論文の概要: InfoSeeker: A Scalable Hierarchical Parallel Agent Framework for Web Information Seeking

• arxiv url: http://arxiv.org/abs/2604.02971v1
• Date: Fri, 03 Apr 2026 11:19:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-06 17:20:24.457533
• Title: InfoSeeker: A Scalable Hierarchical Parallel Agent Framework for Web Information Seeking
• Title（参考訳）: InfoSeeker: Web情報検索のためのスケーラブルな階層型並列エージェントフレームワーク
• Authors: Ka Yiu Lee, Yuxuan Huang, Zhiyuan He, Huichi Zhou, Weilin Luo, Kun Shao, Meng Fang, Jun Wang,
• Abstract要約: ほぼ分解可能性の原理に基づく階層型フレームワークであるフレームワークを,戦略的textitHost,複数textitManagers,並列textitWorkersを含む。 マネージャ層でのアグリゲーションとリフレクションのメカニズムを活用することで、我々のフレームワークは飽和やエラーの伝播を防ぐために厳密なコンテキスト分離を実行します。 2つの補完ベンチマークによる評価は、効率(3～5倍のスピードアップ)と有効性の両方を示し、WideSearch-enで8.4%、BrowseComp-zhで52.9%の精度を達成した。
• 参考スコア（独自算出の注目度）: 39.22757710468795
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent agentic search systems have made substantial progress by emphasising deep, multi-step reasoning. However, this focus often overlooks the challenges of wide-scale information synthesis, where agents must aggregate large volumes of heterogeneous evidence across many sources. As a result, most existing large language model agent systems face severe limitations in data-intensive settings, including context saturation, cascading error propagation, and high end-to-end latency. To address these challenges, we present \framework, a hierarchical framework based on principle of near-decomposability, containing a strategic \textit{Host}, multiple \textit{Managers} and parallel \textit{Workers}. By leveraging aggregation and reflection mechanisms at the Manager layer, our framework enforces strict context isolation to prevent saturation and error propagation. Simultaneously, the parallelism in worker layer accelerates the speed of overall task execution, mitigating the significant latency. Our evaluation on two complementary benchmarks demonstrates both efficiency ($ 3-5 \times$ speed-up) and effectiveness, achieving a $8.4\%$ success rate on WideSearch-en and $52.9\%$ accuracy on BrowseComp-zh. The code is released at https://github.com/agent-on-the-fly/InfoSeeker
• Abstract（参考訳）: 近年のエージェントサーチシステムは, 深層多段階推論に重点を置いて, 大幅な進歩を遂げている。 しかし、この焦点は、エージェントが大量の異種証拠を多くの情報源に集めなければならない、広範囲な情報合成の課題をしばしば見落としている。 その結果、ほとんどの大規模言語モデルエージェントシステムは、コンテキスト飽和、カスケードエラーの伝搬、高エンドツーエンドのレイテンシなど、データ集約的な設定に厳しい制限に直面している。 これらの課題に対処するために,戦略的な \textit{Host} と複数の \textit{Managers} と並列な \textit{Workers} を含む,近接分解可能性の原理に基づく階層的フレームワークである \framework を提案する。 マネージャ層でのアグリゲーションとリフレクションのメカニズムを活用することで、我々のフレームワークは飽和やエラーの伝播を防ぐために厳密なコンテキスト分離を実行します。 同時に、ワーカ層の並列性はタスク全体の実行速度を加速し、重大なレイテンシを軽減します。 2つの補完ベンチマークによる評価は、効率(3～5 \times$ Speed-up)と有効性の両方を示し、WideSearch-enでは8.4\%、BrowseComp-zhでは52.9\%の精度を実現した。 コードはhttps://github.com/agent-on-the-fly/InfoSeekerで公開されている。

関連論文リスト

• AgentSwing: Adaptive Parallel Context Management Routing for Long-Horizon Web Agents [115.18197165538943]
  大規模言語モデル(LLM)は、長距離情報探索のための自律エージェントへと進化する。 既存のコンテキスト管理手法は通常、軌道全体を通して単一の固定戦略にコミットする。 本稿では,探索効率と終端精度の2つの相補的な次元を通じて,長期的成功を特徴付ける確率的枠組みを提案する。
  論文  参考訳（メタデータ） (2026-03-29T02:59:27Z)
• OMG-Agent: Toward Robust Missing Modality Generation with Decoupled Coarse-to-Fine Agentic Workflows [9.617220633655716]
  textbfunderlineOmni-textbfunderlineModality textbfunderlineGeneration Agent (textbfOMG-Agent)について述べる。
  論文  参考訳（メタデータ） (2026-02-04T02:25:40Z)
• AgentLongBench: A Controllable Long Benchmark For Long-Contexts Agents via Environment Rollouts [78.33143446024485]
  我々は、横方向思考パズルに基づく環境ロールアウトによるエージェントの評価を行うtextbfAgentLongBenchを紹介した。 このフレームワークは、知識集約的で知識のないシナリオにまたがる厳密な相互作用の軌跡を生成する。
  論文  参考訳（メタデータ） (2026-01-28T16:05:44Z)
• InfiAgent: An Infinite-Horizon Framework for General-Purpose Autonomous Agents [36.740230738304525]
  InfiAgentは、タスクの持続時間に関係なく、エージェントの推論コンテキストを厳密に拘束する。 20Bのオープンソースモデルを持つInfiAgentは、より大きなプロプライエタリなシステムと競合する。
  論文  参考訳（メタデータ） (2026-01-06T17:35:57Z)
• AgentAsk: Multi-Agent Systems Need to Ask [26.13279490836716]
  大規模言語モデル(LLM)上に構築されたマルチエージェントシステムは、協調的な分業による問題解決能力の向上を約束する。 我々はAgentAskを提案する。AgentAskは軽量でプラグ・アンド・プレイの明確化モジュールで、すべてのエージェント間メッセージを潜在的な障害点として扱い、エラーの伝播を抑えるのに必要最小限の質問を挿入する。 AgentAskは、公開マルチエージェント実装の精度と堅牢性を継続的に改善し、オーバーヘッドを最小限に抑え、レイテンシと余分なコストを5%以下に抑える。
  論文  参考訳（メタデータ） (2025-10-08T22:36:05Z)
• Flash-Searcher: Fast and Effective Web Agents via DAG-Based Parallel Execution [48.7788770680643]
  Flash-Searcherは、新しい並列エージェント推論フレームワークである。 複雑なタスクを明示的な依存関係でサブタスクに分解し、独立した推論パスの同時実行を可能にする。 BrowseCompでは67.7%の精度で、xbench-DeepSearchでは83%、エージェントの実行手順は現在のフレームワークに比べて最大35%削減されている。
  論文  参考訳（メタデータ） (2025-09-29T17:39:30Z)
• UltraHorizon: Benchmarking Agent Capabilities in Ultra Long-Horizon Scenarios [63.67884284105684]
  textbfUltraHorizonは、複雑な現実世界の課題に不可欠な基礎的能力を測定する新しいベンチマークである。 エージェントは、隠されたルールを反復的に発見しなければならない、長期にわたる発見タスクで設計されている。 実験の結果, LLM-agents はこれらの設定において常に不利な成績を示し, ヒトは高いスコアを得ることができた。
  論文  参考訳（メタデータ） (2025-09-26T02:04:00Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。