💻 computer science

To Retrieve or To Think? An Agentic Approach for Context Evolution

本文介绍了代理上下文演进（Agentic Context Evolution, ACE），这是一种受元认知启发的研究框架，它通过一个编排代理在检索与推理之间进行策略性交替，从而消除冗余步骤，进而使在知识密集型任务中的准确性和效率优于僵化的检索增强生成方法。

原作者： Rubing Chen, Jian Wang, Wenjie Li, Xiao-Yong Wei, Qing Li

发布于 2026-01-15

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Rubing Chen, Jian Wang, Wenjie Li, Xiao-Yong Wei, Qing Li

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下你正在试图解决一个非常棘手的谜题，比如弄清楚是谁偷走了罐子里的饼干。

旧方法：“暴力破解型”侦探
目前大多数 AI 系统的工作方式就像一个有坏习惯的侦探：他们从不停止索要更多线索。无论已经掌握了多少证据，他们都会立即冲向图书馆去拿另一本书，然后又是一本，接着又是一本。他们不断地把纸张堆在桌子上，直到桌面被完全掩埋。

问题所在： 这样做既昂贵（既耗时又费钱）又令人困惑。侦探会被堆积如山的纸张搞得应接不暇，以至于他们开始瞎猜，因为重要的线索被淹没在了杂讯之中。这被称为“上下文饱和”（context saturation）。

新方法：“智能体上下文演化”（ACE）
这篇论文的作者提出了一位更聪明的侦探，名叫 ACE。ACE 不会盲目地抓取更多的书，而是像一个懂得如何思考的人一样行动。

ACE 使用了一个由三个专业智能体组成的团队协同工作：

协调者（老板）： 这个智能体坐在长桌的首位，负责做出重大决策。
检索者（图书管理员）： 这个智能体负责外出从外部世界寻找新的事实。
推理者（思考者）： 这个智能体留在办公桌旁，观察他们已有的信息，并尝试在不离开房间的情况下将这些线索联系起来。

它是如何运作的：“检索还是思考”的游戏
每当团队需要采取行动时，老板都会要求团队投票：“我们是需要去获取更多线索（检索），还是应该就我们已知的信息进行更深入的思考（思考）？”

如果投票结果是“检索”： 图书管理员会外出并抓取一份特定的、有用的文档。
如果投票结果是“思考”： 思考者留在原地，分析当前的线索，并写下新的见解或一个用于解决谜题的子问题。

“元认知”的魔力
论文将这比作元认知——这只是一个高级词汇，意思就是“对自己的思考进行思考”。人类不会无止境地收集信息；我们会停下来观察自己是否已经拥有足够的信息来解决问题。ACE 也是如此。它阻止了“杂讯”的堆积。它保持侦探的桌面整洁且专注，只有在绝对必要时才会添加新的信息。

实验结果
研究人员在三个困难的益智游戏（称为 MultiHop-RAG、HotpotQA 和 2WikiQA）上，将这位新侦探与那些旧有的“暴力破解型”侦探进行了对比测试。

更高的准确率： ACE 比其他方法更频繁地正确解决了这些谜题。
更便宜、更快速： 因为 ACE 停止了抓取不必要的书籍，它使用的“Token”（类似于 AI 思考时消耗的燃料或金钱）也更少。在某些情况下，它使用的燃料不到旧方法的一半，同时还取得了更好的结果。

核心启示
这篇论文表明，解决复杂问题的最佳方式不仅仅是“读更多书”。而是要懂得何时停止阅读并开始思考。通过让 AI 团队策略性地决定是搜索新信息还是利用旧信息进行推理，我们可以获得更聪明、更快速且更高效的结果。

技术摘要：智能体上下文演进 (Agentic Context Evolution, ACE)

1. 问题陈述

当前的上下文增强方法，特别是检索增强生成 (RAG)，依赖于僵化的、暴力式的策略，即在每一个推理步骤都执行检索。虽然这种“检索后生成”的范式在简单任务中行之有效，但在复杂的、多跳（multi-hop）的情景下，由于信息需求并非立即可见，该范式往往会失效。

无差别地执行检索会导致两个主要问题：

计算效率低下： 不必要的检索步骤会产生显著的 Token 成本和推理延迟。
性能退化： 持续的检索会导致上下文窗口被无关的噪声和冗余片段饱和。这种“上下文饱和”现象会分散模型的注意力，导致推理幻觉并降低准确率。

现有的迭代方法试图弥补这一差距，但往往陷入“盲目累积”的陷阱，即在没有评估内部推理是否充分的情况下，在每一步都执行检索。

2. 方法论：智能体上下文演进 (ACE)

受人类元认知（即评估自身知识缺口并决定是寻求外部证据还是停下来思考的能力）的启发，作者提出了智能体上下文演进 (ACE)。该框架将上下文管理从静态流水线转变为一种自主的、具备状态感知能力的流程。

核心架构

ACE 采用了一种以中央编排智能体 (Central Orchestrator Agent) 为核心的多智能体范式，通过一系列深思熟虑的策略决策来管理上下文的生命周期。系统在 $N$ 个迭代轮次中运行，维护一个积累上下文与思想的工作记忆 $M_i$ 。

在每一轮中，系统执行一个交替检索-思考循环 (Interleaved Retrieve-Think Cycle)：

集体决策： 一个由 $k$ 个智能体组成的委员会独立评估当前的工作记忆 ( $M_i$ ) 和初始查询 ( $Q$ )。每个智能体对最优的下一步行动进行投票：
- 检索 (RETRIEVE)： 当当前上下文不足时，激活检索智能体从知识库 ( $K$ ) 中获取外部文档。
- 思考 (THINK)： 激活推理智能体生成子查询 ( $Q_{sub}$ ) 和内部答案 ( $A_{sub}$ )，在不进行外部检索的情况下精炼上下文。
  最终的行动 ( $o^*_i$ ) 通过智能体间的多数投票确定。
行动执行：
- 如果选择了 检索 (RETRIEVE)，则获取新的上下文段落 ( $C_{new}$ ) 并将其添加到工作记忆中。
- 如果选择了 思考 (THINK)，模型会生成一个由子查询及其内部推理组成的“思想对” ( $T_{new}$ )，并将其添加到工作记忆中，以丰富中间推理步骤。
最终生成： 在 $N$ 轮之后，最终生成函数综合丰富的检索上下文和中间思想，以产生最终答案。

3. 核心贡献

论文概述了三项主要贡献：

上下文演进的概念： 作者引入了从暴力检索向基于元认知的、基于决策的策略的转变。上下文增强被视为一系列战略性选择，而非预定义的调度。
ACE 框架： 一个动态平衡外部知识获取与内部推理的多智能体系统。它利用中央编排器来维持一个紧凑且高价值的上下文，避免信息膨胀。
实证验证： 大量实验表明，ACE 在准确率上显著优于竞争基准，同时通过绕过冗余的检索调用实现了高效的 Token 消耗。

4. 实验结果

该框架在三个具有挑战性的多跳问答基准测试上进行了评估：MultiHop-RAG、HotpotQA 和 2WikiQA，并使用 LLaMA-3.1-8B-Instruct 作为骨干模型。

性能指标

准确率： ACE 在所有数据集上均达到了最先进的水平（SOTA）。
- 在 HotpotQA 上，ACE 达到了 62.8% 的准确率，相比标准 RAG 基准（38.9%）和迭代基准 IterDRAG（38.9%）有了实质性的提升。
- 在 2WikiQA 和 MultiHop-RAG 上，ACE 分别比最强的基准高出 19.1 和 8.7 个百分点。
效率： 虽然由于其迭代性质，ACE 使用的 Token 比单步 RAG 多，但它比像 IterDRAG 这样的暴力迭代方法要高效得多。
- 在 MultiHop-RAG 上，ACE 在达到峰值准确率时使用的 Token 数仅为 IterDRAG 的 42%（10,653 对比 18,196 个 Token）。

迭代深度对结果的影响

对迭代深度 ( $N$ ) 的分析显示：

最优深度： 性能在特定的迭代次数处达到顶峰（例如，对于 HotpotQA 和 2WikiQA， $N=3$ 为最优；对于 MultiHop-RAG， $N=5$ 为最优），随后趋于平缓或下降。
动态决策： “思考占比 (Think %)” 指标（推理行动的比例）随着 $N$ 的增加而上升。例如，在 MultiHop-RAG 上，系统在 $N=5$ 时，选择进行内部推理的次数超过了 73%，这证明了其自我调节并避免不必要检索的能力。
收益递减： 过度的迭代（例如，将 $N$ 增加到超过最优值）可能会由于干扰信息的加入导致准确率下降和 Token 成本增加。

5. 重要性与主张

论文声称，ACE 为推进复杂、知识密集型任务中的上下文演进生成提供了宝贵的见解。通过将上下文增强视为一系列深思熟虑的“检索或思考”操作，该框架解决了僵化流水线的局限性。

作者断言，ACE 展示了 智能体控制上下文 (Agentic Control over Context) 的潜力。系统能够动态平衡外部检索与内部推理，使其能够维持一个简洁且不断演进的上下文，从而避免噪声累积和幻觉的陷阱。这种方法为提高需要深度、多步推理的 LLM 系统的表现提供了一条路径，且不会产生过高的计算成本。