摘要
针对现有大模型多智能体系统在广域搜索任务中效率低下的问题，本文提出 A-MapReduce 框架。该框架受 MapReduce 范式启发，将广域搜索重构为水平结构化检索问题，通过任务自适应分解实现大规模目标的并行处理，并利用结构化结果聚合优化输出。此外，系统利用经验记忆驱动查询条件下的任务分配持续进化。实验表明，该方法在多个基准测试中达到最先进水平，显著提升了性能并降低了运行成本。
AI 推荐理由
论文提出基于 MapReduce 的多智能体框架，核心在于任务自适应分解与结构化聚合的规划机制。
研究机构
北京高级区块链研究中心
北京计算科学研究中心
清华大学
新加坡国立大学
论文信息