摘要
针对现有基于大语言模型的搜索智能体在同时处理搜索深度与覆盖范围时的局限性,本文提出 WebSwarm,一种渐进式递归委托框架。该框架在推理过程中联合构建任务分解、递归扩展与智能体协作。通过动态实例化耦合局部目标与搜索模式的智能体节点,系统支持节点自主求解或向下委托子节点,并将证据向上传递以指导父节点的扩展、修正或聚合。实验表明,WebSwarm 在多种深度、广度及混合任务上均优于单智能体及现有多智能体基线。
AI 推荐理由
论文提出递归委托框架,核心在于动态任务分解、多步规划生成及代理协作机制。
研究机构
Gaoling School of Artificial Intelligence, Renmin University of China
论文信息