以 40K 上下文 ，，，， ，让 Agent 搜索 2048 轮 ，，，， ，性能还能一起涨？ ？？？？ ？？？这险些是不可想象的。。。。。
目今主流的 Search Agent 都面临统一个尴尬：Agent 需要重复搜索网页、比对线索、验证假设、回溯修正 ，，，， ，交互轮次动辄数十上百轮。。。。。但以 ReAct 为代表的古板范式 ，，，， ，把每一轮的思索和工具返回效果一直追加到统一个上下文窗口中 —— 做得越多 ，，，， ，上下文越臃肿 ，，，， ，留给推理的空间越少 ，，，， ，早期的噪声和过失路径还被永世「焊死」在影象里。。。。。
效果就是：Agent 搜得越深入 ，，，， ，反而「想」得越糊涂。。。。。
能不可让 Agent 在探索历程中一直「整理事情台」 ，，，， ，始终在一个清洁的空间里思索？ ？？？？ ？？？
来自中国人民大学与阿里巴巴通义实验室的研究团队提出了 IterResearch ，，，， ，一种全新的迭代式深度研究范式。。。。。
通过马尔可夫式的事情空间重构 ，，，， ，IterResearch 让 Agent 在仅 40K 上下文长度下完成了 2048 次工具交互且性能不衰减 ，，，， ，在 BrowseComp 上从 3.5% 一起攀升至 42.5%。。。。。
现在 ，，，， ，该论文已被 ICLR 2026 吸收。。。。。
论文链接：https://arxiv.org/pdf/2511.07327代码链接：https://github.com/Chen-GX/IterResearch
「堆上下文」为什么难以实现 Interaction Scaling？ ？？？？ ？？？
在 Search Agent 场景下 ，，，， ，Agent 的事情实质上是一个与外部情形一直交互的循环。。。。。古板 ReAct 范式将这一历程建模为「单上下文堆叠」：每一轮的推理和工具返回被一连追加到统一个上下文窗口中 ，，，， ，形成线性增添的影象链。。。。。
这种看似自然的设计 ，，，， ，在长程使命中会引发两个结构性问题：
其一是上下文窒息（context suffocation）：上下文窗口的总容量是有限的 ，，，， ，历史信息一直群集意味着留给后续推理的「天生预算」被一连压缩。。。。。Agent 被迫给出更短、更浅的回覆 ，，，， ，最终滑向纰漏的结论； ； ；；；；； ；其二是噪声污染（noise contamination）：搜索历程中爆发的大宗网页摘要、早期的过失路径和无关线索被永世写入上下文 ，，，， ，对后续推剃头生级联滋扰 ，，，， ，信噪比一连走低。。。。。
社区已经意识到了这些问题 ，，，， ，陆续提出了 context folding、summary 等缓解战略 ，，，， ，试图为摇摇欲坠的上下文「续命」。。。。。但这些要领实质上是在调解 ，，，， ，并未从基础上改变上下文线性增添的结构 —— 给 Agent 256K 甚至更长的窗口 ，，，， ，也执偾推迟瓦解 ，，，， ，而非阻止瓦解。。。。。
不再「堆叠」 ，，，， ，而是「重构」：IterResearch 的焦点思绪
IterResearch 对这一问题的回应不是修修补补 ，，，， ，而是从范式层面重新思索：与其一直往上下文里塞工具 ，，，， ，不如让 Agent 学会「边做边整理」。。。。。
研究团队将长程研究历程形式化为一个马尔可夫决议历程（MDP）。。。。。焦点头脑是：Agent 不再维护一个一直膨胀的完整历史 ，，，， ，而是通过一个一连进化的「演进式报告」（evolving report）来综合已有用果、压缩无关信息、更新推理状态。。。。。每一轮推理都在一个被重构过的、恒定重漂后的事情空间中睁开。。。。。
详细来说 ，，，， ，Agent 的每一步包括两个焦点行动：
决议阶段：Agent 基于目今状态 ，，，， ，输出三部分 —— 思索历程（Think）、更新后的演进报告（Report）和本轮工具挪用请求（Action）。。。。。报告在这里饰演了「压缩影象」的角色 ，，，， ，Agent 需要在每一轮自动决议哪些信息值得保存 ，，，， ，哪些应该被扬弃。。。。。状态转移阶段：进入下一轮时 ，，，， ，完整的历史轨迹被有意扬弃 ，，，， ，Agent 仅保存更新后的报告、上一轮的工具挪用及其返回效果 ，，，， ，三者配合组成新的推理起点。。。。。
从上下文治理的视角看 ，，，， ，古板 ReAct 的状态空间随交互轮次 t 线性增添（O (t)） ，，，， ，而 IterResearch 的事情空间始终坚持恒定（O (1)）。。。。。
研究团队指出 ，，，， ，这种机制与 RNN/LSTM 中的隐状态更新有结构上的相似性 —— 都通过一个隐状态来承载影象并逐步更新。。。。。差别之处在于 ，，，， ，IterResearch 的「隐状态」是一份显式、可诠释的研究报告 ，，，， ，既能浓缩历史 ，，，， ，又能为下一步推理提供清晰的起点。。。。。
40K 上下文 ，，，， ，2048 轮交互不退化：Interaction Scaling 的威力
这项事情中最焦点的发明 ，，，， ，就是 Interaction Scaling 特征 ——给 Agent 更多的交互预算 ，，，， ，性能就能一连提升 ，，，， ，而不会像古板要领那样由于上下文溢出而瓦解。。。。。
在 BrowseComp 基准上 ，，，， ，研究团队将 Agent 的最大交互轮次从 2 逐步放宽到 2048。。。。。效果显示 ，，，， ，IterResearch 的准确率从 3.5% 一起攀升到 42.5% ，，，， ，且在 2048 轮时依然没有泛起显着的退化迹象。。。。。而古板单上下文要领在几十轮后就已经不堪重负。。。。。
值得强调的是 ，，，， ，2048 并非 IterResearch 的交互上限 ，，，， ，而仅是实验评测规模的终点。。。。。模子在 2048 轮时性能曲线仍坚持上升趋势 ，，，， ，批注该范式在理论上具备进一步扩展的潜力。。。。。
这一效果转达了一个主要信号：长程使命的「难」 ，，，， ，可能并非完全来自模子推理能力缺乏 ，，，， ，更有可能是探索深度受限。。。。。当 Agent 拥有一个清洁的头脑空间并被允许充分探索时 ，，，， ，它确实有能力在超长使命中一连前进。。。。。
另一个有意思的发明是：只管最大轮次被设置为 2048 ，，，， ，Agent 现实上平均只用了约 80 轮。。。。。它学会了在获取足够信息后自动终止 ，，，， ，而非机械地耗尽预算 —— 这说明Agent 不但学会了「走得远」 ，，，， ，还学会了「知道何时停」。。。。。
「即插即用」的推理范式：不训练也能提升闭源模子
若是仅把 IterResearch 的迭代逻辑作为提醒战略（prompting strategy） ，，，， ，直接应用于闭源模子而不做任何训练 ，，，， ，效果会怎样？ ？？？？ ？？？
研究团队在 o3 和 DeepSeek-V3.1 上做了验证。。。。。在完全相同的使命设定下 ，，，， ，相比古板的 ReAct 提树模式 ，，，， ，IterResearch 在最具挑战性的 BrowseComp 上划分为 o3 带来了 12.7 个百分点、为 DeepSeek-V3.1 带来了 19.2 个百分点的提升。。。。。
这说明IterResearch 的焦点优势在于结构性的认知机制 ，，，， ，而非依赖特定命据或微调技巧。。。。。无论底层模子是什么架构 ，，，， ，它触及的都是长程推理中的共性瓶颈。。。。。
总结
IterResearch 提出了一个精练而有用的范式转换：与其一直修补一个注定会瓦解的线性上下文 ，，，， ，不如从结构上让 Agent 学会「边做边重构想维」。。。。。
这一思绪在训练框架、提醒战略和跨范式迁徙三个层面都展现了一致的有用性 ，，，， ，而其展现的 Interaction Scaling 特征更是为长程 Agent 的能力界线翻开了新的想象空间。。。。。在 Agent 走向真正恒久、一连运行的未来 ，，，， ，IterResearch 提供了一个值得关注的偏向。。。。。
作者先容
第一作者陈国鑫 ，，，， ，中国人民大学未来康健用品有限公司高瓴人工智能学院博士生 ，，，， ，导师为赵鑫教授和宋�； ； ；；；；； ；淌� ，，，， ，研究偏向为 LLM 推理与 Agent ，，，， ，聚焦搜索智能体与代码智能体。。。。。曾在阿里巴巴通义实验室等机构实习 ，，，， ，在 ICLR、ICML、NeurIPS、ACL 等顶级聚会揭晓多篇论文。。。。。本事情由中国人民大学与阿里巴巴通义实验室相助完成。。。。。