🤖 AI

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

O artigo apresenta o "Fetch-then-Explore", um framework de agente de busca que desacopla a seleção de páginas da extração de evidências ao manter um espaço de trabalho de sistema de arquivos persistente, permitindo que os agentes revisitem e extraiam informações de páginas buscadas anteriormente sob demanda, o que melhora significativamente a precisão em benchmarks de busca complexos em comparação com interfaces transientes tradicionais.

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

Publicado 2026-08-04

📖 6 min de leitura🧠 Leitura aprofundada

CC BY 4.0

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

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você é um detetive tentando resolver um mistério massivo, mas em vez de uma única cena de crime, as pistas estão espalhadas por toda a internet. Você tem um assistente superinteligente (um agente de IA) que pode falar com você, pensar sobre problemas e usar ferramentas para encontrar respostas. Este é o mundo dos agentes de busca de IA. Esses detetives digitais não apenas leem um único livro; eles têm que caçar informações através de milhares de sites, reunir fatos e descobrir a verdade.

Para fazer isso, o agente precisa de duas habilidades principais: encontrar as páginas da web certas e ler essas páginas. Pense em "encontrar" como usar um mecanismo de busca para obter uma lista de pistas potenciais. "Ler" é a parte difícil. No passado, quando o agente clicava em um link, ele tinha que engolir a página inteira de uma vez, ou pelo menos um grande pedaço, imediatamente. Era como se lhe entregassem um romance de 500 páginas e dissessem: "Leia isso agora e me diga o final", mesmo que você ainda não soubesse qual capítulo continha a resposta. Se você perdesse um detalhe, tinha que jogar o livro fora, voltar à biblioteca e consultá-lo tudo de novo. Este artigo explora uma maneira mais inteligente de lidar com esses livros digitais para que o detetive não precise ficar relendo as mesmas páginas.

O Problema: A Armadilha do "Leia Agora ou Perca Para Sempre"

Imagine que você está jogando uma partida de alto risco de "Clue" com um amigo que é uma IA. Você pergunta: "Quem fundou a Acme Corp?". A IA pesquisa na web e encontra uma lista de links.

No modo antigo de fazer as coisas (chamado Visit-and-Read ou Visitar e Ler), a IA escolhe um link e imediatamente força a página inteira em sua memória de curto prazo. É como se a IA pegasse um livro, lesse as primeiras páginas, fizesse um resumo delas e depois jogasse o resto do livro no lixo. Se a IA percebesse mais tarde: "Espere, eu preciso saber quem foi o segundo fundador, não o primeiro", ela não conseguiria olhar de volta para o livro. O livro se foi. A IA tem que voltar à biblioteca, encontrar o livro novamente e lê-lo todo de novo. Isso é lento, caro e frequentemente leva a IA a perder detalhes cruciais porque ela foi forçada a ler a parte errada da página cedo demais.

Outro método, chamado Browsing (Navegação), é ligeiramente melhor. Ele permite que a IA abra uma página e dê uma olhada antes de resumir. Mas há uma pegadinha: a IA só consegue manter uma página aberta por vez. Assim que ela abre uma nova página, a antiga desaparece de sua memória. É como ter uma única janela aberta no seu computador; se você abrir uma nova aba, a anterior fecha. Se a IA precisar comparar fatos da Página A e da Página B, ela tem que ficar alternando entre elas, reabrindo e relendo-as constantemente.

A Solução: O "Arquivo Digital"

Os autores deste artigo propõem um novo método chamado Fetch-then-Explore (Buscar e depois Explorar). Eles perceberam que o problema não é apenas como a IA lê, mas onde ela guarda as páginas que encontra.

Em vez de forçar a IA a ler uma página imediatamente ou manter apenas uma página em uma janela temporária, eles dão à IA um espaço de trabalho persistente — pense nisso como um arquivo digital pessoal em um disco rígido.

Veja como funciona:

Fetch (O Bibliotecário): Quando a IA encontra um link promissor, ela ainda não o lê. Ela apenas o "busca" (fetch) e salva a página inteira em seu arquivo. Ela recebe um pequeno recibo que diz: "Página salva neste local". Isso custa quase nada.
Explore (O Detetive): Mais tarde, quando a IA tem uma pergunta específica (como "Quem foi o cofundador?"), ela vai ao arquivo. Ela não precisa baixar a página novamente. Ela apenas usa uma ferramenta chamada grep (como uma função de busca super rápida) para encontrar a linha exata no arquivo salvo que menciona "cofundador".

Isso é como ter uma biblioteca onde você pode pegar um livro emprestado, colocá-lo na sua estante e voltar a ele dias depois sem ter que pegá-lo emprestado novamente. A IA pode salvar dezenas de páginas e depois voltar a qualquer uma delas a qualquer momento para perguntar: "O que você disse sobre X?" ou "Mostre-me a parte sobre Y".

O Que Eles Descobriram: O Poder de Voltar Atrás

Os pesquisadores testaram este novo método contra os métodos antigos usando três modelos de "cérebro" diferentes (backbones de IA) e dois benchmarks desafiadores de busca na internet: BrowseComp (que exige encontrar um fato muito difícil de achar) e WideSearch (que exige preencher uma grande tabela com muitos fatos).

Os resultados foram claros:

Melhor Precisão: O método "Fetch-then-Explore" foi o vencedor. No teste de busca de fatos difíceis (BrowseComp), ele superou todos os outros métodos em todos os três cérebros de IA. Por exemplo, com o cérebro de IA mais forte, ele alcançou 70,5% de precisão, comparado a 66,0% do segundo melhor método.
A Arma Secreta: A maior razão para esse sucesso foi o revisitar. A IA que utilizava o arquivo consultou páginas que já havia visto de 12% a 20% das vezes em tarefas difíceis, e até 75% das vezes em tarefas amplas. Os métodos antigos, que descartavam as páginas, raramente voltavam atrás.
Eficiência: Como a IA podia reler as páginas salvas instantaneamente, ela não precisava gastar tempo pesquisando na web repetidamente. Na verdade, ela usou menos consultas de busca do que os outros métodos, enquanto obtinha respostas melhores.

Por Que Isso Importa

O artigo mostra que a maneira como uma IA "mantém" a informação é tão importante quanto a maneira como ela "pensa". Ao separar o ato de selecionar uma página (salvá-la no arquivo) do ato de extrair a resposta (ler mais tarde), a IA torna-se muito mais flexível. Ela pode formar uma hipótese, verificar uma página salva, mudar de ideia e verificar a página novamente sem perder o fio da meada.

Os autores sugerem que essa abordagem de "espaço de trabalho persistente" é um divisor de águas para tarefas de pesquisa longas e complexas. Ela transforma a IA de uma leitora frenética que esquece tudo assim que passa para a próxima, em uma investigadora cuidadosa que mantém todas as suas evidências organizadas e prontas para serem reexaminadas sempre que o mistério se aprofunda. O estudo confirma que dar a uma IA um lugar para armazenar suas descobertas — e a liberdade de olhar para trás nelas — leva a respostas mais inteligentes e precisas.

Resumo Técnico: Fetch-then-Explore (Busca e depois Exploração)

Definição do Problema

Os atuais agentes de busca de longo horizonte, que respondem a perguntas complexas exigindo dezenas de buscas, dependem predominantemente de duas interfaces de acesso a documentos que vinculam o conteúdo da página ao momento da recuperação.

Visit-and-Read (Visitar e Ler): Esta interface funde a seleção do documento e a extração de evidências em uma única ação. Ao visitar uma URL, o agente recebe imediatamente uma renderização fixa (ex: uma janela segmentada por objetivos, um resumo de LLM ou um corpo truncado) injetada no histórico de mensagens. Isso força o agente a se comprometer com uma leitura específica antes de saber quais fatos específicos precisará. O conteúdo que cai fora dessa renderização inicial é perdido, a menos que a página seja buscada novamente.
Stateful Browsing (Navegação com Estado / Open-and-Find): Esta abordagem desacopla a seleção da extração ao abrir uma página em uma sessão transitória. No entanto, ela mantém apenas uma página por vez; abrir uma nova página libera a anterior. Consequentemente, se um agente precisar revisitar uma página mais tarde para verificar uma afirmação ou ler sob um novo ângulo, ele deve buscar e renderizar a página novamente, incorrendo no custo de uma nova recuperação e perdendo a capacidade de acumular evidências através de documentos.

Ambos os paradigmas sofrem com a incapacidade de reter páginas selecionadas para extração diferida e repetível. Uma página que se torna relevante muitos turnos depois deve ser buscada e renderizada no contexto novamente, tornando a razão de longo horizonte ineficiente e propensa a perder evidências.

Metodologia: Fetch-then-Explore (FTE)

Os autores propõem o Fetch-then-Explore, um paradigma que desacopla a seleção de páginas da extração de evidências e retém o conteúdo selecionado em um espaço de trabalho persistente e externo.

Arquitetura Central

O FTE opera dentro de um framework de agente ReAct padrão, mas substitui o conjunto de ferramentas de acesso a documentos por um conjunto de ferramentas que atuam em um cache de sistema de arquivos por pergunta ( $C_q$ ).

Espaço de Trabalho Persistente: Em vez de injetar corpos de páginas na janela de contexto ou em uma sessão transitória, o FTE armazena o texto completo das páginas buscadas como arquivos de texto simples em um diretório temporário no sistema de arquivos.
Ferramentas Desacopladas:
- fetch(url): Recupera uma página, normaliza-a para texto e a armazena em $C_q$ . Ela retorna apenas um registro leve (caminho, tamanho, status) em vez do conteúdo. A seleção torna-se "quase gratuita", pois não consome tokens de contexto para o texto da página.
- grep(pattern, path, context): Pesquisa nos arquivos armazenados por correspondências de regex. Pode pesquisar em todo o cache (todas as páginas buscadas) ou em um arquivo específico, retornando correspondências numeradas por linha com contexto opcional.
- read(path, offset, limit): Lê uma janela delimitada de linhas de um arquivo específico, permitindo que o agente amplie um achado do grep.
- list_fetched(): Enumera o conteúdo do cache.

Princípios de Design

Desacoplamento: A seleção (fetch) é separada da extração (grep/read). O agente pode selecionar uma página baseando-se em um trecho e adiar a extração até que sua hipótese se torne mais precisa.
Retenção: As páginas não são descartadas quando o agente passa para uma nova tarefa. O espaço de trabalho cresce ao longo da trajetória, permitindo que as evidências se acumulem entre documentos.
Extração Diferida e Repetível: O agente pode consultar a mesma página várias vezes com diferentes hipóteses sem precisar buscá-la novamente.

Configuração Experimental

O estudo isola o impacto da interface de documento mantendo fixos o backend de busca (API Serper), o harness do agente (ReAct) e os modelos de base.

Backbones: Três modelos abrangendo diferentes níveis de capacidade: Qwen3.5-35B-A3B, Qwen3.5-122B-A10B e DeepSeek-V4-Pro.
Benchmarks:
- BrowseComp: Um benchmark de pesquisa profunda que exige raciocínio de múltiplos saltos para encontrar um único fato difícil de achar (1.266 perguntas, amostra de 200).
- WideSearch: Um benchmark de busca ampla de informações que exige preenchimento de tabelas de alta recall a partir de muitas páginas (200 tarefas).
Baselines:
- Snippet-only: Sem acesso a documentos.
- Visit-Snippet / Visit-Summary: Visit-and-read padrão com diferentes níveis de compressão.
- Open+Find: Navegação com estado com sessões transitórias.

Resultados Principais

1. Ganhos de Desempenho

BrowseComp: O FTE alcança a maior precisão em todos os três backbones (44,5%, 52,5% e 70,5%, respectivamente), superando os baselines mais fortes em 2 a 4,5 pontos percentuais e o baseline de visit-snippet bruto em 7 a 14 pontos.
WideSearch: O FTE geralmente iguala ou supera os baselines. Ele lidera no backbone 122B e empata com o baseline mais forte nos backbones 122B/Pro, embora o baseline de visit-summary o supere ligeiramente no backbone mais fraco.
Eficiência de Busca: Os agentes FTE emitem menos consultas de busca do que os baselines. Como eles podem extrair evidências de páginas mantidas sob demanda, dependem menos de re-buscar para encontrar informações que já possuem.

2. Análise Comportamental

Revisitação de Páginas: A diferença comportamental definidora é a capacidade de retornar a uma página após deixá-la. O FTE revisita 12–20% dos documentos no BrowseComp e 67–76% no WideSearch, comparado a 3–10% para interfaces transitórias.
Estudos de Ablação:
- Remover o grep (forçando paginação cega) ou o read reduz significamente o desempenho, confirmando que ambas as ferramentas são necessárias.
- Restringir o grep a um único arquivo (removendo o escopo de todo o cache) causa uma queda de desempenho comparável à remoção de uma ferramenta de extração. Isso indica que a persistência por si só é insuficiente; a capacidade de consultar todo o espaço de trabalho acumulado é crítica.

Significância e Contribuições

O artigo reivindica três contribuições primárias:

Identificação da Persistência: Identifica a "persistência" como um eixo inexplorado nas interfaces de documentos de agentes de busca. Enquanto os agentes existentes ou fundem seleção/extração ou usam sessões transitórias, o FTE introduz um espaço de trabalho externo e persistente.
Isolamento Controlado: Ao fixar o harness e o backend de busca, o estudo isola o valor da interface de documento. Os resultados demonstram que externalizar o acesso aos documentos para um cache persistente leva a ganhos mensuráveis na precisão final da tarefa, particularmente para tarefas de pesquisa profunda (BrowseComp).
Mecanismo de Ganho: A análise traça as melhorias de desempenho à capacidade específica de retornar a uma página após deixá-la. Isso permite que os agentes corrijam hipóteses incompletas e recuperem evidências perdidas sem o custo de re-busca, uma capacidade que as interfaces transitórias fundamentalmente carecem.

Os autores concluem que o desacoplamento das operações do meio que contém seu output levanta questões estruturais sobre onde a memória de trabalho de um agente deve viver, sugerindo que substratos externos e persistentes são uma alternativa viável e eficaz para a memória baseada em janela de contexto para buscas de longo horizonte.