到崩潰”的經(jīng)歷，或者對(duì)“AI怎么像人一樣思考”感興趣，歡迎在評(píng)論區(qū)聊聊——你平時(shí)查復(fù)雜信息時(shí)，最頭疼的是什么？

參考資料：

? 標(biāo)題：MINDSEARCH: MIMICKING HUMAN MINDS ELICITS DEEP AI SEARCHER

? 作者：Zehui Chen?1, Kuikun Liu?2, Qiuchen Wang1, Jiangning Liu2, Wenwei Zhang2, Kai Chen2?, Feng Zhao1?

? 單位：1MoE Key Laboratory of Brain-inspired Intelligent Perception and Cognition, USTC; 2Shanghai AI Laboratory

? 鏈接：https://openreview.net/pdf?id=xgtXkyqw1f

本文轉(zhuǎn)載自??旺知識(shí)??，作者：旺知識(shí)