ReSum: 通过上下文摘要解锁长时程搜索智能

基本信息

• 标题：ReSum: Unlocking Long-Horizon Search Intelligence via Context Summarization
• 作者：Xixi Wu, Kuan Li, Yida Zhao, Liwen Zhang, Litu Ou, Huifeng Yin, Zhongwang Zhang, Xinmiao Yu, Dingchu Zhang, Yong Jiang, Pengjun Xie, Fei Huang, Minhao Cheng, Shuai Wang, Hong Cheng, Jingren Zhou
• 提交日期：2025年9月16日（v1），最后修订于2026年3月26日（v3）
• 分类：Computation and Language (cs.CL)
• arXiv ID：2509.13313

摘要

基于大语言模型（LLM）的网络智能体在知识密集型任务上表现出色，但面临一个根本性矛盾：任务需要广泛探索，而上下文窗口却受到严格限制。现有解决方案通常依赖架构层面的修改（如内部记忆 token），这不仅破坏了与已有智能体的兼容性，还需要昂贵的端到端重训练。

为解决上述局限，本文提出了 ReSum——一种轻量级、即插即用的范式。它通过定期调用外部工具，将交互历史压缩为紧凑的摘要，从而实现无界探索。尽管该范式无需训练即可运行，但标准智能体本身并不具备对压缩上下文进行推理的能力。为弥补这一差距，作者进一步提出了 ReSum-GRPO，通过优势广播（advantage broadcasting）对分组相对策略优化（Group Relative Policy Optimization, GRPO）进行适配，将最终奖励传播到分段轨迹上，从而在长时程中实现信用分配。

大量实验表明：
- 在免训练设置下，ReSum 相比 ReAct 取得了 4.5% 的提升；
- ReSum-GRPO 在此基础上进一步带来 8.2% 的增益；
- 仅使用 1K 训练样本，经 ReSum 增强的 30B 智能体即可达到与领先开源模型相当的性能，验证了 ReSum 的有效性。

主题分类

• 主分类：Computation and Language (cs.CL)

链接

• PDF：https://arxiv.org/pdf/2509.13313
• DOI：https://doi.org/10.48550/arXiv.2509.13313