[IR]《Caesar: Deep Agentic Web Exploration for Creative Answer Synthesis》J Liang, E Meyerson, R Miikkulainen [Cognizant AI Lab] (2026)

在网络搜索领域,现有智能体被困在"无状态检索"范式中——它们将互联网视为扁平的文档序列,逐页处理后即丢弃拓扑关系。这导致"导航失忆症":反复访问冗余内容,生成统计上最可能但缺乏创造性的总结。本质原因是缺少人类研究者构建心智地图、识别非显见连接的能力。

Caesar的核心洞见是:把网络探索重构为图遍历问题,而非线性检索。它在访问过程中动态构建知识图谱G,每个节点存储页面洞察及其与邻居节点的语义关系。关键操作是拓扑条件推理——新信息的提取不是孤立进行,而是相对于图中已有节点分析矛盾与桥接,自动发现组合式创意。合成阶段采用对抗性精炼循环:初稿生成后,系统主动寻找叙事弱点,生成正交查询迫使探索新方向,最后通过生成式合并统一多轮草稿。

这项工作真正留下的遗产是将网络智能体从"被动图书管理员"升级为"主动探索者"。它为后来者打开的新门是:通过结构化记忆实现联想推理,使AI能产生符合"新颖、有用、惊奇"三要素的创造性输出。但尚未跨过的门槛是计算成本——单次深度探索需$80-100,且在简单事实查询上会产生不必要的复杂度,限制了实时应用场景。

arxiv.org/abs/2604.20855

#机器学习# #人工智能# #论文# #AI创造营#