🤖 AI

Fetch-then-Explore: Decoupling Selection from Extraction over a Persistent Workspace for Search Agents

Il documento introduce "Fetch-then-Explore", un framework di ricerca che disaccoppia la selezione delle pagine dall'estrazione delle evidenze mantenendo uno spazio di lavoro persistente nel file system, consentendo agli agenti di rivisitare ed estrarre informazioni da pagine precedentemente recuperate su richiesta, il che migliora significativamente l'accuratezza nei benchmark di ricerca complessi rispetto alle interfacce transitorie tradizionali.

Autori originali: Qi Liu, Yiqun Chen, Zidan Chen, Yan Gao, Yi Wu, Yao Hu, Jiaxin Mao, Fengbin Zhu, Tat-Seng Chua

Pubblicato 2026-08-04

📖 6 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Qi Liu, Yiqun Chen, Zidan Chen, Yan Gao, Yi Wu, Yao Hu, Jiaxin Mao, Fengbin Zhu, Tat-Seng Chua

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immagina di essere un detective che cerca di risolvere un mistero enorme, ma invece di una singola scena del crimine, gli indizi sono sparsi in tutto internet. Hai un assistente super intelligente (un agente IA) che può parlare con te, riflettere sui problemi e usare strumenti per trovare risposte. Questo è il mondo degli agenti di ricerca IA. Questi detective digitali non si limitano a leggere un singolo libro; devono dare la caccia alle informazioni attraverso miglia di siti web, mettere insieme i fatti e scoprire la verità.

Per farlo, l'agente ha bisogno di due abilità principali: trovare le pagine web giuste e leggerle. Pensare a "trovare" come l'uso di un motore di ricerca per ottenere un elenco di potenziali indizi. "Leggere" è la parte complicata. In passato, quando l'agente cliccava su un link, doveva ingoiare l'intera pagina intera, o almeno un grosso pezzo, immediatamente. Era come se ti venisse consegnato un romanzo di 500 pagine e ti venisse detto: "Leggi questo proprio ora e dimmi il finale", anche se non sapevi ancora quale capitolo contenesse la risposta. Se perdevi un dettaglio, dovevi buttare via il libro, tornare in biblioteca e controllare di nuovo. Questo articolo esplora un modo più intelligente per gestire questi libri digitali in modo che il detective non debba continuare a rileggere le stesse pagine.

Il Problema: La trappola del "Leggilo Ora o Perdilo"

Immagina di giocare a una partita ad alta tensione a "Clue" con un amico che è un'IA. Chiedi: "Chi ha co-fondato Acme Corp?". L'IA cerca sul web e trova un elenco di link.

Nel vecchio modo di fare (chiamato Visit-and-Read, ovvero Visita e Leggi), l'IA sceglie un link e forza immediatamente l'intera pagina nella sua memoria a breve termine. È come se l'IA prendesse un libro, leggesse le prime pagine, ne facesse un riassunto e poi gettasse il resto del libro in un cestino della spazzatura. Se l'IA si rendesse conto più tardi che: "Aspetta, devo sapere chi è il secondo fondatore, non il primo", non può più guardare indietro nel libro. Il libro è sparito. L'IA deve tornare in biblioteca, trovare di nuovo il libro e leggerlo tutto da capo. Questo è lento, costoso e spesso porta l'IA a perdere dettagli cruciali perché è stata costretta a leggere la parte sbagliata della pagina troppo presto.

Un altro metodo, chiamato Browsing (Navigazione), è leggermente migliore. Permette all'IA di aprire una pagina e dare un'occhiata prima di riassumere. Ma c'è un trucco: l'IA può tenere aperta solo una pagina alla volta. Non appena apre una nuova pagina, la precedente svanisce dalla sua memoria. È come avere una singola finestra sul tuo computer; se apri una nuova scheda, quella vecchia si chiude. Se l'IA ha bisogno di confrontare i fatti della Pagina A e della Pagina B, deve continuare a saltare continuamente da una all'altra, riaprendo e rileggendo costantemente.

La Soluzione: Il "Mobiletto d'Archivio Digitale"

Gli autori di questo articolo propongono un nuovo metodo chiamato Fetch-then-Explore (Recupera e poi Esplora). Si sono resi conto che il problema non è solo come l'IA legge, ma dove conserva le pagine che trova.

Invece di costringere l'IA a leggere una pagina immediatamente o di tenere solo una pagina in una finestra temporanea, forniscono all'IA uno spazio di lavoro persistente — pensa a un personale mobiletto d'archivio digitale su un disco rigido.

Ecco come funziona:

Fetch (Il Bibliotecario): Quando l'IA trova un link promettente, non lo legge ancora. Lo "recupera" semplicemente e salva l'intera pagina nel suo mobiletto d'archivio. Ottiene una minuscola ricevuta che dice: "Pagina salvata in questa posizione". Questo costa quasi nulla.
Explore (Il Detective): Più tardi, quando l'IA ha una domanda specifica (come: "Chi era il co-fondatore?"), va al mobiletto d'archivio. Non ha bisogno di scaricare nuovamente la pagina. Usa semplicemente uno strumento chiamato grep (come una funzione di ricerca super veloce) per trovare l'esatta riga nel file salvato che menziona "co-fondatore".

È come avere una biblioteca dove puoi prendere in prestito un libro, metterlo sul tuo scaffale e tornarci sopra giorni dopo senza doverlo prendere in prestito di nuovo. L'IA può salvare decine di pagine, per poi tornare su ognuna di esse in qualsiasi momento per chiedere: "Cosa dicevi riguardo a X?" o "Mostrami la parte relativa a Y".

Cosa hanno scoperto: Il potere di tornare indietro

I ricercatori hanno testato questo nuovo metodo rispetto ai vecchi modi utilizzando tre diversi modelli di "cervello" (backbone IA) e due impegnativi benchmark di ricerca su internet: BrowseComp (che richiede di trovare un fatto molto difficile da reperire) e WideSearch (che richiede di compilare una grande tabella con molti fatti).

I risultati sono stati chiari:

Maggiore Accuratezza: Il metodo "Fetch-then-Explore" è stato il vincitore. Nel test di ricerca di fatti difficili (BrowseComp), ha battuto ogni altro metodo in tutti e tre i cervelli IA. Ad esempio, con il cervello IA più forte, ha raggiunto il 70,5% di accuratezza, rispetto al 66,0% del secondo miglior metodo.
L'arma segreta: La ragione principale di questo successo è stato il tornare indietro (revisiting). L'IA che utilizzava il mobiletto d'archivio è tornata sulle pagine che aveva già visto il 12% - 20% delle volte nei compiti difficili, e fino al 75% delle volte nei compiti più ampi. I vecchi metodi, che buttavano via le pagine, raramente tornavano indietro.
Efficienza: Poiché l'IA poteva rileggere le pagine salvate istantaneamente, non ha dovuto sprecare tempo cercando sul web ripetutamente. Ha utilizzato effettivamente meno query di ricerca rispetto agli altri metodi, ottenendo al contempo risposte migliori.

Perché questo è importante

L'articolo dimostra che il modo in cui un'IA "detiene" le informazioni è importante quanto il modo in cui "pensa". Separando l'atto di selezionare una pagina (salvarla nel mobiletto) dall'atto di estrarre la risposta (leggerla in seguito), l'IA diventa molto più flessibile. Può formulare un'ipotesi, controllare una pagina salvata, cambiare idea e controllare nuovamente la pagina senza perdere il filo.

Gli autori suggeriscono che questo approccio dello "spazio di lavoro persistente" è un punto di svolta per compiti di ricerca lunghi e complessi. Trasforma l'IA da un lettore frenetico che dimentica tutto non appena passa oltre, in un investigatore attento che tiene organizzate tutte le sue prove e le tiene pronte per essere riesaminate ogni volta che il mistero si approfondisce. Lo studio conferma che dare a un'IA un posto dove conservare le proprie scoperte — e la libertà di guardarle di nuovo — porta a risposte più intelligenti e accurate.

Riepilogo Tecnico: Fetch-then-Explore

Definizione del Problema

Gli attuali agenti di ricerca a lungo raggio, che rispondono a domande complesse richiedendo decine di ricerche, si affidano prevalentemente a due interfacce di accesso ai documenti che legano il contenuto della pagina al momento del recupero.

Visit-and-Read (Visita e Leggi): Questa interfaccia fonde la selezione del documento e l'estrazione delle prove in un'unica azione. Al momento della visita di un URL, l'agente riceve immediatamente una resa fissa (ad esempio, una finestra suddivisa per obiettivi, un riassunto LLM o un corpo troncato) iniettata nella cronologia dei messaggi. Ciò costringe l'agente a impegnarsi in una lettura specifica prima ancora di sapere quali fatti specifici gli serviranno. Il contenuto che cade al di fuori di questa resa iniziale viene perso, a meno che la pagina non venga recuperata nuovamente.
Stateful Browsing (Navigazione con Stato - Open-and-Find): Questo approccio scinde la selezione dall'estrazione aprendo una pagina in una sessione transitoria. Tuttavia, mantiene aperta una sola pagina alla volta; l'apertura di una nuova pagina rilascia la precedente. Di conseguenza, se un agente ha bisogno di rivisitare una pagina in seguito per verificare una rivendicazione o leggere da un'angolazione diversa, deve recuperare e rendere nuovamente la pagina, incorrendo nel costo di un nuovo recupero e perdendo la capacità di accumulare prove attraverso i documenti.

Entrambi i paradigmi soffrono dell'incapacità di trattenere le pagine selezionate per un'estrazione differita e ripetibile. Una pagina che diventa rilevante molti turni dopo deve essere recuperata e resa nella finestra di contesto ancora una volta, rendendo l'inferenza a lungo raggio inefficiente e soggetta alla perdita di evidenze.

Metodologia: Fetch-then-Explore (FTE)

Gli autori propongono Fetch-then-Explore, un paradigma che scinde la selezione della pagina dall'estrazione delle prove e trattiene il contenuto selezionato in uno spazio di lavoro persistente ed esterno.

Architettura Core

FTE opera all'interno di un framework di agente ReAct standard, ma sostituisce l'insieme di strumenti di accesso ai documenti con un set di strumenti che agiscono su una cache di file per domanda ( $C_q$ ).

Spazio di Lavoro Persistente: Invece di iniettare i corpi delle pagine nella finestra di contesto o in una sessione transitoria, FTE memorizza il testo completo delle pagine recuperate come file di testo semplice in una directory temporanea sul file system.
Strumenti Decoupled (Disaccoppiati):
- fetch(url): Recupera una pagina, la normalizza in testo e la memorizza in $C_q$ . Restituisce solo un record leggero (percorso, dimensione, stato) piuttosto che il contenuto. La selezione diventa "quasi gratuita" poiché non consuma token di contesto per il testo della pagina.
- grep(pattern, path, context): Cerca corrispondenze regex nei file memorizzati. Può cercare nell'intera cache (tutte le pagine recuperate) o in un file specifico, restituendo hit numerati per riga con contesto opzionale.
- read(path, offset, limit): Legge una finestra limitata di righe da un file specifico, consentendo all'agente di approfondire un hit trovato tramite grep.
- list_fetched(): Elenca i contenuti della cache.

Principi di Design

Disaccoppiamento: La selezione (fetch) è separata dall'estrazione (grep/read). L'agente può selezionare una pagina basandosi su un frammento e differire l'estrazione finché la sua ipotesi non si è affinata.
Ritenzione: Le pagine non vengono espulse quando l'agente passa a un nuovo compito. Lo spazio di lavoro cresce durante la traiettoria, permettendo alle prove di accumularsi tra i documenti.
Estrazione Differita e Ripetibile: L'agente può interrogare la stessa pagina più volte con diverse ipotesi senza doverla recuperare nuovamente.

Configurazione Sperimentale

Lo studio isola l'impatto dell'interfaccia del documento mantenendo fissi il backend di ricerca (Serper API), l'harness dell'agente (ReAct) e i modelli di base.

Backbone: Tre modelli che coprono diversi livelli di capacità: Qwen3.5-35B-A3B, Qwen3.5-122B-A10B e DeepSeek-V4-Pro.
Benchmark:
- BrowseComp: Un benchmark di ricerca profonda che richiede un ragionamento multi-hop per trovare un singolo fatto difficile da reperire (1.266 domande, campionate 200).
- WideSearch: Un benchmark di ricerca informativa ampia che richiede il riempimento di tabelle ad alta recall da molte pagine (200 task).
Baseline:
- Snippet-only: Nessun accesso ai documenti.
- Visit-Snippet / Visit-Summary: Standard visit-and-read con diversi livelli di compressione.
- Open+Find: Navigazione stateful con sessioni transitorie.

Risultati Chiave

1. Guadagni di Performance

BrowseComp: FTE raggiunge l'accuratezza più elevata in tutti e tre i backbone (rispettivamente 44,5%, 52,5% e 70,5%), superando le baseline più forti di 2–4,5 punti percentuali e la baseline raw visit-snippet di 7–14 punti.
WideSearch: FTE generalmente eguaglia o supera le baseline. Guida nel caso del backbone 122B e pareggia la baseline più forte sui backbone 122B/Pro, sebbene la baseline visit-summary lo superi leggermente sul backbone più debole.
Efficienza di Ricerca: Gli agenti FTE emettono meno query di ricerca rispetto alle baseline. Poiché possono estrarre prove dalle pagine mantenute su richiesta, fanno meno affidamento sulla ricerca ripetuta per trovare informazioni che già possiedono.

2. Analisi Comportamentale

Rivisitare le Pagine: La differenza comportamentale definente è la capacità di tornare a una pagina dopo averla lasciata. FTE rivisita il 12–20% dei documenti su BrowseComp e il 67–76% su WideSearch, rispetto al 3–10% delle interfacce transitorie.
Studi di Ablazione:
- Rimuovere grep (forzando la lettura cieca delle pagine) o read riduce significamente le performance, confermando che entrambi gli strumenti sono necessari.
- Limitare grep a un singolo file (rimuovendo lo scope cross-cache) causa un calo delle performance paragonabile alla rimozione di uno strumento di estrazione. Ciò indica che la persistenza da sola non è sufficiente; la capacità di interrogare l'intero spazio di lavoro accumulato è critica.

Significato e Contributi

Il paper rivendica tre contributi primari:

Identificazione della Persistenza: Identifica la "persistenza" come un asse inesplorato nelle interfacce documentali degli agenti di ricerca. Mentre gli agenti esistenti o fondono selezione/estrazione o utilizzano sessioni transitorie, FTE introduce uno spazio di lavoro esterno e persistente.
Isolamento Controllato: Fissando l'harness e il backend di ricerca, lo studio isola il valore dell'interfaccia del documento. I risultati dimostrano che l'esternalizzazione dell'accesso ai documenti a una cache persistente porta a guadagni misurabili nell'accuratezza finale del task, particolarmente per i compiti di ricerca profonda (BrowseComp).
Meccanismo di Guadagno: L'analisi traccia i miglioramenti delle performance alla specifica capacità di tornare a una pagina dopo averla lasciata. Ciò consente agli agenti di correggere ipotesi incomplete e recuperare evidenze mancanti senza il costo del nuovo recupero, una capacità che le interfacce transitorie mancano fondamentalmente.

Gli autori concludono che il disaccoppiamento delle operazioni dal mezzo che contiene il loro output solleva questioni strutturali su dove debba risiedere la memoria di lavoro di un agente, suggerendo che i substrati esterni e persistenti sono un'alternativa valida ed efficace alla memoria basata sulla finestra di contesto per la ricerca a lungo raggio.