动机

当前深度研究智能体将信息探索（搜索查询生成）与信息利用（大纲/报告生成）耦合在同一模块，缺乏明确的优化信号，导致迭代过程不稳定、覆盖不完整。绝大多数基准也聚焦于学术或咨询类查询，无法反映真实用户的生活化信息需求。

方法关键点

• 解耦式对抗协作架构：将深度研究建模为双智能体合作MDP，critic agent 评估当前大纲（信息利用状态），生成缺失的蓝图与目标搜索查询（信息探索状态）；generator agent 执行搜索并更新大纲和参考文献，形成交替迭代的对抗优化，明确优化方向。
• 文档银行与连续性约束：引入文档银行对多轮检索结果进行去噪、评分和摘要，防止上下文过载；同时强制蓝图只能扩展不能删除、保留已验证参考文献，确保优化有序收敛。
• 元优化策略库（Policy Bank）：围绕critic agent构建外层优化harness，将generator重用作评分智能体，自动评估搜索结果的完备性、多样性等，生成质量信号；利用Claude-Code自动探索搜索策略空间，积累可复用的设计策略，实现搜索查询的自进化优化。
• GALA生活化基准：从10,000名高活跃用户的小红书浏览与互动记录中，自动挖掘真实生活信息需求，构建包含家居、旅行、时尚等主题的100条高质量查询，弥补现有基准在日常生活领域的空白。
• 渲染智能体：将结构化报告转化为红书风格海报、幻灯片或HTML页面，打通从需求挖掘到视觉呈现的全链路。

关键实验

• 在DeepResearchBench上，AgentDisCo w/ Harness (Gemini‑2.5‑Pro) 取得 52.11 的RACE得分，超过GPT‑DeepResearch (46.45) 与Gemini‑2.5‑Pro‑DeepResearch (49.71)；引用准确率达 89.55%。
• DeepConsult 上 win rate 56.86%，平均质量 6.86，优于OpenAI‑DeepResearch；DeepResearchGym 上总体得分 96.21。
• 切换到Claude‑Opus‑4.6 后RACE得分升至 54.02，文献准确率 93.56%，验证架构的可扩展性。
• 在GALA基准上，仅使用小红书搜索引擎的AgentDisCo即显著优于Doubao‑Research与OpenAI o3‑DeepResearch，证明社区内容对日常信息需求的优势。