整体上，泛化于此里更像为一种轻量级回溯，用来于不同细化分支之间切换，而不为延续性地将查询维持于宽泛层级。
会话层面：Session Intent，即智能体于此次搜索中试图成之差事类型；逐步步骤轨迹层面：Trajectory Move，即相邻两条查询之间之改写动作类型。
03 从请求到会话：Session 切分法门 总体而言，该研讨既为观察与估量 Agentic Search 举止提供之首名大规模开源日志，也为后续于智能体操练与体系设计中显式建模 “会不会搜” 提供之可复现之数据根基与可量化之举止信号。
大约一半以上之新词可于之前检索到之文档中找到。
隐私方面，日志经过之字段裁剪与匿名化办理：去除直接可识别讯息，对逍遥文本进行 PII 清理，并重新生成会话级别之匿名 ID，最终于 Hugging Face 上公开。
对于从事讯息检索与智能体体系研讨之读者，此份数据与框架为体谅与改善 agentic search 提供之新之切入点；对于营造实践者，则可据此审视现有体系之举止模式，并据实引入新之监控与控制机制。
论文标题：Agentic Search in the Wild: Intents and Trajectory Dynamics from 14M+ Real Search Requests论文链接：https://arxiv.org/abs/2601.17617 3.将 CTAR 等 “讯息采纳率” 指标纳入体系监控 统计结局表明，日志中以陈述型差事为主，其次为推演型差事，历程型差事比例相待较小。
2.Procedural：历程型 / 操作与步骤检索 案例1：事实型会话之后期形成“重试轮回” 日志中之每条记载包含如下讯息： 1.重复动作可视为潜于 “停滞信号” 专化与探求动作之 CTAR 明显高于平均水平，说明此两类改写更依赖已有文档讯息；重复动作之 CTAR 则较低，通常对应表述上之微调或重试，而非基于新讯息之计策调理。
不同智能体可以任意计策调用该接口，但所有请求皆运行于一统之检索根基设施之上。
对相邻查询对 q_k → q_{k+1} 进行分词与停用词过滤；找出 q_{k+1} 中首次现之 “新词”；于上一步或累积至今之史册检索结局中查验此些新词为否以词面样貌现；CTAR 即为 “于上下文中现之新词占全部新词之比例”。
01 从差事到举止：Agentic Search 之缺失一环 2. 其次，用查询之向量表示操练一名连续性判别模型，预测两条查询之间为否应归为同一 session； 于会话划分之根基上，论文从两层视角刻画 agentic search 历程： 基于 DRGym 平台采集并清洗之 1400 万 + 请求、约 400 万会话，于经过匿名化办理后，于 Hugging Face 平台公开，为后续研讨提供之可复现之举止数据根基。
此表明，于相当多之步骤中，智能体并非完全凭空提出新之机缘，而为从已有获取讯息中采纳术语与约束。
儿童相见不相识，笑问客从何处来。3.史册上下文具有额外贡献 原始日志为光阴顺序之请求流，要剖析举止模式，需先划分搜索会话。
用文本向量表示（embedding）剖析查询语义分布，结局显示查询覆盖之语义方位较为散落；将日志中之查询与若干常用 Agentic Benchmark 之题目进行语义匹配，重合比例极低。
需强调之为，CTAR 仅刻画 “新词于检索讯息中之可追溯性”，并不直接等价于因果使用；但由于定义简且易于解释，适协作为衡量 “为否参考检索上下文” 之粗粒度指标。
CTAR 于不同改写类型之间具有明显区分度，于专化与探求步骤中，CTAR 高时往往对应基于检索讯息之实质推进，而重复步骤中 CTAR 较低则更或反映计策停滞。
于多轮检索中，枢纽疑难之一为：新之查询于多大程度上受到之既有检索讯息之影响。
04 两层视角：差事意图与检索轨迹 单轮会话仍然占据必比例，但相当多之会话包含多步查询；大部分相邻请求之光阴间隔于数秒到十几秒之内，体现出 agentic search 中 “高频、小步迭代” 之特征。
然而，不同意图与轨迹状态对检索计策之需求显然不同，即历程型差事更依赖一次性较宽之文档覆盖，推演型差事则往往更需多轮细化与验证。
于单名会话内部，相邻两条查询之间之变化被划分为四种改写动作： 查询文本 query_text；检索文档数量 num_of_docs（即 top-K）；所用数据集 dataset（如 ClueWeb22 / FineWeb）；检索概算相关参数 complexity；光阴戳、匿名化 IP 等会话识别字段。
整体分布上： 此为验证日志为否具有广泛多元用之多样性，而非某些基准题意图重复回放操练，作者从两方面进行之查验： 另一方面，智能体也表现出必之“重置 - 再细化”（Reset-then-Refine）模式，如下图可见，智能体先于一名宽泛主题上做专化（例如从 “拿破仑战役” 收窄到 “1796 年意大利战役”），随后通过往掉此些约束做一次泛化（得到更短、更宽泛之查询），再沿之另一名侧面重新专化（切换到 “埃及远征” 等新之细化方位）。
3.Exploration（探求）：于同一主题下转向新之侧面或子疑难，例如从 “定位” 转向 “属性讯息”； 3.将若干阅历性观察固化为可量化之设计建议 于此根基上，工提出 “会话意图（Declarative / Procedural / Reasoning）→轨迹动作（专化 / 泛化 / 探求 / 重复）→检索讯息采纳率（CTAR）” 三层剖析框架，使用 LLM 进行会话切分与标签推断，刻画出智能体搜索中普遍存之下钻偏好、事实型差事中之重试轮回，以及不同改写模式对史册检索讯息依赖程度之显著差异。
整体来看，智能体呈现出明显之 “下钻偏好”（Drill-down Bias）：专化与探求用频率较高，泛化相待稀少，而于许多事实型会话之后期，重复动作显著增多，形成 “重试轮回”。
因此，更合理之设计为，先对会话意图进行识别，再结合当前轨迹（如为否处于探求阶段、为否陷入重试）动态调理 top-K、上下文长度与器物组合，而非采用全局一统配置。
SQL。然而，此些评测大多基于构造好之题目与离散样本，缺乏对确凿氛围中智能体检索举止之体系观察与架构化剖析： 3.Reasoning：推演型 / 剖析与较量检索 05 Agent 对于搜索到讯息之实在使用： 于大模型驱动之 Agentic Search 日益常态化之底色下，确凿氛围中智能体 “如何发查询、如何改写、为否真正用上检索讯息” 始终缺乏体系刻画与剖析。
4.1 三类 Session Intent 他曾深陷娱乐圈风暴眼中心：与王菲之婚恋、胡同里之日常、媒体长枪短炮之围堵、高原事件之舆论漩涡、烧毁车马之激烈回应…… CMU 团队基于可重复检索平台 DeepResearchGym，从一统后端之半年确凿流量中整理出 1400 万余条搜索请求、约 400 万名会话，于严格匿名化与清洗后，构建并于 Hugging Face 开源之首名 Agentic Search 举止日志数据集。
与旧俗苍生 Web 日志不同，智能体请求往往高频且可并发，仅依赖固定光阴阈值（例如 “间隔超过 30 分钟”）易误分。
4.Repetition（重复）：语义基本不变之轻微改写或直接重试，例如改写语序、替换同义表达。
3. 于线划分时，对同一匿名 IP 下之新查询，与当前所有活跃会话之末尾查询计算连续性分数，于分数与光阴差均知足机缘时并入对应会话，否则开启新会话。
Hugging Face 开源数据集：DeepResearchGym Agentic Search Logs数据集链接：https://huggingface.co/datasets/cx-cmu/deepresearchgym-agentic-search-logs 从查询长度之变化也能看出此一点，即专化通常会拉长查询，而泛化则会缩短查询。
不同意图下，会话长度与检索配置表现出明显差异，例如历程型差事更倾向一次性拉取更多文档，而推演型差事之查询文本往往更长、前后变化幅度更大。
1.提供首名开源之 Agentic Search 举止日志数据集 典型疑难包括 “为什么”“谁为”“列出……”。
2.检索概算应随差事意图与轨迹自随顺调理 因此，可将 CTAR 一类指标纳入体系之观测与调度逻辑：当长光阴观测到 CTAR 偏低或于特定模式下急剧降时，触发算法层或工流层面之干预与重筹划。
不通过宗旨分类下之Query 样例 1.Specialization（专化）：增约束，下钻到更实在之机缘或子范围； 2.Generalization（泛化）：去除约束，将查询放宽到更一般之描述； 1.整体 CTAR 超过一半 多轮会话于实际用中如何展开；不同差事类型下，智能体采用哪些检索计策；于多步改写历程中，检索证据讯息于多大程度上真正影响之后续查询。
人山人海。标注方式为，将一名 session 内全部查询串联，交由 LLM 进行意图分类，并于样本上用另一模型交叉验证，标签可靠性较高。
07 结语：从第一份开源日志 包括 “为什么”“如何权衡”“多因素较量与筹划” 等。
于大量陈述型会话中，随之 Agent 步骤推进，重复改写之占比明显提升，其检索结局高度重叠且 CTAR 较低。
此名指标带来之核心发觉包括： 案例2：“重置-再细化”之步骤轮回 类似之此些标签基于 LLM 对查询对之判别结局得，并结合向量相似度与检索结局重叠进行验证。
2.不同 Trajectory Move 之 CTAR 存显著差异 到 Agentic IR 之 “常识层” 认识 作者沿用经典之 Web Search 宗旨分类，对多轮会话进行三类划分： 此一计策最终得到约 400 万名 session。
于营造上，可基于重复率、结局重叠度与 CTAR 等联手特征，检测并中断重试轮回，强制触发泛化或探求计策，或切换到更高配置之器物链。
03 从请求到会话：Session 切分法门 日志表明，现有许多智能体将检索深度 K 写死为有尽几名固定值，于同一会话内几乎不做调理。
1. 从半年确凿流量中整理出超过 1400 万条 Agentic Search 请求、约 400 万名搜索会话，于严格匿名化与清洗之后，发布为首名开源之 Agentic Search 举止日志数据集。
2.提出面向 Agentic Search 之 “意图–轨迹–讯息使用” 剖析框架 1.Declarative：陈述型 / 事实与学识检索 实在包括，将重复改写视作停滞信号、依据差事意图与轨迹模式自随顺检索概算，以及通过检索讯息采纳率监控智能体为否真正 “读取并使用” 检索结局。
包括 “如何做”“如何修补”“成某项差事之步骤” 等。
02 数据与平台：DRGym 日志概况 4.2 四类 Trajectory Move 通过三类 Session Intent、四类 Trajectory Move 以及 CTAR 指标，从架构与实质两名维度刻画智能体搜索历程，为后续之举止建模、计策较量与操练宗旨设计提供之剖析器物。
与之相待应，已有研讨提出之多种基准差事与评测框架，用于衡量体系于问答、推演、器物调用等方面之性能。
1. 首先，基于一批相邻请求样本，通过 LLM 标注 “为否属于同一会话”，构建连续性标签； 此篇 Agentic Search in the Wild: Intents and Trajectory Dynamics from 14M+ Real Search Requests 论文针对上述缺口，基于 DeepResearchGym（DRGym）平台提出之两方面贡献： 该工采用之语义 + 光阴联手之 Sessionization 计策： 近年来，大型言辞模型驱动之 Agentic Search 与 Deep Research 逐渐成为讯息获取之重要形态，即体系不再只返回一页文书结局，而为通过智能体自动发起多轮检索、阅读文档、改写疑难，复生成统合回答。
由于日志中没有点击、停留光阴等显性交互信号，论文提出之一名简之间接度量：CTAR（Context-driven Term Adoption Rate）。
开天辟地。2. 于此根基上，从差事意图（intent）与检索轨迹（trajectory）两名维度，体系剖析智能体之搜索历程，并提出一名衡量 “为否使用检索到讯息” 之指标 CTAR（Context-driven Term Adoption Rate）。
06 对 Agentic Search 体系设计之启示 基于上述举止剖析与 CTAR 指标，论文于结尾讨论之若干与体系设计直接相关之启示： 整体来看，此篇工成之三件具有根基设施意义之事情： 论文选取约半年光阴窗口，得到来自横跨 25 名国，近 600 名 IP 地址，超过 1400 万条请求日志，约 400 万名会话（session）。
拓展。DRGym 为该团队搭建之一名面向研讨用途之可重复检索平台（https://www.deepresearchgym.ai/），对外提供一统之 /search API，后端基于密集检索，挂载于固定之 Web 语料快照上，例如 ClueWeb22、FineWeb 等。
此种模式可视为体系进入 “原地重试” 之信号。
只看上一轮检索结局时，CTAR 较低；将更早步骤之文档一并纳入后，CTAR 稳固提升，说明部分新词来源于更早之检索讯息，智能体于必程度上会 “回溯” 史册上下文。