IterSynth：把深度搜索代理劈成两半，8B 小模型就赢了

ReAct 式的深度搜索代理，让一个策略同时干三件事：规划下一个查询、读证据、写答案，身后还拖着一条越来越长的搜索历史。腾讯的 IterSynth（arXiv 2609.29444）用一个结构改动把两个毛病一起治了：把代理拆成 Planner 和 Synthesizer，前者判断还缺什么信息，后者把新证据揉进一份不断更新的摘要里。搜索的持久状态从原始历史变成了这份摘要。

训练也有自己的招。Role-Decoupled Policy Optimization 把最终结果奖励和每一轮的评分细则结合起来，并且给两个角色分别算优势值。于是 Planner 因为问得好被奖励，Synthesizer 因为整合得好被奖励，而不是两人共用一个模糊的分数。

结果：在 BrowseComp、Xbench-DeepSearch 等五个长程深度搜索基准上，IterSynth-8B 平均 50.7 分，比此前 8B 及以下最强的代理高 4.2%。对从不训模型的人来说更有意思的一点：把它当纯提示词范式，零样本套在前沿闭源模型上，相比 ReAct 依然有明显提升。

这是各路 harness 论文从不同角度反复在讲的同一课：上下文才是稀缺资源，解法是结构，不是更多 token。用滚动摘要当状态，任何搜索代理明天就能用上，有没有强化学习都行。代码在 github.com/Tencent/IterSynth。