Resumen Técnico: Fetch-then-Explore (FTE)

Planteamiento del Problema

Los agentes de búsqueda de largo horizonte actuales, que responden preguntas complejas que requieren docenas de búsquedas, dependen predominantemente de dos interfaces de acceso a documentos que vinculan el contenido de la página al momento de la recuperación.

1. Visit-and-Read (Visitar y Leer): Esta interfaz fusiona la selección de documentos y la extracción de evidencia en una sola acción. Al visitar una URL, el agente recibe inmediatamente una renderización fija (por ejemplo, una ventana segmentada por objetivos, un resumen de LLM o un cuerpo truncado) inyectada en el historial de mensajes. Esto obliga al agente a comprometerse con una lectura específica antes de saber qué hechos específicos necesitará. El contenido que queda fuera de esta renderización inicial se pierde a menos que se solicite la página nuevamente.
2. Stateful Browsing (Navegación con Estado / Open-and-Find): Este enfoque desacopla la selección de la extracción al abrir una página en una sesión transitoria. Sin embargo, solo mantiene una página a la vez; abrir una nueva página libera la anterior. En consecuencia, si un agente necesita volver a visitar una página más tarde para verificar una afirmación o leer desde un nuevo ángulo, debe volver a recuperar y renderizar la página, incurriendo en el costo de una nueva recuperación y perdiendo la capacidad de acumular evidencia a través de los documentos.

Ambos paradigmas sufren de la incapacidad de retener las páginas seleccionadas para una extracción diferida y repetible. Una página que se vuelve relevante muchos turnos después debe ser recuperada y renderizada en la ventana de contexto nuevamente, lo que hace que la razonamiento de largo horizonte sea ineficiente y propenso a omitir evidencia.

Metodología: Fetch-then-Explore (FTE)

Los autores proponen Fetch-then-Explore, un paradigma que desacopla la selección de la página de la extracción de evidencia y retiene el contenido seleccionado en un espacio de trabajo persistente y externo.

Arquitectura Central

FTE opera dentro de un marco de agente ReAct estándar, pero reemplaza el conjunto de herramientas de acceso a documentos con un conjunto de herramientas que actúan sobre un caché de sistema de archivos por pregunta ($C_q$).

• Espacio de Trabajo Persistente: En lugar de inyectar los cuerpos de las páginas en la ventana de contexto o en una sesión transitoria, FTE almacena el texto completo de las páginas recuperadas como archivos de texto plano en un directorio temporal en el sistema de archivos.
• Herramientas Desacopladas:
  • fetch(url): Recupera una página, la normaliza a texto y la almacena en $C_q$. Devuelve solo un registro ligero (ruta, tamaño, estado) en lugar del contenido. La selección se vuelve "casi gratuita", ya que no consume tokens de contexto para el texto de la página.
  • grep(pattern, path, context): Busca coincidencias de expresiones regulares en los archivos almacenados. Puede buscar en todo el caché (todas las páginas recuperadas) o en un archivo específico, devolviendo aciertos con números de línea y contexto opcional.
  • read(path, offset, limit): Lee una ventana limitada de líneas de un archivo específico, permitiendo al agente ampliar un acierto de grep.
  • list_fetched(): Enumera el contenido del caché.

Principios de Diseño

1. Desacoplamiento: La selección (fetch) se separa de la extracción (grep/read). El agente puede seleccionar una página basándose en un fragmento y posponer la extracción hasta que su hipótesis se aclare.
2. Retención: Las páginas no se eliminan cuando el agente pasa a una nueva tarea. El espacio de trabajo crece a lo largo de la trayectoria, permitiendo que la evidencia se acumule a través de los documentos.
3. Extracción Diferida y Repetible: El agente puede consultar la misma página varias veces con diferentes hipótesis sin tener que recuperarla de nuevo.

Configuración Experimental

El estudio aisla el impacto de la interfaz de documentos manteniendo fijos el motor de búsqueda (API Serper), el entorno del agente (ReAct) y los modelos base.

• Modelos Base: Tres modelos que abarcan distintos niveles de capacidad: Qwen3.5-35B-A3B, Qwen3.5-122B-A10B y DeepSeek-V4-Pro.
• Benchmarks:
  • BrowseComp: Un benchmark de investigación profunda que requiere razonamiento de múltiples saltos para encontrar un único hecho difícil de hallar (1,266 preguntas, muestreadas 200).
  • WideSearch: Un benchmark de búsqueda de información amplia que requiere el llenado de tablas con alta recuperación desde muchas páginas (200 tareas).
• Líneas Base (Baselines):
  • Snippet-only: Sin acceso a documentos.
  • Visit-Snippet / Visit-Summary: Visita y lectura estándar con diferentes niveles de compresión.
  • Open+Find: Navegación con estado con sesiones transitorias.

Resultados Clave

1. Ganancias de Rendimiento

• BrowseComp: FTE logra la mayor precisión en los tres backbones (44.5%, 52.5% y 70.5% respectivamente), superando a las líneas base más fuertes por 2–4.5 puntos porcentuales y a la línea base de visit-snippet por 7–14 puntos.
• WideSearch: FTE generalmente iguala o supera a las líneas base. Lidera en el backbone de 122B y empata con la línea base más fuerte en los backbones 122B/Pro, aunque la línea base de visit-summary lo supera ligeramente en el backbone más débil.
• Eficiencia de Búsqueda: Los agentes de FTE emiten menos consultas de búsqueda que las líneas base. Debido a que pueden extraer evidencia de las páginas retenidas bajo demanda, dependen menos de la re-búsqueda para encontrar información que ya poseen.

2. Análisis de Comportamiento

• Revisitar Páginas: La diferencia de comportamiento definitoria es la capacidad de volver a una página después de haberla dejado. FTE revisita el 12–20% de los documentos en BrowseComp y el 67–76% en WideSearch, comparado con el 3–10% de las interfaces transitorias.
• Estudios de Ablación:
  • Eliminar grep (forzando el paginado ciego) o read reduce significamente el rendimiento, confirmando que ambas herramientas son necesarias.
  • Restringir grep a un solo archivo (eliminando el alcance de todo el caché) causa una caída de rendimiento comparable a eliminar una herramienta de extracción. Esto indica que la persistencia por sí sola es insuficiente; la capacidad de consultar todo el espacio de trabajo acumulado es crítica.

Significado y Contribuciones

El artículo reclama tres contribuciones primarias:

1. Identificación de la Persistencia: Identifica la "persistencia" como un eje inexplorado en las interfaces de documentos de agentes de búsqueda. Mientras que los agentes existentes o bien fusionan selección/extracción o usan sesiones transitorias, FTE introduce un espacio de trabajo externo y persistente.
2. Aislamiento Controlado: Al fijar el entorno y el motor de búsqueda, el estudio aísla el valor de la interfaz de documentos. Los resultados demuestran que externalizar el acceso a documentos a un caché persistente conduce a mejoras medibles en la precisión de la tarea final, particularmente para tareas de investigación profunda (BrowseComp).
3. Mecanismo de Ganancia: El análisis rastrea las mejoras de rendimiento a la capacidad específica de volver a una página después de dejarla. Esto permite a los agentes corregir hipótesis incompletas y recuperar evidencia perdida sin el costo de la re-recuperación, una capacidad que las interfaces transitorias carecen fundamentalmente.

Los autores concluyen que el desacoplamiento de las operaciones del medio que contiene su salida plantea cuestiones estructurales sobre dónde debería residir la memoria de trabajo de un agente, sugiriendo que los sustratos externos y persistentes son una alternativa viable y efectiva a la memoria basada en la ventana de contexto para la búsqueda de largo horizonte.