返回首頁

AI 研究

Seer 讓小型研究代理先模擬搜尋結果,再決定下一步

作者報告,4B 代理在 GAIA 的準確率由 13.6% 升至 41.7%;但系統另需共用的 9B 輔助模型,實際省錢或加速仍未獲硬體量測支持。

zh-Hant

小型研究代理要比較多種搜尋方向,可以先預測各條路可能找到什麼,再選一條真正執行。Seer 把這個想法做成研究框架:落選候選不必實際呼叫工具,代價是增加模型推論。四川大學等機構的研究者於 11 月 19 日提交原始論文;目前可確認的是作者的實驗結果,尚不能據此認定一般電腦部署會更便宜或更快。論文與提交紀錄

預測協助選路,真實回應才成為證據

Seer 有三個角色:代理提出候選動作;「工具回應模擬器」預測搜尋或讀網頁可能得到的內容;「價值估計器」評分加入這些內容後,任務有多大機會成功。兩個輔助模型先以真實工具互動資料訓練,再跨代理重用,無須逐一重新訓練。

評測只向前模擬一步。選定動作後,系統才取得真實工具結果,並只把真實回應加入後續歷史。模擬內容會影響選路,卻不會直接留下來充當引用證據。方法與實驗設定

答題提升伴隨模擬誤差

GAIA 是考驗推理、瀏覽網頁及工具使用能力的問答基準。GAIA 原始論文 Seer 作者報告,Qwen3.5-4B 的準確率從基礎代理的 13.6% 升至 41.7%,增加 28.1 個百分點;後者每次比較 32 個候選。比較使用相同代理與工具,每條路徑最多執行 100 輪、輸入上限為 128k token,時間上限為 9,000 秒。這是作者自報成績,並非本刊實測或獨立重現。表 2 與評測設定

模擬也會選錯路。同樣比較四個候選時,4B 代理搭配估計器、實際執行候選取得回應,GAIA 準確率為 38.8%;改以模擬回應評分後降至 29.1%。擴大候選範圍可以補回部分損失,但不能把模擬視為等同真實搜尋。元件比較表 4

本機成本仍是採用前的關鍵

「落選分支不用搜尋」不等於整項任務必然省錢:選路及任務長度仍會改變總呼叫數,模擬本身也要運算。作者並指出,Seer 與執行四條完整路徑的比較,沒有匹配總計算量。成本定義與比較條件

輔助模型也需要資源:兩者以 Qwen3.5-9B 為基底,共用基礎權重、搭配不同的 LoRA 微調配件。實驗的網頁摘錄另由 Qwen3.5-397B-A17B 服務處理,且所有比較方法共用該服務。因此,41.7% 不能解讀成單一 4B 模型全離線運作的能力。作者沒有量測實際裝置的尖峰記憶體、耗電或延遲。訓練設定與部署限制

對自架代理的讀者,這項研究提出的具體取捨是:用更多推論比較搜尋方向,減少為落選選項支付外部呼叫成本。現有數字支持工具輔助問答的改善;能否轉成日常裝置上的成本優勢,仍需裝置實測才能判斷。

來源

  1. Seer: Guiding Small Deep-Research Agents with Shared Decision Models
  2. Seer: Guiding Small Deep-Research Agents with Shared Decision Models
  3. GAIA: a benchmark for General AI Assistants