DeepResearch子模优化法生成多样化查询_AI热点日报

针对DeepResearch系统，传统提示词方法生成查询时存在多样性不足、内部相似度高的问题。结合句向量与子模优化，通过设施选址或显式平衡相关性及多样性设计目标函数，利用贪心算法可在有限查询数量下筛选出既能紧扣原始问题又充分多样化的查询组合，有效提升查询覆盖率和系统性能。

在构建DeepResearch系统时，生成高质量、多样化的查询（query）是提升信息覆盖率和搜索结果质量的关键。本文将从传统提示词方法的局限性出发，系统介绍如何利用子模优化（Submodular Optimization）结合句向量，在有限查询数量下，科学地筛选出既紧扣原始问题又充分多样化的查询组合。本教程包含核心挑战、实验对比、数学建模、算法实现与效果验证，适合希望优化DeepResearch查询生成策略的开发者与研究者。

一、DeepResearch系统查询多样性面临的核心挑战

在开发DeepResearch时，生成多样化的查询是一个关键细节。我们在开发时会在至少两处遇到这个问题：

解析用户原始输入生成网页搜索查询：直接把原始输入抛给搜索引擎，效果往往不尽人意。
研究方案规划器分解子问题：许多系统会前置一个“研究方案规划器”，负责将原始问题分解为多个正交的子问题，然后调用Agent分而治之，最后整合处理结果。

无论是生成搜索查询还是拆解子任务，我们的生成目标是相同的：

生成的查询必须既能紧扣原始问题，又要足够多样化，从不同视角全面探索问题。 同时，为了控制成本，我们还必须控制查询的数量，避免向搜索引擎或大语言模型（LLM）发起不必要的请求。

二、传统提示词方法的不足与实验对比

虽然业界都认识到查询多样性的重要价值，但多数开源的DeepResearch项目在处理这一优化问题时，方法却略显粗放。它们往往选择了一条捷径：直接将多样性、相关性等要求写死在提示词（Prompt）里。有些方案会更进一步，追加一轮LLM调用，让模型自行评估和调整，以期提升多样性。这些方法构成了当前主流的实现思路，但其效果和稳定性仍有待商榷。

上图展示了两种主流的提示词策略，来引导LLM生成多样化查询。上方的提示词言简意赅，下方的则设计得更为精密、结构化。实验中，我们设定原始查询为“向量与重排器”（embeddings and rerankers），并采用 gemini-2.5-flash 模型，目标是测试在给定查询数量下，这两种提示词能否有效地产出足够多样化的结果。

实验设置与提示词示例

简单提示词：

你是一位生成多样化搜索查询的专家。对于任何输入主题，生成 {num_queries} 个不同的搜索查询，以探索该主题的各个角度和方面。

结构化提示词：

你是一位专业的研究策略师。请生成一个最优的多样化搜索查询集，以最大化信息覆盖范围，同时最小化冗余。

任务：根据任意给定的输入，创建恰好 {num_queries} 个满足以下条件的搜索查询：
- 相关性：每个查询必须与原始输入在语义上相关。
- 多样性：每个查询应探索一个独特的方面，且重叠最小。
- 覆盖率：所有查询合在一起应能全面地涵盖该主题。

流程：
1. 分解：将输入分解为核心概念和维度。
2. 视角映射：识别不同的角度（理论、实践、历史、比较等）。
3. 查询构建：为每个视角精心设计具体的、可搜索的查询。
4. 多样性检查：确保查询之间的语义重叠最小。

实验流程如下：我们选用 gemini-2.5-flash 模型，以 embeddings and rerankers 为原始查询，分别运用上述两种提示，迭代生成1至20个查询。生成查询后，我们随即调用 jina-embeddings-v3 的 text-matching，从两个维度进行评估：一是衡量生成查询与原始查询的相关性，二是衡量生成查询集内部彼此的多样性。评估指标均为句向量的余弦相似度。

从结果图（右侧两图）来看，两种提示词在“查询集内部相似度”这一指标上，表现出惊人的一致性。 无论生成多少查询，其内部相似度的中位数始终徘徊在0.4到0.6的高位。有意思的是，当查询数量增多时，简单提示词产出的结果反而更多样化一些；而结构化提示的优势则在于，它能更稳定地维系结果与原始查询的相关度，使其保持在0.6左右。

然而，两张右侧图表也暴露了更深层的问题。首先，两种方法生成的查询相似度得分方差巨大，甚至大量落在0.7至0.8的区间，这说明模型产出了许多语义几乎完全重复的查询。此外，随着查询数量的增加，两种方法都显现出维持多样性的乏力。我们期待看到的“查询越多、内部相似度越低”的理想趋势并未出现，取而代之的是一条居高不下的稳定的水平线。这意味着，模型新增的查询，很可能只是对已有视角的不断复述。

为什么会这样？ Wang等人（2025）的研究或许能给我们一些启示。他们发现，即使有提示词加以引导，大语言模型依然会不成比例地放大主流群体的观点，表现出对普遍视角的固有偏好。

_{https://arxiv.org/abs/2505.15229}

这背后的根源，在于其训练数据对某些观点的过度呈现，使得模型在生成内容时，自然而然地向这些主流视角靠拢。无独有偶，Abe等人（2025）的研究也印证了这一点，指出基于LLM的查询扩展会优先采纳流行的解释，而忽视那些小众但同样有价值的角度。

_{https://arxiv.org/abs/2505.12349}

一个典型的例子是，当你询问“人工智能的好处”，模型很可能滔滔不绝地列举自动化、高效率、合乎伦理等众所周知的优点，却极易遗漏像“加速新药研发”这类不那么大众化，却意义重大的应用场景。