FS-Researcher: Test-Time Scaling for Long-Horizon Research Tasks with File-System-Based Agents
Die Arbeit stellt FS-Researcher vor, ein auf einem Dateisystem basierendes Dual-Agenten-Framework, das durch die Nutzung eines persistenten Arbeitsbereichs als externes Gedächtnis die Testzeit-Skalierung für komplexe Forschungsaufgaben über die Kontextfenstergrenzen von Sprachmodellen hinaus ermöglicht und dabei state-of-the-art Ergebnisse erzielt.
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 Problem: Der vergessliche Bibliothekar
Stell dir vor, du hast einen extrem intelligenten, aber vergesslichen Assistenten (eine Künstliche Intelligenz), der dir eine riesige Forschungsarbeit schreiben soll. Das Thema ist komplex, vielleicht „Die besten 10 Versicherungen der Welt analysieren".
Das Problem ist: Dieser Assistent hat ein sehr kurzes Arbeitsgedächtnis.
- Wenn er zu viele Webseiten liest, vergisst er den Anfang.
- Wenn er versucht, alles auf einmal zu schreiben, wird der Text schlecht, weil ihm die „Platzhalter" für die Details fehlen.
- Er muss ständig Dinge wegwerfen, um Platz für Neues zu machen, genau wie jemand, der versucht, 100 Bücher auf einen kleinen Schreibtisch zu stapeln – die meisten fallen herunter.
Frühere Lösungen waren wie ein Assistent, der versucht, sich Notizen auf ein winziges Post-it zu schreiben, bevor er den Rest des Textes vergisst. Das reicht für lange Recherchen nicht aus.
💡 Die Lösung: FS-Researcher – Das „Unendliche Regal"
Die Forscher haben eine neue Methode namens FS-Researcher entwickelt. Statt alles im Kopf (oder im begrenzten Gedächtnis) zu behalten, nutzen sie einen virtuellen Schreibtisch mit einem unendlichen Regal (ein Dateisystem).
Stell dir das System wie ein Zwei-Personen-Team vor, das in einem riesigen Archiv arbeitet:
1. Der Bibliothekar (Context Builder)
Dieser Assistent ist der Sammelfachmann.
- Seine Aufgabe: Er läuft durch das Internet, liest hunderte Webseiten und macht sich detaillierte Notizen.
- Sein Trick: Er wirft nichts weg. Stattdessen legt er jede Notiz, jede Statistik und jeden Artikel in ein gut organisiertes Regal (eine Wissensdatenbank).
- Die Analogie: Stell dir vor, du baust eine riesige Bibliothek. Der Bibliothekar sortiert die Bücher nicht in seinen Kopf, sondern in Regale. Er schreibt auf ein Verzeichnis (Index), wo welches Buch steht. Er kann so lange suchen und sortieren, wie er will, ohne dass das Regal voll wird. Er sammelt Beweise, bis er sicher ist, dass er alles hat.
2. Der Schriftsteller (Report Writer)
Dieser Assistent ist der Erzähler.
- Seine Aufgabe: Er schreibt den eigentlichen Bericht.
- Sein Trick: Er muss nicht das Internet durchsuchen. Er schaut nur in das Regal des Bibliothekars.
- Der Ablauf: Er schreibt nicht den ganzen Text auf einmal. Er schreibt Kapitel für Kapitel. Wenn er ein Kapitel über „Finanzen" schreibt, holt er sich nur die relevanten Notizen aus dem Regal, schreibt das Kapitel, prüft es, und geht dann zum nächsten Thema.
- Der Vorteil: Da er sich nicht um das Suchen kümmern muss, kann er sich voll auf das Schreiben und Analysieren konzentrieren. Er kann den Text immer wieder verbessern, ohne Angst zu haben, dass ihm die Informationen ausgehen.
🚀 Warum ist das so genial? (Die „Test-Time Scaling"-Idee)
Normalerweise denken wir: „Wenn ich mehr Zeit habe, wird die Antwort besser." Aber bei herkömmlichen KI-Modellen war das oft ein Trugschluss, weil das Gedächtnis zu klein war.
Bei FS-Researcher gilt: Je mehr Zeit und Rechenleistung du dem Bibliothekar gibst, desto besser wird das Ergebnis.
- Gibst du dem Bibliothekar 3 Stunden Zeit, hat er 50 Bücher im Regal.
- Gibst du ihm 10 Stunden, hat er 100 Bücher, vergleicht sie genauer und findet bessere Zusammenhänge.
- Der Schriftsteller nutzt dann dieses riesige, perfekte Regal, um einen brillanten Bericht zu schreiben.
Es ist wie beim Bauen eines Hauses: Wenn du dem Maurer (Bibliothekar) mehr Zeit gibst, um die besten Steine zu finden und zu sortieren, wird das Haus (der Bericht) stabiler und schöner, egal wie schnell der Architekt (Schriftsteller) danach arbeitet.
📝 Zusammenfassung in einem Satz
FS-Researcher teilt die Arbeit auf: Ein Team sammelt und archiviert unendlich viele Informationen in einem digitalen Regal, während ein zweites Team diese Informationen nutzt, um Schritt für Schritt einen perfekten, tiefgründigen Bericht zu schreiben – ohne jemals das Gedächtnis zu überladen.
Das Ergebnis? Berichte, die so gut sind wie die von echten Experten, aber von einer KI erstellt wurden, die nie vergisst, wo sie ihre Informationen herhat.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.