💬 NLP

IterResearch: Rethinking Long-Horizon Agents with Interaction Scaling

IterResearch führt ein iteratives Deep-Research-Paradigma ein, das auf Interaction Scaling und einer MDP-inspirierten Workspace-Rekonstruktion basiert, welches die Kontextbeschränkungen bestehender Agenten überwindet, um signifikante Leistungssteigerungen bei Langzeitaufgaben sowohl als trainiertes Modell als auch als Prompting-Strategie für Frontier-Systeme zu erzielen.

Ursprüngliche Autoren: Guoxin Chen, Zile Qiao, Xuanzhong Chen, Donglei Yu, Haotian Xu, Wayne Xin Zhao, Ruihua Song, Wenbiao Yin, Huifeng Yin, Liwen Zhang, Kuan Li, Minpeng Liao, Yong Jiang, Pengjun Xie, Fei Huang, Jingren Z

Veröffentlicht 2026-02-03

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Guoxin Chen, Zile Qiao, Xuanzhong Chen, Donglei Yu, Haotian Xu, Wayne Xin Zhao, Ruihua Song, Wenbiao Yin, Huifeng Yin, Liwen Zhang, Kuan Li, Minpeng Liao, Yong Jiang, Pengjun Xie, Fei Huang, Jingren Zhou

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Das große Problem: Die „Endlos-Scrollen“-Falle

Stellen Sie sich vor, Sie versuchen, ein sehr schwieriges Rätsel zu lösen, wie zum Beispiel einen ganz bestimmten Fakt zu finden, der tief im Internet verborgen ist.

Die meisten aktuellen KI-Agenten arbeiten wie eine Person, die versucht, ein Buch zu lesen, indem sie niemals die Seite umblätdet. Sie fangen an, Seite 1 zu lesen, dann Seite 2, dann Seite 3. Aber anstatt die alten Seiten zu schließen und neu anzufangen, stapeln sie einfach immer neue Seiten unten an denselben riesigen Stapel.

Das Ergebnis: Nach 50 Seiten ist der Stapel so hoch, dass die Person die Oberseite nicht mehr sehen kann. Sie wird vom alten Text „erstickt“.
Das Rauschen: Wenn sie auf Seite 5 versehentlich eine falsche Information gelesen hat, bleibt diese falsche Information für immer im Stapel stecken und verwirrt sie auf Seite 50.

Das Paper nennt dies das „Mono-kontextuelle Paradigma“. Es ist, als würde man versuchen, einen Marathon zu laufen, während man einen schweren Rucksack hinter sich herzieht, der mit jedem Schritt schwerer wird. Irgendwann bricht man zusammen.

Die Lösung: Das „Schlaue Notizbuch“ (IterResearch)

Die Autoren führen IterResearch ein, eine neue Art, wie eine KI denkt. Anstatt einen riesigen Papierstapel mitzuschleppen, benutzt die KI ein Schlaues Notizbuch, das jedes Mal neu geschrieben wird, wenn sie etwas Neues lernt.

So funktioniert es, Schritt für Schritt:

Der „Reset“-Knopf:
Stellen Sie sich vor, Sie sind ein Detektiv. Sie sammeln eine Zeit lang Hinweise. Anstatt jedes einzelne Schnipsel Papier aufzubewahren, das Sie je berührt haben, setzen Sie sich hin, schreiben eine Zusammenfassung dessen, was Sie bisher wissen, in ein sauberes Notizbuch und werfen dann die unordentlichen Schnipsel weg.
- Der Fachbegriff des Papers: Iterative Workspace Reconstruction (Iterative Arbeitsraum-Rekonstruktion).
- Die Analogie: Die KI räumt ihren Schreibtisch auf, behält nur die essenzielle „Fallakte“ (den Bericht) und beginnt die nächste Phase der Untersuchung mit einem frischen, sauberen Blatt. Dies verhindert das „Ersticken“ durch zu viel alten Text.
Der „evolutionäre“ Bericht:
Die KI merkt sich nicht nur Fakten; sie schreibt einen lebendigen Bericht. Jedes Mal, wenn sie neue Informationen findet, aktualisiert sie diesen Bericht, filtert den Müll heraus und behält nur das Gold.
- Der Fachbegriff des Papers: Evolving Report Memory (Evolvierendes Bericht-Gedächtnis).
- Die Analogie: Es ist wie eine Wikipedia-Seite, die die KI in Echtzeit bearbeitet. Alte, falsche oder irrelevante Informationen werden gelöscht; neue, korrekte Informationen werden hinzugefügt. Das „Gedächtnis“ bleibt klein und sauber, egal wie lange die Untersuchung dauert.
Der „Effizienz“-Coach:
Die KI muss lernen, wie man effizient sucht. Das Paper führt eine Trainingsmethode namens EAPO (Efficiency-Aware Policy Optimization) ein.
- Die Analogie: Stellen Sie sich einen Coach vor, der Ihnen einen goldenen Stern gibt, wenn Sie ein Rätsel in 5 Zügen lösen, aber nur einen winzigen, schwachen Stern, wenn Sie es in 50 Zügen lösen. Selbst wenn Sie die richtige Antwort finden, lehrt der Coach Sie, schneller und klüger zu sein, anstatt einfach nur so lange weiterzugraben, bis man durch Glück Erfolg hat.

Die erstaunlichen Ergebnisse

Das Paper testete diese neue „Schlaue Notizbuch“-Methode gegen die alten „Endlos-Scrollen“-Methoden. Das passierte:

Den Wettbewerb schlagen: Die neue KI (IterResearch) schnitt bei sechs verschiedenen schwierigen Tests deutlich besser ab als jeder andere Open-Source-KI-Agent. Sie verringerte den Abstand zu den teuersten, proprietären Systemen (wie denen von Google oder OpenAI).
Der „Superlange“ Marathon: Das schockierendste Ergebnis war das Interaction Scaling (Interaktions-Skalierung).
- Die Analogie: Alte Agenten geben meist nach etwa 20 oder 30 Schritten auf oder werden verwirrt, weil ihr „Rucksack“ zu schwer ist. IterResearch konnte 2.048 Schritte lang laufen, ohne ins Schwitzen zu geraten.
- Das Ergebnis: Als man der KI erlaubte, mehr Schritte zu machen (bis zu 2.048), sprang ihre Leistung von miesen 3,5 % auf beeindruckende 42,5 %. Es bewies, dass das Problem nicht war, dass die KI „zu dumm“ war, um die Aufgabe zu lösen, sondern dass die alten Methoden sie nicht lange genug suchen ließen.
Ein universeller Trick: Die Autoren fanden heraus, dass man die KI gar nicht erst neu trainieren muss, um diese Methode zu nutzen. Wenn man einer anderen, leistungsstarken KI einfach die Anweisungen für das „Schlaue Notizbuch“ (einen Prompt) gibt, wird diese KI bei langen Aufgaben sofort viel besser. Es ist, als würde man einer Standard-Taschenlampe eine neue Linse geben, die sie meilenweit weit sehen lässt.

Zusammenfassung

IterResearch ist eine neue Art, wie KI tiefgründige Recherche betreibt. Anstatt jedes einzelne Stück Information, das sie findet, zu horten (was die KI schließlich erstickt), fasst sie periodisch zusammen, was sie weiß, wirft das Rauschen weg und beginnt neu.

Dies ermöglicht es der KI:

Über viel längere Zeiträume klar zu denken (bis zu 2.048 Schritte).
Antworten effizienter zu finden.
Besser zu arbeiten als fast jeder andere derzeit verfügbare Open-Source-Agent.

Es verwandelt die KI von einer Person, die in einem Papierstapel ertrinkt, in einen Detektiv mit einer perfekt organisierten, sich ständig aktualisierenden Fallakte.

Technisches Resümee: IterResearch

Problemstellung

Jüngste Fortschritte bei Deep-Research-Agenten haben das Potenzial für autonome Wissenskonstruktion durch dynamisches Schließen über externe Quellen aufgezeigt. Bestehende Ansätze beruhen jedoch überwiegend auf einem mono-kontextuellen Paradigma, bei dem alle abgerufenen Informationen und zwischenzeitlichen Schlussfolgerungsschritte an ein einzelnes, sich kontinuierlich erweiterndes Kontextfenster angehängt werden. Die Autoren identifizieren zwei kritische Versagensmodi dieses Paradigmas bei Aufgaben mit langem Zeithorizont (long-horizon tasks):

Kontext-Erstickung (Context Suffocation): Wenn das Kontextfenster mit vorangegangenen Interaktionen gefüllt ist, schrumpft der verfügbare Raum für aktives Schließen, was zu eingeschränkten Antworten führt, die in vorzeitigen oder oberflächlichen Schlussfolgerungen münden.
Rausch-Kontamination (Noise Contamination): Irrelevante Informationen aus Websuchen und Fehler in der frühen Explorationsphase werden permanent in den Kontext eingebettet, was eine kaskadierende Interferenz erzeugt, die die Signalqualität während des gesamten Denkprozesses verwässert.

Diese Einschränkungen verhindern, dass bestehende Agenten eine nachhaltige Denkkapazität aufrechterhalten können, wenn die Explorationstiefe zunimmt.

Methodik

Das Paper stellt IterResearch vor, ein neuartiges iteratives Deep-Research-Paradigma, das die Langzeitforschung durch die Linse der Interaktionsskalierung (Interaction Scaling) neu interpretiert. Die Methodik basiert auf zwei Kernkomponenten:

1. Iteratives Deep-Research-Paradigma (MDP-inspirierte Architektur)

Anstatt einer linearen Kontextakkumulation nutzt IterResearch eine Formulierung basierend auf einem Markov-Entscheidungsprozess (MDP), definiert durch das Tupel $\langle S, D, E, T, R \rangle$ .

Zustandsraum ( $S$ ): Jeder Zustand $s_t$ ist ein strategisch rekonstruierter Arbeitsbereich, der nur aus essenziellen Elementen besteht: der konstanten Frage $q$ , einem evolvierenden Bericht $M_t$ (der als komprimiertes Gedächtnis validierter Erkenntnisse dient) und dem unmittelbaren Kontext des vorherigen Schritts.
Entscheidungsraum ( $D$ ): Die Policy $\pi$ generiert eine zusammengesetzte Entscheidung $d_t$ , bestehend aus internem Denken ( $Think_t$ ), einem aktualisierten Bericht ( $M_{t+1}$ ) und einer externen Aktion ( $a_t$ ).
Übergangsfunktion ( $T$ ): Entscheidend ist, dass die Übergangsfunktion den Arbeitsbereich rekonstruiert, anstatt an die Historie anzuhängen. Die historische Trajektorie wird bewusst verworfen, wobei nur das synthetisierte Wissen im aktualisierten Bericht erhalten bleibt. Dies stellt sicher, dass die Größe des Arbeitsbereichs konstant ( $O(1)$ ) bleibt, unabhängig von der Anzahl der Interaktionsrunden, was theoretisch eine unbegrenzte Exploration ermöglicht.

2. Effizienzbewusste Policy-Optimierung (EAPO)

Um dieses iterative Paradigma effektiv zu trainieren, schlagen die Autoren EAPO vor, eine Trainingsstrategie, die zwei Herausforderungen adressiert:

Geometrische Belohnungsabschättung (Geometric Reward Discounting): In Anerkennung dessen, dass nicht alle erfolgreichen Trajektorien gleichermaßen wertvoll sind, adaptieren die Autoren die Standard-geometrische Abschättung ( $r_t = \gamma^{T-t} \cdot R_T$ ). Dies erzeugt einen impliziten Effizienzdruck, der Agenten dazu motiviert, korrekte Schlussfolgerungen durch präzise, fokussierte Exploration zu erreichen, anstatt durch erschöpfende Suche.
Adaptive Downsampling: Da das iterative Paradigma Trajektorien in mehrere unabhängige Trainingsproben zerlegt (eine pro Runde), variieren die Stichprobenanzahlen je nach Frage. Die Autoren setzen adaptives Downsampling ein, um die Trainings-Batches mit der datenparallelen Größe abzustimmen, wodurch ein stabiles verteiltes Training gewährleistet wird, während über 99 % der Daten erhalten bleiben.

Zentrale Beiträge

Neuartiges Paradigma: Der Vorschlag von IterResearch, welches Kontext-Erstickung und Rausch-Kontamination eliminiert, indem es ein evolvierendes Berichtsgedächtnis pflegt und eine strategische Workspace-Rekonstruktion durchführt.
Trainingsstrategie: Die Entwicklung von EAPO, das geometrische Belohnungsabschättung für Effizienz und adaptives Downsampling für ein stabiles Training auf variablen Trajektorienlängen kombiniert.
Empirische Validierung: Umfangreiche Experimente, die zeigen, dass IterResearch erhebliche Verbesserungen gegenüber bestehenden Open-Source-Agenten erzielt und die Lücke zu führenden proprietären Systemen schließt.

Experimentelle Ergebnisse

Die Autoren evaluierten IterResearch (basierend auf Qwen3-30B-A3B) über sechs anspruchsvolle Benchmarks hinweg: Humanity's Last Exam (HLE), BrowseComp, BrowseComp-zh, GAIA, Xbench-DeepSearch und SEAL-0.

Leistungssteigerungen: IterResearch erzielte eine durchschnittliche Verbesserung von +14,5 Prozentpunkten (pp) gegenüber bestehenden Open-Source-Agenten über die sechs Benchmarks hinweg. Es übertraf alle Open-Source-Baselines und zeigte eine kompetitive oder überlegene Leistung im Vergleich zu proprietären Systemen (z. B. Übertreffen von OpenAI's DeepResearch bei HLE und BrowseComp-zh).
Interaktionsskalierung: Das Paradigma zeigte beispiellose Skalierungsfähigkeiten und dehnte sich auf 2048 Interaktionen bei nur 40K Kontextlänge aus. Die Leistung verbesserte sich dramatisch von 3,5 % auf 42,5 %, als das maximale Interaktionslimit von 2 auf 2048 erhöht wurde – eine Leistung, die für mono-kontextuelle Ansätze aufgrund des Kontext-Overflows strukturell unmöglich ist.
Cross-Paradigm Transfer: Es wurde festgestellt, dass von IterResearch generierte Trajektorien mono-kontextuelle Agenten signifikant verbessern, wenn sie als Trainingsdaten verwendet werden, was darauf hindeutet, dass das Paradigma überlegene Explorationsverhaltensweisen induziert, die auf andere Architekturen übertragbar sind.
Prompting-Strategie: Ohne jegliches Training führte die Anwendung der IterResearch-Prompting-Struktur auf Frontier-Modelle (z. B. o3, DeepSeek-V3.1) zu erheblichen Verbesserungen gegenüber dem Standard-ReAct-Prompting, insbesondere bei Aufgaben mit langem Zeithorizont (bis zu +19,2 pp auf BrowseComp).

Bedeutung und Behauptungen

Das Paper positioniert IterResearch als vielseitige Lösung für Langzeit-Reasoning, die sowohl als trainierter Agent als auch als modell-agnostisches Prompting-Paradigma effektiv ist. Die Autoren stellen drei fundamentale Erkenntnisse auf:

Interaktionsskalierung: Das iterative Paradigma ermöglicht extreme Interaktionsskalierung und legt nahe, dass die wahrgenommene Schwierigkeit von Langzeit-Aufgaben eher auf unzureichende Explorationskapazität als auf inhärenten Denklimits beruht.
Überlegene Explorationsverhaltensweisen: Das Paradigma induziert hochwertige Explorationsverhaltensweisen, die übertragbare Trainingssignale erzeugen, selbst für Agenten mit unterschiedlichen architektonischen Paradigmen.
Modell-agnostische Wirksamkeit: Die iterative Struktur mit Workspace-Rekonstruktion bietet einen fundamentalen kognitiven Vorteil für das Reasoning über lange Zeiträume und verbessert die Leistung über verschiedene Modellarchitekturen hinweg, ohne dass ein spezifisches Fine-Tuning erforderlich ist.

Die Arbeit schließt mit der Feststellung, dass die Iteration mit strategischer Synthese statt linearer Akkumulation grundlegend ist, um die Herausforderungen des Langzeit-Reasoning zu bewältigen.