深度搜索要求大语言模型智能体拆解复杂查询、检索证据并综合出有依据的答案。现有 ReAct 风格智能体有两处限制：角色耦合，即同一策略必须同时处理规划、证据使用与答案综合；以及上下文堆积，搜索历史不断变长，引入噪声并掩盖有用信息。IterSynth 用角色解耦、基于摘要的范式来应对：Planner 与 Synthesizer 交替工作，摘要作为搜索的持久状态。
规划与综合为什么要拆开
IterSynth 在两个角色之间交替。Planner 识别当前信息缺口，Synthesizer 把新证据写入一份持续演进的摘要。设计意图很直接：规划与综合不再绑在同一策略上，摘要替代不断膨胀的原始检索轨迹，同时减轻能力耦合与上下文噪声。材料未给出摘要如何截断、工具如何调用或每轮交互次数，细节只能止于此。
训练与实验结果
为有效训练该流程，作者引入 Role-Decoupled Policy Optimization（RDPO）。该方法结合终端结果奖励与回合级评分量表，并计算角色特定的优势，以便更精确地分配信用。实验在五项长程深度搜索基准上进行，文中举例 BrowseComp 与 Xbench-DS。IterSynth-8B 平均得分 50.7，超过此前最强不超过 8B 的智能体 4.2%。同时，IterSynth 可作为与模型无关的提示范式，在前沿闭源模型上相对 ReAct 及类似提示取得可观的零样本提升。分项分数、对照智能体名称、闭源模型与具体增益均未在摘要中给出，不宜补写。
我的判断
这篇文章把深度搜索的痛点说得很具体：失败未必只来自检索质量，也可能来自角色混用和历史膨胀。分角色加滚动摘要，作为提示骨架或训练结构都说得通；RDPO 针对角色级信用分配，方向也对。IterSynth-8B 平均 50.7、相对同规模最强基线高 4.2%，说明在所述设定下有效，但提升幅度有限，且「最强先验」的范围摘要并未列清。
适用面应限于需要多轮检索再落笔的长程任务；短查询拆两个角色可能只是增加周转。主要风险是摘要压缩会丢证据细节，错误一旦写入状态会在后续轮次被当成事实。RDPO 依赖回合级量表，量表如何构造、是否稳定，材料不足，无法判断可复现性。闭源零样本增益没有数字，只能记作方向性结果。对开发者，值得当成一种可替换 ReAct 的搜索循环来试，而不是把 50.7 当成深度搜索的新上限。