2024智能搜索探员REDSearcher测评：哈工大团队如何让AI像侦探一样思考

处理需要多步验证的复杂查询，是当前信息检索领域的核心挑战。例如，要确认“1990年哪部黑帮电影中，导演让自己的女儿扮演了主角的女儿”，传统搜索往往需要用户自行串联多个独立事实。哈尔滨工业大学与小红书公司的联合研究团队，正致力于解决这一难题。

在2026年2月发表的研究中，团队提出了名为REDSearcher的创新框架。该框架旨在赋予AI系统性的调查能力，使其能够像侦探一样规划搜索路径、搜集分散证据并进行逻辑验证。这项由哈尔滨工业大学刘明教授与小红书公司王晓研究员共同指导的工作，为下一代智能搜索提供了新的范式。

这项研究的价值在于其现实针对性。在信息碎片化时代，无论是学术考证、事实核查还是商业情报分析，都亟需能够主动推理、交叉验证的智能工具。REDSearcher的目标正是超越传统检索增强生成技术的局限，构建具备自主思考能力的搜索探员。

一、现有AI搜索的瓶颈：为何不够“聪明”？

当前AI搜索在处理线性、单点问题时效率尚可，但面对需要关联验证的复杂查询时，其推理短板便暴露无遗。以电影问题为例，完整的解答路径涉及电影类型筛选、导演信息确认、亲属关系核实、演员表比对及角色关系验证等多个相互制约的环节。

主流检索增强生成技术本质上是“检索-呈现”模式，缺乏动态调整与深度合成能力。其两大缺陷在于：检索过程缺乏反馈循环，无法基于中间结果优化后续查询；同时，系统难以理解复杂问题的网状逻辑结构，当答案依赖于多个证据链的相互印证时，往往无法给出可靠结论。

研究指出，真正困难的搜索任务通常具备复杂推理结构与高度分散的信息源双重特征。前者要求系统处理非线性的约束关系，后者则迫使系统具备跨源信息整合能力——这正是一个优秀调查员的核心素养。

二、构建训练库：如何为AI设计“侦探案件”？

训练一个能处理复杂查询的AI，首先需要高质量、高难度的训练数据。现有问答数据集大多过于简单，无法有效锻炼系统的深层推理能力。为此，研究团队构建了一套可量化控制难度的案例生成方法论，其核心创新在于将推理复杂度建模为图论中的树宽问题。

树宽是衡量图结构复杂度的关键指标。简单推理的依赖关系呈链状或树状，可顺序求解；而复杂推理则形成网状结构，存在循环依赖，如同需要同时考虑多个变量的方程组。

电影查询的推理结构正是典型的网状：电影、导演、女儿、角色之间构成了闭环约束。系统必须同时满足类型、年代、身份、关系和参演五个条件，才能得出唯一正确答案。

除了控制结构复杂度，团队还引入了证据分散度参数，故意将关键信息碎片化分布于不同数据源。更进一步，通过工具强制查询演化技术，将可直接检索的简单问题转化为必须调用特定工具（如地图、计算器）才能解决的复杂任务，从而强制AI学习策略性工具使用。

三、分阶段训练：循序渐进培养AI核心技能

REDSearcher的训练采用两阶段渐进式策略，模拟了专业调查员的成长路径。

第一阶段聚焦原子技能培养，重点训练两项核心能力：意图锚定的信息提取与层次化任务规划。前者要求AI从噪声数据中精准抓取与当前子目标相关的片段；后者则训练其将宏观问题分解为可执行的搜索步骤，并能根据反馈动态调整计划。

第二阶段强化环境交互与长程推理。在此阶段，AI开始在包含数千万文档的模拟搜索环境中进行实战演练，学习使用多样化工具处理步骤可能长达数十步的复杂案例。模拟环境既保证了训练数据的完整性，又引入了真实网络中的噪声与不确定性，同时大幅降低了调用真实API的成本与延迟。

四、主动的工具使用：从“机械工”到“策略家”

REDSearcher的核心突破之一，是实现了从被动工具调用到主动工具策略的转变。系统被训练根据任务上下文，智能选择并组合五类核心工具：通用搜索引擎、网页访问器、Python代码执行环境、学术搜索引擎及地图服务。

关键在于，AI学会了基于问题特性进行工具匹配。例如，遇到学术概念优先启动学术搜索，涉及地理空间计算则调用地图API，需要进行数值推导时启用代码环境。更重要的是，系统掌握了在长流程任务中动态切换工具的策略，这种灵活性是传统AI助手所不具备的。

五、突破记忆瓶颈：AI的“侦探笔记”管理术

处理长序列搜索任务时，模型会面临上下文长度限制导致的“记忆遗忘”问题。为此，团队采用了简洁高效的全部丢弃策略。

当对话上下文接近模型处理上限时，系统会保留原始问题描述和核心任务框架，但清空所有历史交互细节，以“重启”状态继续搜索。这一策略看似激进，实则有效：它通过舍弃可能已冗余的中间信息，为处理新线索释放了宝贵的认知资源，确保推理主线的清晰与连贯。

六、强化学习：在“实战考核”中持续进化

预训练后，系统通过强化学习框架在复杂案例中进行策略微调。AI在限时内尝试解决案例，并根据最终答案的正确性获得奖励信号，从而优化其搜索决策序列。

结果显示，经过强化学习训练后，系统的搜索轨迹显著优化。平均工具调用次数从100余次下降至90次左右，而任务准确率却稳步提升。这表明AI不仅学会了找到答案，更学会了用更经济、更直接的路径找到答案，避免了在无关分支上的无效探索。

七、拓展多模态能力：让AI既会“读”也会“看”

为应对现实世界中图文混合的信息形态，研究团队将REDSearcher扩展至多模态领域。系统现在能够处理需要视觉理解的查询，例如根据一张赛车图片，识别车辆特征并查询其参赛历史。

这要求AI具备跨模态推理能力：先通过视觉工具提取图像关键信息，再将其转化为文本查询条件，最终在文本域中完成事实检索与验证。为此，团队开发了专用的多模态工具集，包括图像搜索、区域聚焦和视觉内容总结等。实验证明，相同的训练范式能有效提升多模态搜索性能，展现了良好的能力迁移性。

八、性能验证：在综合“大考”中表现如何？

在多个高难度基准测试中，REDSearcher接受了全面评估。在英文复杂搜索基准BrowseComp上，其准确率达到42.1%；在中文版BrowseComp-ZH上达到49.8%。这些成绩需置于任务本身的极高难度背景下理解——许多问题对人类专家而言也极具挑战。

在综合能力基准GAIA上，REDSearcher取得了80.1%的准确率，超越了包括GPT-5-Thinking-High（76.7%）在内的多个先进模型。消融实验进一步证实了其核心机制的有效性：当禁用所有外部工具时，模型性能大幅下降，证明其成功学会了依赖工具进行主动探索，而非仅仅依赖参数化知识。

九、窥探AI的“思维模式”：它如何推理？

通过分析系统的搜索日志，研究团队归纳出三种典型的推理模式：

分解式思维：将复杂目标拆解为顺序执行的子任务。
反思式思维：定期评估已有证据的充分性与一致性，识别信息缺口。
验证式思维：对初步结论进行主动证伪或交叉验证，确保答案可靠性。

不同复杂度的问题会触发不同的模式组合。简单任务多采用线性分解；复杂任务则呈现三种模式的动态交织与循环。在多模态场景下，系统还展现出将视觉线索无缝融入文本推理链条的能力。

十、计算效率与实用性：走向落地应用

在追求性能的同时，团队高度重视系统的实用性。长序列搜索任务对计算资源与响应时间构成挑战。为此，团队开发了异步并行工作流与分层负载均衡策略，显著提升了训练与推理吞吐量。构建的本地千万级文档检索环境，不仅降低了对外部API的依赖与成本，也提供了一个稳定、可控的评估与迭代平台。

十一、开放资源与未来展望

为促进深度搜索领域发展，团队计划开源包括高质量搜索轨迹、强化学习查询集、完整代码与模型在内的大量资源。这些将成为后续研究的重要基础设施。

展望未来，深度搜索技术在事实核查、学术研究、商业尽调等领域具有广阔应用前景。当前研究仍存在局限，例如对推理过程的细粒度评估体系尚不完善，在保持高准确率的同时进一步降低搜索延迟与计算开销，也是关键的工程优化方向。

REDSearcher标志着AI搜索从被动检索到主动调查的范式转变。尽管仍有提升空间，但它清晰地证明了AI处理复杂、开放域信息任务的潜力。对于终端用户而言，这意味着未来我们有望获得一个能够执行深度事实调查的智能伙伴。

Q&A

Q1：REDSearcher和普通搜索引擎的根本区别是什么？
A：核心区别在于自主推理与策略规划能力。REDSearcher是一个具备问题分解、动态规划、工具调用与证据合成能力的主动调查系统。普通搜索引擎本质上是关键词匹配与文档排序工具，不涉及深度的逻辑推理与跨源信息整合。

Q2：REDSearcher的搜索准确率到底怎么样？
A：在涵盖不同语言与模态的高难度基准测试中，其准确率在40%至80%区间。需要强调的是，这些测试集的设计旨在模拟人类专家也需要耗时调研的复杂问题，在此标准下取得的性能已代表该方向上的实质性进展。

Q3：普通人何时能用上这类AI搜索助手？
A：技术原型已经过验证，相关代码与模型即将开放。但要实现大规模产品化应用，仍需在响应速度、运营成本与用户体验上进行深度优化。预计基于类似技术的专业级工具或功能，将在未来几年内逐步进入市场。