From Inertia to Objectivity: Improving Deep Research Agents with Noise Isolation
作者: Xiangxin Zhang, Zhanwei Zhang, Zhihang Fu, Binbin Lin, Wenxiao Wang
分类: cs.AI
发布日期: 2026-08-24
备注: EMNLP 2026
💡 一句话要点
提出NIS-Agent以解决深度研究代理的惯性偏差问题
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 惯性偏差 上下文隔离 深度研究代理 大型语言模型 信息检索 自动问答系统 模型评估
📋 核心要点
- 现有的基于LLMs的搜索代理在深度研究任务中存在惯性偏差，导致后续判断不够客观。
- 论文提出NIS-Agent，通过在关键决策点实施上下文隔离来减轻惯性偏差的影响。
- 实验结果显示，NIS-Agent在多个基准上表现优异，同时令牌成本降低了33%。
📝 摘要（中文）
基于大型语言模型（LLMs）的网络搜索代理展现出强大的潜力，但在深度研究任务中暴露出一种反复出现的失败模式：一旦代理产生了查询、计划或中间结论，它在后续判断同一行动的后果时变得不够客观。我们将这种现象称为惯性偏差。为使其可测量，我们引入了IBIS基准，控制搜索观察，同时变化模型是否在评估自身先前行动的结果。研究发现，当模型“拥有”先前的搜索步骤时，其表现显著下降，表明自我创作的行动历史会系统性地扭曲后续判断。为解决这一问题，我们提出了NIS-Agent，在网页筛选和最终答案验证两个最易受惯性偏差影响的决策点应用上下文隔离。NIS-Agent在多个基准上表现出竞争力，同时相比基线减少了33%的令牌成本。
🔬 方法详解
问题定义：论文要解决的问题是深度研究代理在执行查询后，因惯性偏差导致后续判断不够客观。现有方法未能有效处理这一问题，导致搜索噪声和上下文噪声的传播。
核心思路：论文的核心解决思路是引入上下文隔离技术，特别是在网页筛选和最终答案验证两个关键决策点，以减少惯性偏差的影响。这样的设计旨在提高模型在自我评估时的客观性。
技术框架：整体架构包括两个主要模块：网页筛选和最终答案验证。在这两个模块中，NIS-Agent通过隔离上下文信息来减少模型对自身历史行动的依赖，从而提高判断的客观性。
关键创新：最重要的技术创新点在于引入了IBIS基准和NIS-Agent框架，前者用于量化惯性偏差，后者通过上下文隔离技术有效减轻了这一偏差，与现有方法相比，提供了更为客观的评估机制。
关键设计：在NIS-Agent中，关键参数设置包括上下文隔离的策略和损失函数的设计，确保模型在评估时不受先前行动的影响。此外，训练了一个8B模型，使其在惯性偏差方面更具内在抵抗力。
🖼️ 关键图片
📊 实验亮点
实验结果表明，NIS-Agent在GAIA、WebWalkerQA、BrowseComp和BrowseComp-zh等基准上表现出竞争力，且相比基线减少了33%的令牌成本。此外，经过训练的8B模型在深度研究基准上表现与GPT-4o相当，显示出良好的抗惯性偏差能力。
🎯 应用场景
该研究的潜在应用领域包括智能搜索引擎、自动问答系统和深度学习辅助的研究工具。通过提高模型的客观性，NIS-Agent能够在复杂的研究任务中提供更可靠的支持，未来可能在学术研究、信息检索等领域产生深远影响。
📄 摘要（原文）
Web search agents powered by Large Language Models (LLMs) show strong promise, but deep research tasks expose a recurring failure mode: once an agent has produced a query, plan, or intermediate conclusion, it becomes less objective when later judging the consequences of that same action. We term this phenomenon \textbf{inertia bias}. To make it measurable, we introduce the IBIS benchmark, which controls the search observations while varying whether the model is evaluating the outcome of its own prior action. We find that models are substantially worse when they ``own'' the preceding search step, showing that self-authored action history can systematically distort subsequent judgment. We further show that this bias propagates into two forms of system-level degradation: search noise at the worker level and contextual noise at the manager level. To address this problem, we propose NIS-Agent, which applies context isolation at the two decision points most vulnerable to inertia bias: webpage triage and final-answer validation. Across GAIA, WebWalkerQA, BrowseComp, and BrowseComp-zh, NIS-Agent achieves competitive performance while reducing token cost by 33\% compared to our baseline. We further train an 8B model to be intrinsically more resistant to inertia bias; under the same NIS-Agent framework, it attains average performance comparable to GPT-4o on deep research benchmarks.