Feb 26, 2026 · SMTL
Search More, Think Less：深度研究 Agent 用并行取证降低 70.7% 推理步骤
2026 年 2 月 26 日提交的 SMTL 用并行证据获取替代串行深推理；在 BrowseComp 上相对 Mirothinker-v1.0 减少 70.7% 平均推理步骤并提升准确率，同时报告 BrowseComp 48.6%、GAIA 75.7%。
EVENT STORY
Development
- First ReportSearch More, Think Less：深度研究 Agent 用并行取证降低 70.7% 推理步骤arXiv cs.AI
- Current Assessment研究 Agent 的成本竞争将从模型 token 单价扩展到搜索并行度、证据利用率和每个正确答案的推理步数；更长的思考过程不会自动带来更高质量。Agent Pulse · analysis
深度研究 Agent 不一定需要无限延长思考链。SMTL 把预算从串行推理转向并行搜索与上下文管理，显示搜索覆盖、任务合成和强化学习可以同时改善成本与泛化。
框架并行获取证据，在受限上下文中管理材料，并用统一数据合成流水线覆盖确定性问答与开放研究任务，再以监督微调和强化学习训练端到端 Agent。论文同时报告 Xbench 82.0% 与 DeepResearch Bench 45.9%。
研究 Agent 的成本竞争将从模型 token 单价扩展到搜索并行度、证据利用率和每个正确答案的推理步数；更长的思考过程不会自动带来更高质量。
采购深度研究产品时应同时比较正确率、搜索次数、推理步数、延迟与证据覆盖，优先选择单位正确结果成本更低的方案。
需要核验并行搜索的外部请求成本、来源重复、开放任务评分可靠性，以及不同搜索引擎和语言下的收益。