這項由人大高瓴人工智能學(xué)院的金嘉杰、李小汐、董冠廷等研究團隊完成的創(chuàng)新研究發(fā)表于2025年7月，論文題為《Decoupled Planning and Execution: A Hierarchical Reasoning Framework for Deep Search》。有興趣深入了解的讀者可以通過GitHub代碼庫https://github.com/ignorejjj/HiRA訪問相關(guān)資源。

當我們在網(wǎng)上搜索復(fù)雜問題時，往往需要查閱多個網(wǎng)頁、對比不同信息、甚至進行計算驗證，這個過程需要大量的思考和決策?，F(xiàn)在的AI助理雖然聰明，但面對這類復(fù)雜任務(wù)時就像一個全能選手試圖同時處理太多事情，結(jié)果往往顧此失彼。人大團隊的這項研究提出了一個全新的解決方案：讓AI像現(xiàn)實中的工作團隊一樣分工合作，有人負責(zé)制定總體計劃，有人負責(zé)具體執(zhí)行，各司其職卻又協(xié)調(diào)配合。

傳統(tǒng)的AI搜索就像一個人既要當導(dǎo)演又要當演員，還要兼任攝影師和剪輯師。這種"一人身兼數(shù)職"的模式雖然看似高效，但實際上會因為任務(wù)過多而導(dǎo)致思路混亂，最終影響工作質(zhì)量。研究團隊發(fā)現(xiàn)，當AI系統(tǒng)試圖在推理過程中直接調(diào)用搜索工具、處理圖片或執(zhí)行代碼時，這些具體操作的細節(jié)會干擾其高層次的邏輯思考，就像一個指揮家在指揮交響樂時突然被要求去調(diào)試音響設(shè)備一樣。

為了解決這個問題，研究團隊開發(fā)了名為HiRA（Hierarchical ReAsoning）的框架，這個系統(tǒng)就像一個高效的企業(yè)組織架構(gòu)。在這個"企業(yè)"中，有一個負責(zé)戰(zhàn)略規(guī)劃的"總經(jīng)理"（元推理規(guī)劃器），一個負責(zé)任務(wù)分配和協(xié)調(diào)的"項目經(jīng)理"（自適應(yīng)推理協(xié)調(diào)器），還有多個各有專長的"部門主管"（領(lǐng)域?qū)ｉT執(zhí)行器）。每個角色都專注于自己最擅長的工作，通過有序的溝通和協(xié)作來完成復(fù)雜任務(wù)。

這種分工協(xié)作的理念源于一個簡單卻深刻的觀察：在現(xiàn)實生活中，最優(yōu)秀的團隊往往不是由全能型人才組成的，而是由專業(yè)分工明確、協(xié)作高效的專家團隊構(gòu)成的。一家成功的餐廳不會讓主廚同時兼任服務(wù)員和收銀員，同樣，AI系統(tǒng)也不應(yīng)該讓同一個模型既做抽象規(guī)劃又處理具體執(zhí)行細節(jié)。

HiRA系統(tǒng)的核心創(chuàng)新在于建立了三層清晰的分工體系。最上層是元推理規(guī)劃器，它就像一個經(jīng)驗豐富的項目經(jīng)理，負責(zé)理解用戶的復(fù)雜需求，將其分解為一系列具體可執(zhí)行的子任務(wù)。這個規(guī)劃器不需要關(guān)心具體如何搜索網(wǎng)頁或處理圖片，它只需要用自然語言描述"需要搜索ASEAN國家列表"或"需要計算兩個城市之間的距離"這樣的子任務(wù)。

中間層是自適應(yīng)推理協(xié)調(diào)器，扮演著"項目經(jīng)理"的角色。它接收來自上層的子任務(wù)描述，分析每個任務(wù)的特點和難度，然后決定派遣哪個專門團隊來處理。如果任務(wù)需要深度網(wǎng)絡(luò)搜索，它會選擇搜索專家；如果需要處理圖片或視頻，它會指派多模態(tài)專家；如果需要編程計算，它會安排代碼專家。更重要的是，這個協(xié)調(diào)器還負責(zé)將專家的工作成果轉(zhuǎn)化為易懂的形式，反饋給上層規(guī)劃器。

最底層是各個領(lǐng)域的專門執(zhí)行器，它們就像不同部門的技術(shù)專家。搜索專家擅長在網(wǎng)絡(luò)上查找信息，既能進行快速的事實查詢，也能進行深度的多輪探索；多模態(tài)專家能夠理解和分析圖片、視頻、音頻等不同類型的媒體內(nèi)容；計算推理專家則能夠編寫和執(zhí)行代碼，處理需要精確計算的任務(wù)。每個專家都專注于自己的專長領(lǐng)域，通過多輪思考和工具調(diào)用來完成分配的任務(wù)。

為了確保這個"團隊"能夠高效協(xié)作，研究團隊還設(shè)計了一套雙通道記憶機制，就像公司的知識管理系統(tǒng)。這套系統(tǒng)包含兩種類型的記憶：事實記憶和資源記憶。事實記憶存儲各個專家在工作過程中發(fā)現(xiàn)的重要信息和結(jié)論，并記錄這些信息的來源，確?？勺匪菪?。資源記憶則保存有用的信息資源路徑，如網(wǎng)頁鏈接、文件位置等，為后續(xù)任務(wù)提供參考。這樣，當處理相關(guān)任務(wù)時，新的專家可以利用之前的發(fā)現(xiàn)，避免重復(fù)勞動。

這種分工協(xié)作的設(shè)計帶來了顯著的優(yōu)勢。首先是思路更加清晰，上層規(guī)劃器不再被具體操作的細節(jié)所干擾，能夠?qū)Ｗ⒂谶壿嬐评砗筒呗灾贫āＦ浯问菆?zhí)行更加高效，每個專家都能在自己擅長的領(lǐng)域發(fā)揮最大效能。再次是擴展性更強，當需要增加新的能力時，只需要添加相應(yīng)的專家模塊，而不需要重新訓(xùn)練整個系統(tǒng)。

為了驗證這套系統(tǒng)的效果，研究團隊在四個具有挑戰(zhàn)性的深度搜索任務(wù)上進行了全面測試。這些任務(wù)涵蓋了不同的難度等級和應(yīng)用場景，包括需要多步推理的通用AI助理任務(wù)、需要網(wǎng)頁導(dǎo)航的信息檢索任務(wù)、需要事實核查的簡單問答，以及需要復(fù)雜推理的學(xué)術(shù)問題。

在通用AI助理測試中，HiRA系統(tǒng)的表現(xiàn)最為出色。這類任務(wù)通常需要綜合運用多種能力，比如搜索信息、處理文件、進行計算等。傳統(tǒng)的單一模型方法在這種復(fù)雜任務(wù)上往往力不從心，而HiRA系統(tǒng)通過合理的任務(wù)分解和專家協(xié)作，能夠系統(tǒng)性地處理各個環(huán)節(jié)。實驗結(jié)果顯示，HiRA在最困難的任務(wù)級別上達到了15.8%的準確率，而傳統(tǒng)方法只有0-5.2%的表現(xiàn)。

網(wǎng)頁導(dǎo)航任務(wù)的測試結(jié)果同樣令人鼓舞。這類任務(wù)要求AI系統(tǒng)能夠在多個網(wǎng)頁之間跳轉(zhuǎn)，提取和整合信息。HiRA系統(tǒng)在不同難度級別上都表現(xiàn)出了穩(wěn)定的優(yōu)勢，特別是在需要深度探索的困難任務(wù)上，其54.2%的準確率明顯超過了其他方法的31.3-53.0%。

在事實核查任務(wù)上，HiRA系統(tǒng)展現(xiàn)了其在處理大量信息時的優(yōu)勢。雖然這類任務(wù)相對簡單，但需要快速準確地從海量信息中提取相關(guān)事實。HiRA的81.5%準確率證明了其在信息檢索和驗證方面的可靠性。

最有挑戰(zhàn)性的學(xué)術(shù)問題測試進一步證實了分工協(xié)作的價值。這些問題通常涉及數(shù)學(xué)、物理、計算機科學(xué)等多個領(lǐng)域，需要深度的推理和計算。雖然所有系統(tǒng)在這類任務(wù)上的整體表現(xiàn)都不算很高，但HiRA的14.2%準確率仍然顯示出其在處理復(fù)雜推理任務(wù)時的潛力。

為了更深入地理解系統(tǒng)各個組件的作用，研究團隊還進行了詳細的消融實驗。這些實驗就像拆解一臺精密機器，逐個移除不同部件來觀察性能變化。結(jié)果發(fā)現(xiàn)，協(xié)調(diào)器的推理轉(zhuǎn)移機制最為關(guān)鍵，當移除這個功能時，系統(tǒng)性能出現(xiàn)了顯著下降。這說明合理的任務(wù)分配和專家選擇對整體效果至關(guān)重要。

記憶機制的重要性也得到了驗證，特別是在涉及文件處理的任務(wù)中。當移除記憶功能時，系統(tǒng)需要重復(fù)獲取已經(jīng)處理過的信息，導(dǎo)致效率降低。這就像團隊成員沒有共享的工作記錄，總是在重復(fù)別人已經(jīng)做過的工作。

在執(zhí)行層面，不同類型專家的貢獻各有不同。搜索專家的作用最為明顯，移除后系統(tǒng)在所有任務(wù)上都出現(xiàn)大幅性能下降，這不難理解，因為深度搜索任務(wù)本質(zhì)上都需要從網(wǎng)絡(luò)獲取信息。代碼專家的重要性在多功能任務(wù)中表現(xiàn)突出，而多模態(tài)專家雖然影響相對較小，但在涉及圖片、視頻處理的特定任務(wù)中仍然不可或缺。

效率分析結(jié)果也很有啟發(fā)性。相比于直接將所有工具集成到單一模型中的方法，HiRA系統(tǒng)實際上使用了更少的推理步驟和環(huán)境交互次數(shù)。這看似矛盾的結(jié)果實際上反映了分工協(xié)作的效率優(yōu)勢：每個專家在自己的領(lǐng)域內(nèi)能夠更快地找到解決方案，避免了單一模型在多個工具之間反復(fù)嘗試的低效模式。

研究團隊通過一個具體案例生動地展示了HiRA系統(tǒng)的工作流程。這個案例要求找出ASEAN國家中首都地理距離最遠的兩個國家。系統(tǒng)首先通過元推理規(guī)劃器分析任務(wù)，認識到需要先獲取ASEAN國家列表，然后計算各首都之間的距離。隨后，協(xié)調(diào)器將信息搜索任務(wù)分配給搜索專家，將距離計算任務(wù)分配給代碼專家。

在執(zhí)行過程中，系統(tǒng)還展現(xiàn)了自我糾錯的能力。當代碼專家在處理緬甸首都名稱時遇到拼寫問題導(dǎo)致搜索失敗，協(xié)調(diào)器能夠識別這個問題，重新分配任務(wù)確認正確的拼寫，然后讓代碼專家用正確信息重新計算。這種自適應(yīng)調(diào)整能力是傳統(tǒng)單一模型方法難以實現(xiàn)的。

這項研究的意義遠超出了技術(shù)本身的創(chuàng)新。它為AI系統(tǒng)的設(shè)計提供了一個新的思路：不是追求單一模型的全能性，而是通過合理的分工協(xié)作來實現(xiàn)復(fù)雜任務(wù)的高效處理。這種理念在其他AI應(yīng)用領(lǐng)域也有廣闊的應(yīng)用前景，比如自動化軟件開發(fā)、科學(xué)研究輔助、教育個性化等場景。

從實用角度來看，HiRA系統(tǒng)的模塊化設(shè)計使其具有很強的擴展性和適應(yīng)性。當需要處理新類型的任務(wù)時，只需要開發(fā)相應(yīng)的專家模塊并接入?yún)f(xié)調(diào)框架，而不需要重新設(shè)計整個系統(tǒng)。這種設(shè)計理念對于實際部署具有重要價值，特別是在需要快速適應(yīng)新需求的商業(yè)環(huán)境中。

當然，這項研究也面臨一些挑戰(zhàn)和限制。多模型協(xié)作必然帶來額外的計算開銷和復(fù)雜性，如何在性能提升和資源消耗之間找到平衡點是一個需要持續(xù)優(yōu)化的問題。此外，不同專家之間的協(xié)調(diào)機制還有進一步完善的空間，特別是在處理更加復(fù)雜和開放性的任務(wù)時。

展望未來，這種分工協(xié)作的AI系統(tǒng)設(shè)計理念可能會催生更多創(chuàng)新應(yīng)用。我們可能會看到專門處理不同學(xué)科問題的AI專家團隊，或者能夠模擬不同角色視角的創(chuàng)意工作助手。更進一步，這種理念甚至可能影響整個AI行業(yè)的發(fā)展方向，從追求通用人工智能的單一模型轉(zhuǎn)向構(gòu)建高效協(xié)作的AI生態(tài)系統(tǒng)。

說到底，HiRA系統(tǒng)的核心價值在于證明了一個簡單而深刻的道理：有時候，最好的解決方案不是讓一個人做所有事情，而是讓合適的人做合適的事情。在AI快速發(fā)展的今天，這種"術(shù)業(yè)有專攻"的設(shè)計理念可能為我們開啟了一扇通往更智能、更高效AI系統(tǒng)的大門。對于普通用戶而言，這意味著未來的AI助理將能夠更好地理解和處理復(fù)雜需求，提供更準確、更有用的幫助。

Q&A

Q1：HiRA系統(tǒng)和傳統(tǒng)AI搜索有什么區(qū)別？ A：傳統(tǒng)AI搜索像一個人既當導(dǎo)演又當演員，容易顧此失彼。HiRA系統(tǒng)則像一個專業(yè)團隊，有負責(zé)規(guī)劃的"總經(jīng)理"、負責(zé)協(xié)調(diào)的"項目經(jīng)理"和各有專長的"部門專家"，通過分工協(xié)作來處理復(fù)雜任務(wù)，效率更高、結(jié)果更準確。

Q2：這種分工協(xié)作的方式會不會讓AI變得更復(fù)雜難用？ A：恰恰相反，對用戶來說使用會更簡單。用戶只需要向系統(tǒng)提出問題，系統(tǒng)內(nèi)部會自動進行任務(wù)分解和專家協(xié)調(diào)，用戶不需要了解具體的執(zhí)行過程。就像去餐廳吃飯，你只需要點菜，不需要管廚房里是怎么分工的。

Q3：HiRA系統(tǒng)能處理哪些類型的任務(wù)？ A：HiRA系統(tǒng)特別擅長需要綜合多種能力的復(fù)雜搜索任務(wù)，比如需要搜索網(wǎng)頁、處理圖片視頻、進行計算驗證的問題。實驗顯示它在通用AI助理任務(wù)、網(wǎng)頁導(dǎo)航、事實核查和學(xué)術(shù)問題等方面都有顯著提升，準確率比傳統(tǒng)方法高出很多。