💬 NLP

AgentSwing: Adaptive Parallel Context Management Routing for Long-Horizon Web Agents

该论文提出了 AgentSwing，一种基于状态感知的自适应并行上下文管理路由框架，通过引入概率化评估维度并在执行过程中动态选择最优分支，有效解决了长程网络智能体在有限上下文容量下的效率与精度瓶颈，显著提升了任务成功率并减少了交互轮数。

原作者： Zhaopeng Feng, Liangcai Su, Zhen Zhang, Xinyu Wang, Xiaotian Zhang, Xiaobin Wang, Runnan Fang, Qi Zhang, Baixuan Li, Shihao Cai, Rui Ye, Hui Chen, Jiang Yong, Joey Tianyi Zhou, Chenxiong Qian, Pengjun

发布于 2026-03-31

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Zhaopeng Feng, Liangcai Su, Zhen Zhang, Xinyu Wang, Xiaotian Zhang, Xiaobin Wang, Runnan Fang, Qi Zhang, Baixuan Li, Shihao Cai, Rui Ye, Hui Chen, Jiang Yong, Joey Tianyi Zhou, Chenxiong Qian, Pengjun Xie, Bryan Hooi, Zuozhu Liu, Jingren Zhou

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

这篇论文介绍了一个名为 AgentSwing（智能摆荡）的新系统，它是为了解决人工智能（AI）在长时间、复杂的网络搜索任务中遇到的一个核心难题：“记性”不够用，或者记了太多没用的东西。

想象一下，你让一个 AI 去网上找一个非常冷门、复杂的真相（比如：“找出一个 90 年代出生、14 岁加入帮派、天秤座、在 2015-2020 年间发布过一首病毒式歌曲的说唱歌手，且这首歌里合作的另一位歌手的父亲坐过 15 年牢”）。

AI 需要像侦探一样，进行几十甚至上百次的搜索、点击、验证和回溯。在这个过程中，AI 的“工作记忆”（Context）是有限的。

1. 核心痛点：AI 的“记忆过载”与“死胡同”

传统的 AI 在处理这种长任务时，就像是一个只会一条道走到黑的侦探：

如果不删减：它会把所有查过的网页、所有的假设都记在脑子里。结果就是，脑子被塞满了，越往后越糊涂，甚至忘了最初的问题（这叫“上下文腐烂”）。
如果太激进：它可能会觉得“记不住了”，于是把之前所有的笔记全扔了，只保留最初的问题，重新来过。但这就像侦探把线索全烧了，重新从零开始，效率极低，容易在同一个死胡同里打转。

现有的方法通常死板：要么一直记着（容易乱），要么一直清空（容易忘），无法根据情况灵活调整。

2. AgentSwing 的解决方案：像“摆荡”一样灵活

AgentSwing 的核心思想是：不要只选一种策略，而是同时尝试多种策略，然后看哪个走得通。

我们可以用**“探险队分叉路”**的比喻来理解：

第一步：遇到瓶颈，同时派出三支小队（并行管理）

当 AI 发现笔记太多快记不住了，它不会只做一个决定。相反，它会像变魔术一样，把当前的任务状态复制成三份，同时派出三支探险小队，每队用不同的方法整理行囊：

小队 A（丢弃一切）：把之前的笔记全扔了，只带最初的地图（问题）重新出发。适合那些已经走进死胡同、全是噪音的情况。
小队 B（只留最近）：只保留最近几次的行动记录，把很久以前的陈年旧账扔掉。适合那些最近刚发现了新线索，需要紧抓不放的情况。
小队 C（写摘要）：把几千字的笔记压缩成一篇几百字的“精华摘要”，带着摘要继续走。适合那些中间有很多有用信息，不能全扔的情况。

第二步：短跑试跑，谁跑得快选谁（前瞻路由）

这是 AgentSwing 最聪明的地方。它不会盲目地选其中一队，而是让这三支小队先各自向前跑几步（Lookahead），看看哪条路看起来更有希望。

如果小队 A 跑了几步发现还在原地打转，那就淘汰。
如果小队 B 跑了几步发现抓住了关键线索，那就选它。
如果小队 C 发现摘要里漏掉了关键细节，那就淘汰。

这就好比你在开车遇到大雾时，不是盲目地选一条路，而是同时派三个无人机去探路，哪个无人机发现前面路通了，你就立刻把车开过去。

3. 两个关键指标：效率 vs. 精准度

论文提出了一个很棒的视角，把 AI 的成功拆成两件事：

搜索效率（能不能走到终点）：AI 会不会因为记性不够用，还没找到答案就“累死”了（资源耗尽）？
终端精准度（走到终点后答案对不对）：即使找到了终点，答案是不是正确的？

传统方法：要么效率很高（一直记着），但答案容易错（被噪音干扰）；要么答案很准（经常重置），但效率很低（经常重头再来）。
AgentSwing：通过“摆荡”和“前瞻”，它能在效率和精准度之间找到最佳平衡点。它知道什么时候该“断舍离”，什么时候该“精读”，什么时候该“总结”。

4. 实际效果：快且准

实验结果显示，AgentSwing 就像给 AI 装上了一个智能导航仪：

更少的步数：它往往能用别人 1/3 的搜索次数找到答案（省时间、省成本）。
更高的上限：它能解决那些以前 AI 根本解决不了的超难问题，甚至超过了某些昂贵的商业大模型。
适应性：它不是死板的规则，而是根据任务当前的状态（是噪音太多？还是线索太新？）动态调整策略。

总结

AgentSwing 就像是给 AI 侦探配备了一个**“多面手智囊团”**。
当侦探陷入混乱时，智囊团不会只给一个建议，而是同时提供“全盘推翻”、“保留最新”、“提炼精华”三种方案，并让侦探先试走几步，看哪条路通向真理，再果断执行。

这种方法让 AI 在处理超长、超复杂的网络搜索任务时，既不会“脑子塞满”变傻，也不会“忘性太大”迷路，真正实现了长视距、高效率、高精准的自主探索。

AgentSwing：面向长程网络智能体的自适应并行上下文管理路由框架

1. 研究背景与问题定义

随着大语言模型（LLM）从单轮问答助手演变为具备网页浏览和连续工具使用能力的自主智能体，长程信息检索（Long-Horizon Information-Seeking） 成为检验其现实世界能力的关键场景。此类任务往往需要数十甚至数百步的搜索、访问、验证和回溯才能定位关键证据。

核心瓶颈在于有限的上下文容量（Context Capacity）与长程探索需求之间的矛盾。现有的上下文管理方法通常在整个任务轨迹中采用单一的固定策略（如始终保留最后 N 轮、始终摘要或始终丢弃）。这种静态设计存在明显局限：

适应性差：在长程搜索的不同阶段，累积上下文的价值和可靠性是动态变化的。某些阶段需要保留中间结构，而另一些阶段则充斥着噪声或无效搜索历史，需要激进的清理。
效率与精度的权衡：单一策略难以同时兼顾“搜索效率”（能否在资源耗尽前到达终止点）和“终端精度”（到达终止点后答案是否正确）。

2. 方法论：AgentSwing 框架

为了解决上述问题，作者提出了 AgentSwing，这是一个状态感知的自适应并行上下文管理路由框架。其核心思想是将上下文管理视为一个基于未来轨迹状态的动态路由问题，而非固定的压缩启发式规则。

2.1 理论框架：概率视角

作者首先引入了一个概率框架，将长程智能体的成功解构为两个互补维度：

搜索效率 ( $\eta$ )：智能体在资源（上下文预算、最大交互轮数）耗尽前到达终止点并输出答案的概率。
终端精度 ( $\rho$ )：在到达终止点的前提下，答案正确的条件概率。
最终的成功率（Pass@1）是两者的乘积： $P(\text{Success}) = \eta \times \rho$ 。
该框架揭示了不同策略在“效率 - 精度”平面上的不同分布（例如，“全丢弃”策略精度高但单次尝试效率低，而“无管理”策略效率高但精度低）。

2.2 核心组件

AgentSwing 包含两个主要组件：

并行上下文管理 (Parallel Context Management)：
当累积上下文长度超过预设阈值（如最大长度的 $r\%$ ）时，触发管理机制。此时，AgentSwing 不会立即选择单一策略，而是并行应用多种候选策略到当前原始上下文，生成多个不同的管理后上下文分支。
- Keep-Last-N：仅保留最近 N 轮交互。
- Summary：将累积轨迹压缩为摘要，保留用户提示和摘要。
- Discard-All：丢弃所有历史，仅保留原始用户提示。
前瞻路由机制 (Lookahead Routing)：
在并行管理后，AgentSwing 不直接选择分支，而是对每个管理后的分支进行短程前瞻（Lookahead）。
- 每个分支在真实环境中继续交互 $K$ 轮（例如 3 轮）。
- 将原始上下文与这 $K$ 轮的后续轨迹一起呈现给模型。
- 模型根据前瞻结果，评估哪个分支最具潜力，从而动态路由到该分支作为主轨迹，丢弃其他分支。

这种设计使得分支选择不仅依赖于当前的上下文状态，还依赖于该状态在短期内的下游行为表现，从而实现了效率与精度的动态平衡。

3. 关键贡献

首个概率框架：提出了首个针对长程网络智能体的概率框架，通过“搜索效率”和“终端精度”两个维度统一分析上下文管理策略，揭示了传统端到端指标（如 Pass@1）在长程场景下的局限性。
AgentSwing 框架：设计了状态感知的自适应框架，通过并行扩展和前瞻路由，动态切换候选策略，打破了静态方法的效率 - 精度权衡。
广泛的实证验证：在多个具有挑战性的长程基准测试（BrowseComp, BrowseComp-ZH, HLE）和多种开源模型骨干（GPT-OSS-120B, DeepSeek-v3.2, Tongyi-DR-30B-A3B）上进行了验证，证明了其有效性和泛化性。

4. 实验结果

实验结果表明，AgentSwing 在多个维度上显著优于现有的静态上下文管理方法：

性能提升：
- 在 BrowseComp-ZH 上，AgentSwing 将 DeepSeek-v3.2 的性能提升至 71.3，在 HLE 上达到 44.4，超越了多个专有基础模型（Proprietary Foundation Models）。
- 对于 Tongyi-DR-30B-A3B，AgentSwing 在同类规模的信息检索智能体中建立了领先性能。
效率优势：
- 在受限的交互预算下，AgentSwing 能达到甚至超过那些需要 3 倍 交互轮数的静态策略的性能。
- 在保持高终端精度的同时，显著提升了搜索效率，避免了因上下文过长导致的“上下文腐烂（Context Rot）”。
消融实验：
- 移除前瞻路由（仅随机选择或仅基于管理后的上下文选择）会导致性能显著下降，证明了前瞻机制在评估分支潜力中的关键作用。
- 适度的前瞻深度（ $K=3$ ）效果最佳，过深的前瞻可能受限于模型长度约束。

5. 意义与未来工作

意义：

理论层面：提供了分析长程智能体行为的统一透镜，明确了上下文管理不仅仅是压缩问题，而是状态依赖的路由问题。
实践层面：证明了通过测试时（Test-time）的自适应策略组合，可以显著提升开源模型在复杂长程任务中的表现，使其达到甚至超越闭源模型的水平。

局限性：

当前的路由机制仍由智能体模型自身执行，可能存在次优解。未来可引入专门的路由器、验证器或轨迹评估器来进一步提升分支选择质量。
目前主要关注测试时的外部控制机制，未来可探索将这些原则转化为模型层面的内在能力（如通过训练使模型在小上下文预算下更高效）。

总结：
AgentSwing 通过引入并行管理和前瞻路由，成功解决了长程网络智能体中上下文管理的静态局限性，在有限的资源约束下实现了搜索效率与答案精度的最优平衡，为未来长程自主智能体的设计提供了重要的方法论指导。