Deep Research 的多轮检索，进行到什么程度停止？怎么判断？

先这样答

多轮检索应在信息饱和、预算达到上限或目标已经达成时停止，并结合新增证据的冗余度和答案置信度变化判断。

先看信息饱和。把新一轮检索得到的内容与已有信息比较。如果重叠率持续较高，新增证据带来的信息增益就会变低。可以把增益低于阈值作为停止信号。还要观察答案置信度是否继续变化。如果继续检索没有带来新的证据，也没有改变已有结论，就没有必要继续。

再看预算和目标。预算上限可以由轮次、token 或时间构成。任一项达到上限，都应停止检索。目标达成也可以提前停止。如果中间结果已经足以回答问题，就不必为了增加轮次而继续搜索。实际使用时，先在小规模任务集上扫参数，得到阈值初值。上线后再根据反馈调整。

面试官会怎么追问

• 「追问原话」怎么判断新一轮检索还有没有价值？
  比较新增证据与已有信息的重叠率。重叠率高，说明新内容重复较多。再看答案置信度是否发生变化，两项信号都显示增益变低时，可以停止。

• 「追问原话」信息饱和、预算上限和目标达成发生冲突时，听谁的？
  这三类条件都可以作为停止条件。目标已经达成时，可以直接停止。预算达到上限时，也必须停止；如果没有达到这两项，就继续观察信息增益和答案置信度变化。

• 「追问原话」停止阈值应该怎么设置？
  先在小规模任务集上扫参数，得到一个初始阈值。线上运行后，根据反馈调整参数。调整时继续关注新增证据的冗余度和答案置信度变化。

回答的坑

• 只说“检索到足够多就停”，却没有说明信息饱和的判断信号和阈值。
• 只强调信息质量，却漏掉轮次、token、时间预算以及目标达成条件。