💬 NLP

Table-as-Search: Formulate Long-Horizon Agentic Information Seeking as Table Completion

本文介绍了将表格作为搜索（Table-as-Search, TaS）这一结构化框架，该框架将长程信息寻求重新表述为表格补全任务，以维持搜索的连贯性与状态追踪，从而统一了多种搜索策略，并在鲁棒性和效率方面显著优于最先进的基准模型。

原作者： Tian Lan, Felix Henry, Bin Zhu, Qianghuai Jia, Junyang Ren, Qihang Pu, Haijun Li, Longyue Wang, Zhao Xu, Weihua Luo

发布于 2026-02-09

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Tian Lan, Felix Henry, Bin Zhu, Qianghuai Jia, Junyang Ren, Qihang Pu, Haijun Li, Longyue Wang, Zhao Xu, Weihua Luo

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

以下是关于“Table-as-Search”（以表代搜）论文的通俗易懂的解释，采用了日常生活的类比。

问题所在：“迷失在中部”的智能体

想象你雇佣了一位非常聪明但有点健忘的研究助理（AI智能体）来在互联网上寻找特定信息。你向他提出了一个复杂的问题，例如：“帮我找 30 家去年增长率超过 50% 的北美宠物用品店，并获取其销售经理的电话号码。”

目前的 AI 助手尝试通过在脑海中编写一段冗长、连续的故事来完成这项任务。它们会想：“我要先搜 A 店，然后搜 B 店，接着检查它们的增长率……”随着挖掘的深入，这个脑中的“故事”变得极其庞大。最终，助理会被这种规模压垮。他们可能会忘记故事的开头，搞不清已经检查了哪些商店，或者因为笔记过于杂乱而感到困惑。在论文中，这被称为**“迷失在中部”（lost in the middle）**。他们可能找到了正确的商店，却忘了获取电话号码，或者因为“记忆”太混乱而产生幻觉（编造事实）。

解决方案：“Table-as-Search”（TaS）框架

作者提出了一种组织这项工作的新方法。与其编写一段冗长且混乱的故事，不如将研究任务转化为填写一张电子表格（表格）。

你可以这样理解：

旧方法： 试图在逛一个巨大的仓库时记住一份购物清单，同时担心自己会忘记牛奶或鸡蛋。
新方法 (TaS)： 你手里拿着一个带有网格的剪贴板。每当你找到一件产品，你就把它写在一个特定的格子里。如果某个格子是空的，你就清楚地知道自己还需要寻找什么。

它是如何运作的：三个角色

该系统使用一个由 AI “智能体”组成的团队，围绕着这张数字表格协同工作：

规划者（经理）： 这个 AI 查看用户的提问并设置电子表格。它决定需要哪些列（例如：“商店名称”、“增长率”、“电话号码”）。它观察空白格子并说：“好吧，我们需要找到 30 家商店来填满这些行。”
子智能体（工人）： 这些是搜索引擎。经理将他们派出去寻找候选对象。
- 行扩展（Row Expansion）： 如果表格中的商店还不够，工人们就会外出寻找新的商店，并将它们作为新行添加到表格中。
- 单元格填充（Cell Population）： 如果发现了一家商店但“电话号码”这一栏是空的，工人们就会专门去寻找这一项信息并填入那个特定的格子。
外部数据库（档案柜）： 与其试图将所有的搜索结果都存在 AI 有限的短期记忆中，不如让电子表格存在一个外部数据库中。AI 只查看它现在需要的表格部分。这让 AI 的“大脑”保持清醒，专注于思考而非仅仅是存储数据。

他们测试了什么

论文在三种类型的困难搜索任务上测试了这种方法：

深度搜索（Deep Search）： 在大海捞针中寻找特定的目标（例如：“找到那个符合这 5 个特定标准的歌手”）。
广度搜索（Wide Search）： 寻找一大堆“针”（例如：“列出 2005 年到 2015 年间获得过奖项的所有获奖者”）。
深广结合搜索（DeepWide Search）： 最难的一种。既要寻找一大堆“针”，又要验证每一根是否符合严格的规则（例如：“找到 30 家符合这 5 条规则的商店，并且获取他们的电话号码”）。

测试结果：为什么它更好

论文声称 TaS 比目前的尖端方法（如许多大型 AI 公司使用的标准“ReAct”方法）显著更好。

它不会迷失： 因为表格追踪了已完成和未完成的任务，AI 永远不会忘记自己的计划，即使是在非常长的搜索过程中。
它更高效： 它通过比竞争对手更少的搜索尝试找到了更好的答案。它不需要靠蛮力，而是非常精准。
它能用“小脑子”完成任务： 出人意料的是，一个使用这种“表格”方法的较小、较便宜的 AI 模型，击败了一个使用旧有“故事”方法的更大、更昂贵的 AI 模型。这种结构帮助较小的模型发挥了超越自身能力的水平。
它具有灵活性： “经理”可以更换“工人”。如果你有一个专门用于查找电话号码的工具，你可以直接插入使用，而不会破坏整个系统。

总结

论文指出，当 AI 智能体进行长时间、复杂的互联网搜寻任务时，不应该依赖于混乱的意识流。相反，它们应该使用结构化的表格来保持笔记的有序。这个简单的改变防止了它们产生混乱，帮助它们找到更准确的答案，并允许它们以更少的计算能力完成更多工作。

技术摘要：表格即搜索 (Table-as-Search, TaS)

1. 问题定义

当前的智能体信息检索 (InfoSeeking) 系统，特别是那些依赖大语言模型 (LLM) 的系统，在长程探索 (long-horizon exploration) 方面面临显著挑战。传统的 ReAct 等范式在单一的、非结构化的纯文本上下文中管理搜索状态（规划程序和海量搜索结果）。这种方法本质上是脆弱的，会导致：

“迷失在中部”现象 (Lost in the Middle)： 随着交互长度的增加，相关信息的密度被稀释，导致智能体丢失对规划程序和搜索历史的追踪。
状态保真度丢失 (State Fidelity Loss)： 在单个文本轨迹中追踪数以千计的搜索结果及相应的规划步骤，会导致严重的幻觉和错误传播。
复杂场景下的低效性： 智能体难以在单次前向传递中同时完成信息提取与状态追踪，尤其是在需要同时进行广泛聚合与深度验证的任务中。

本文指出，目前在处理三种截然不同的信息检索范式时存在差距：深度搜索 (Deep Search)（精确的目标过滤）、广度搜索 (Wide Search)（广泛的信息聚合）以及极具挑战性的 深广度搜索 (DeepWide Search)（同时进行广泛探索与深度验证）。

2. 方法论：表格即搜索 (TaS)

为了解决这些局限性，作者引入了 表格即搜索 (Table-as-Search, TaS)，这是一个将信息检索重新定义为 表格填充 (Table Completion) 任务的结构化规划框架。

核心架构

结构化模式 (Structured Schema)： TaS 不采用自由文本生成，而是将用户查询 $q$ 映射到一个结构化模式 $S = \langle K, C, I \rangle$ ，其中 $K$ 代表关键候选对象， $C$ 表示约束条件， $I$ 表示所需信息。
外部数据库： 该框架在外部数据库（如 MongoDB）中维护一张结构化表格。行代表候选实体，列代表属性或约束。
- 已填充单元格 (Filled Cells)： 严格记录搜索历史和结果。
- 空单元格 (Empty Cells)： 作为显式的、待处理的搜索计划。
卸载 (Offloading)： 海量的搜索结果被卸载到外部数据库中，从而为智能体的有限上下文窗口保留出进行复杂推理的空间，而非将其用于被动的信息存储。

多智能体编排

TaS 通过一个以共享数据库为中心的多智能体系统实现，执行一个三阶段过程：

表格初始化： 中央 规划者 (Planner/Main-Agent) 解析查询并构建表格模式。
动态编排： 规划者迭代地选择动作：
- 行扩展 (Row Expansion)： 如果候选对象不足，规划者会制定多样化的搜索策略以发现新候选对象（由子智能体执行并行广度搜索）。
- 单元格填充 (Cell Population)： 如果候选对象已存在但信息不完整，则派遣子智能体并行执行特定单元格的填充（约束验证或信息收集）。
答案合成： 在达到饱和状态后，规划者从数据库中检索结构化证据以合成最终回答（例如，通过交叉验证约束进行深度搜索，或通过执行 SQL 查询进行广度搜索）。

统一表示

TaS 为以下场景提供了统一的表示形式：

深度搜索： 识别满足所有约束条件的唯一候选行（ $|C| > 0$ ）。
广度搜索： 在极少约束下收集大量候选对象的信息（ $|I| > 0$ ）。
深广度搜索： 在严格约束下最大化候选对象发现，随后进行密集的信息收集（ $|C| > 0, |I| > 0$ ）。

3. 主要贡献

框架创新： 提出了 TaS，这是第一个将长程信息检索重新定义为结构化表格填充任务的框架，统一了深度、广度和深广度搜索范式。
状态管理： 引入了一种精准管理搜索状态的机制，通过区分“待处理动作”（空单元格）与“已验证历史”（已填充单元格），缓解了“迷失在中部”的问题。
基准测试创建： 基于真实世界的电子商务业务开发场景，构建了一个具有挑战性的 深广度搜索基准测试，填补了高质量公开混合搜索任务评估的空白。
模块化设计： 展示了一种“即插即用”的架构，其中专门的深度搜索智能体（如微调模型）可以作为子智能体使用，实现了规划与执行的解耦。

4. 实验结果

研究人员针对三个基准类别进行了广泛实验：GAIA/BrowseComp-ZH（深度搜索）、WideSearch（广度搜索）以及定制的 DeepWide Search 基准。

性能优越性： TaS 在所有三个范式中均显著优于最先进的基准模型（包括多智能体 ReAct 和 Gemini DeepResearch 等商业系统）。
- 深度搜索： 在 GAIA 上，使用高性价比 Gemini-2.5-Flash 的 TaS 比 Multi-Agent ReAct 基准提升了 14.0%，证明了结构化状态管理可以使较小的模型媲美大型模型。
- 广度搜索： 使用 Claude-Sonnet-4 (No-Think) 的 TaS 达到了与计算量更大的 Claude-Sonnet-4 (Thinking) 基准相当的成功率，同时在 Max@4 指标上表现更优（9.1% vs. 6.5%）。
- 深广度搜索： TaS 在 Column-F1 上超过了专有系统 Gemini DeepResearch 4.7%，在 Item-Precision 上超过了 5.1%。
效率与鲁棒性：
- 搜索效率： 与基准相比，TaS 在使用相当或更少的工具调用次数下实现了更高的性能，证明其增益源于规划质量而非暴力扩大搜索规模。
- 鲁棒性： 随着任务复杂度（难度等级）的增加，TaS 与基准之间的性能差距不断扩大。在“困难”级别中，TaS 保持了稳定性，而基准模型则出现了显著退化（下降超过 30%）。
- 测试时扩展 (Test-Time Scaling)： 与非结构化 ReAct 相比，TaS 能更有效地从增加的推理计算量（增加 $N$ ）中获益，且随着 $N$ 的增加，性能差距进一步拉大。
消融实验： 规划者 (Planner/Main-Agent) 被确定为关键瓶颈；降低规划者的等级会导致性能大幅下降，而降低子智能体的等级影响较小。这证实了规划者在编排有效探索中的核心作用。

5. 重要性与主张

论文主张 TaS 代表了从非结构化文本生成向以数据为中心的结构化规划的范式转变。

架构正交性： TaS 与近期在上下文管理（如摘要）和模型训练（如 RL）方面的进展是正交的。它不依赖于压缩文本，而是通过施加结构化模式来卸载状态追踪。
可扩展性： 该框架表明，有效的长程信息检索并不完全依赖于基础模型的原始推理能力，而更多取决于结构化状态管理。这使得在配合 TaS 架构时，高性价比的小型模型也能执行复杂任务。
工业应用价值： 通过将规划与执行解耦，TaS 允许集成专门且高性价比的模型来进行高频搜索动作，使其成为电子商务业务开发等大规模工业应用的可行方案。

承认的局限性：

非搜索类任务： 对于仅依赖内部知识或简单指令遵循的任务，结构化模式可能会引入僵化性，导致在非搜索类 GAIA 实例中的性能波动。
对规划者的依赖： 目前的性能受限于中央规划者的推理能力。
评估的可扩展性： 由于任务的开放性，DeepWide 基准依赖人工验证，这限制了其相对于封闭域基准的大规模可复现性。