🤖 AI

VeriTrace: Evolving Mental Models for Deep Research Agents

本文介绍了 VeriTrace，这是一种认知图框架，通过为演进的思维模型实施显式调控回路来增强深度研究智能体，从而在 DeepResearch Bench 和 DeepConsult 等基准测试上相比现有系统显著提升了性能。

原作者： Haolang Zhao, Yunbo Long, Lukas Beckenbauer, Alexandra Brintrup

发布于 2026-05-26

📖 1 分钟阅读☕ 轻松阅读

原作者： Haolang Zhao, Yunbo Long, Lukas Beckenbauer, Alexandra Brintrup

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《VeriTrace》论文的解读，使用富有创意的类比转化为通俗易懂的语言。

宏观图景：“在图书馆中迷失”的问题

想象你是一名侦探，正在试图破解一个庞大而复杂的谜团。你拥有一支研究人员团队（即人工智能），他们能够阅读数百万本书籍和文章。

问题所在：
在以往的系统中，侦探只是将所有信息堆放在办公桌上，形成一大摞杂乱无章的文件。随着阅读量的增加，这摞文件越来越高。但由于这只是一堆扁平的纸张，侦探往往会：

忘记自己已经知道的内容。
被相互矛盾的事实搞得晕头转向。
反复寻找同一件事，因为他们没有意识到自己已经找到了答案。
陷入“错误理论”的泥潭，即使证据已经证明他们错了，仍继续寻找支持该理论的依据。

这就是当人工智能试图在没有良好系统的情况下进行“深度研究”时会发生的情况。它依赖人工智能的原始算力（即其“规模”）来梳理混乱，这不仅成本高昂，而且往往以失败告终。

解决方案：VeriTrace
作者构建了VeriTrace，它就像为侦探提供的一张智能、动态的地图。与其面对杂乱的文件堆，人工智能构建了一个动态的“认知图”。你可以将这个图想象成一张随着建筑施工而不断变化的建筑蓝图。

该论文指出，要想做好深度研究，人工智能需要三个特定的“调节回路”（即互动规则），以保持其思维地图的准确性。

三个“调节回路”（核心秘诀）

该论文确定了人工智能更新其思维的三种具体方式。以下是它们的工作原理，借用侦探的案件板作为类比：

1. 解释性更新（“文件柜”检查）

旧方式： 当侦探发现新线索时，只是将其贴在板上。他们不检查这条线索是否与已知信息相符。
VeriTrace 方式： 在将新线索贴在板上之前，侦探会问：“这是否证实了我的想法？它是否与我的理论相矛盾？这是一个需要填补的空白，还是一个意外？”
类比： 想象你在整理衣柜。你不会把新衣服直接扔在地板上。你会检查：“我已经有红衬衫了吗？这是新款式吗？这是否与我正在搭配的衣服相配？”
重要性： 这能防止人工智能被噪音分散注意力。它确保每一条新信息都被归类到正确的“概念”桶中，从而保持思维模型的敏锐度。

2. 偏差反馈（"GPS 重新规划”）

旧方式： 侦探有一个计划：“去图书馆”。他们出发了，但图书馆关门了。他们要么试图再次去图书馆，要么漫无目的地游荡。
VeriTrace 方式： 出发前，侦探设定了具体预期：“我期望在顶层书架上找到一本特定的书。”当他们到达却发现书不在那里时，系统会问：“为什么？书不见了？图书馆关门了？还是书用了不同的名字？”
类比： 想象一下 GPS。如果你错过了转弯，GPS 不会只说“继续开”。它会分析你错过的原因（交通、走错路），并立即建议新路线（掉头、绕行）。
重要性： 这能防止人工智能浪费时间反复进行失败的搜索。它帮助人工智能切换策略（例如：“图书馆关门了，让我们去查档案吧”）。

3. 模式修正（“重绘地图”）

旧方式： 侦探坚信凶手是管家。即使所有证据都指向园丁，他们仍继续寻找管家。他们被困在原有的框架中。
VeriTrace 方式： 当线索堆积并表明“管家理论”完全错误时，侦探会停止搜索，并重绘整张地图。他们会意识到：“等等，凶手不是一个人，而是一家公司。”他们会拆掉旧板，建立一个符合现实的新板。
类比： 想象你在玩俄罗斯方块。你一直试图把方形块塞进三角形的洞里。最终，你意识到整个关卡布局都是错的。你不再强行塞入方块，而是重构整个游戏板，让方块能够契合。
重要性： 这使人工智能能够承认自己在问题的结构上犯了错，而不仅仅是细节上的错误。它防止人工智能浪费数小时去解决一个框架错误的谜题。

VeriTrace 在实际中如何运作

该系统构建得像一支施工队：

规划者： 工头，查看蓝图（认知图）并决定下一步建造什么。
搜索者： 工人，外出寻找材料（网页）。
阅读者： 检查员，检查材料并准确记录发现的内容，注明出处。
管理者： 建筑师，根据检查员的发现更新蓝图。

结果：
该论文将这一系统与其他顶级人工智能研究工具进行了测试。

在"DeepResearch Bench"上： VeriTrace 得分显著更高，特别是在“洞察力”（即连接要点并发现深层含义的能力）方面。
在"DeepConsult"上： 它与其他强大系统相比，胜率超过 80%。
关键发现： 即使使用更小、更便宜的人工智能模型，VeriTrace 的表现也优于使用更大、更昂贵模型的系统。这证明了拥有一个良好的调节系统（即这些回路）比仅仅拥有一个更强大的大脑更重要。

总结

VeriTrace 是人工智能进行深度研究的一种新方式。它不仅仅是“读得更多”，而是教导人工智能组织、质疑和重构自己的思维。

解释性更新 = 整理线索。
偏差反馈 = 迷路时修正路线。
模式修正 = 当整个理论错误时重绘地图。

通过利用这三个回路，人工智能能够保持正轨，避免陷入死胡同，并产出更智能、更准确的研究报告。

技术摘要：VeriTrace：演进深度研究智能体的心智模型

问题陈述

深度研究智能体面临着在广阔、结构相互依赖且普遍存在不确定性的信息景观中进行导航的挑战。现有系统试图通过将中间研究产物（例如大纲、证据库、待办事项列表）外部化，以扩展超出大语言模型（LLM）上下文窗口的限制来应对这一挑战。然而，这些系统主要依赖 LLM 的隐式推理来演进这些中间表示。作者认为，如果没有明确的调节机制，这些中间层极易受到混合质量信息的污染，导致错误沿着依赖关系传播。因此，当前系统往往用模型规模来替代调节机制的缺失，导致在骨干模型固定或任务高度不确定时性能下降。

核心问题在于识别需要哪些调节回路，以允许智能体的“心智模型”（其对任务的中间表示）适应混乱局面，持续将任务理解与现实对齐，并向健康方向演进。

方法论：VeriTrace 框架

作者提出了VeriTrace，这是一个认知图框架，明确实现了三个调节回路来管控智能体心智模型的演进。该系统将中间层视为智能体学习状态、证据洞察和不确定性的动态表示，而非静态记忆。

1. 认知图结构

智能体的心智模型被实例化为一个认知图 $G_t = (S_t, C_t)$ ：

节点（ $N_t$ ）： 代表待探究的概念。每个节点存储接受标准、累积发现、认知状态（未知、部分、已知）以及质量概况。
边（ $E_t$ ）： 代表概念之间的探究关系（策略性问题），携带搜索历史和状态（待解决、调查中、已解决、耗尽）。
内容： 节点和边存储结构化发现、矛盾以及源自 CR-AAP（时效性、相关性、权威性、准确性、目的性）评分机制的质量分数。

2. 三个调节回路

VeriTrace 实现了三个具体的反馈回路，借鉴认知科学概念（元认知、预测处理、同化/顺应）作为设计词汇：

解释性更新（同化）：
- 机制： 随着新发现的提取，它们并非被动累积。相反，认知图管理器会根据当前图状态对其进行解释。发现被分类为证实、矛盾、填补空白或令人惊讶。
- 功能： 这主动塑造了什么算作可用的观察结果。它更新节点的剩余标准和认知状态，确保系统精确追踪每个概念的解决程度，而不仅仅是填充记忆存储。
- 实现： 使用结构化更新算子（ $\oplus_G$ ），将发现折叠为两级结构（特定项和跨项），并更新认知状态 $\sigma$ 。
偏差反馈（预测处理）：
- 机制： 在搜索之前，规划器声明对某个概念的预期。搜索之后，使用偏差信号 $\delta_t^j$ 将结果与这些预期进行评分，该信号包含内容相关性、来源可信度、访问障碍和意外发现的强度。
- 功能： 该信号将规划器路由到五种特定的搜索策略之一（利用、验证、替代、转向、探索），而不是触发无差别的重试。它使系统能够区分战略失败（错误来源）和框架失败（错误概念）。
- 实现： 映射 $\pi: D \to A_{search}$ 划分偏差空间以选择最优的下一步行动。
图式修正（顺应）：
- 机制： 当累积的反馈表明当前框架本身偏离现实时（例如，矛盾累积或偏差信号在同一区域持续存在），智能体提出结构重组操作。
- 功能： 这重写概念标签、关系和探究目标，同时保留现有证据（不变性 I1）。它允许智能体摆脱错误的初始框架，而不是受限于此。
- 实现： 五个结构算子（ $R_{conc}, R_{aug}, R_{pivot}, R_{prune}, R_{correct}$ ）修改图的拓扑结构。例如， $R_{conc}$ 将占位符节点具体化为特定实体，而 $R_{pivot}$ 当证据按实体而非维度共置时旋转依赖轴。

3. 系统动态

系统在同化（分发搜索任务并更新图）和顺应（提出结构重组）之间交替。写作流水线消耗最终的图和证据存储以生成报告，通过三层流程（大纲规划器、章节规划器、章节撰写者）确保引用可追溯性，该流程严格限制信息访问。

主要贡献

调节回路的识别： 本文确定了三个显式反馈回路（解释性更新、偏差反馈、图式修正）作为在不确定性下调节智能体心智模型的核心机制。
VeriTrace 实现： 一个围绕概念而非子任务组织研究的认知图框架，明确实现了三个回路，以实现在结构修订下的证据保留。
实证验证： 综合实验表明，显式调节回路提升了深度研究性能，其效果超越了仅靠骨干模型规模所能达到的水平。

结果

作者在DeepResearch Bench (DRB) 和 DeepConsult 上评估了 VeriTrace。

性能提升： 使用匹配的 Qwen3.5-27B 骨干模型，VeriTrace 在 DRB 的洞察维度上比最强的匹配基线（WebWeaver）高出 4.22 个百分点 (pp)，在总体得分上高出 1.49 pp。在 DeepConsult 上，其总体胜率高出 5.9 pp。
最先进的开源成果： 使用 Config-DeepSeek 骨干模型（DeepSeek-V4-Pro），VeriTrace 在 DRB 上取得了最强的可复现开源结果（总体 55.77，洞察 59.56）。
消融研究：
- 移除偏差反馈（A1）导致最大的单次下降（−1.65 pp），搜索量增加了 31%，同时成功率降低。
- 移除图式修正（A2）和解释性更新（A3）显著降低了需要结构适应的查询的性能（在顺应敏感子集上分别下降了 −4.75 pp 和 −5.18 pp）。
- 完全消融（Afull）导致性能低于基线，证实调节回路不仅仅是累加的，而是基础性的。

意义与主张

本文认为，深度研究看似“渴求规模”的特性部分归因于缺失的调节回路，其中模型规模替代了缺失的调节。VeriTrace 表明，显式调节可以在不同于单纯扩展的维度上创造“余地”。

超越规模： 即使使用较小的骨干模型，VeriTrace 受调节的心智模型也能使其在洞察维度上超越使用更大、更前沿模型（例如 Claude-Sonnet-4.5）的基线。这表明推理过程的质量（模型推理什么）与模型的原始推理能力同样关键。
实现自我调节： 这项工作将自我调节（元认知、预测处理）操作化为一种可执行的机制，而非隐喻。它为构建能够适应长周期、不确定任务的智能体提供了设计词汇，通过持续将其内部任务模型与外部现实对齐。
局限性： 作者指出，目前的评估主要集中在 DeepResearch Bench 和 DeepConsult 上，其泛化到其他开放环境任务（例如网络导航、科学发现）仍有待验证。此外，重组触发器是启发式的，且系统目前按任务从头构建图，没有跨任务迁移。