論文の概要: WebSwarm: Recursive Multi-Agent Orchestration for Deep-and-Wide Web Search

• arxiv url: http://arxiv.org/abs/2607.08662v1
• Date: Thu, 09 Jul 2026 16:28:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-10 14:45:27.596152
• Title: WebSwarm: Recursive Multi-Agent Orchestration for Deep-and-Wide Web Search
• Title（参考訳）: WebSwarm: ディープ・アンド・ウェイドWeb検索のための再帰的マルチエージェントオーケストレーション
• Authors: Xiaoshuai Song, Liancheng Zhang, Kangzhi Zhao, Yutao Zhu, Zhongyuan Wang, Guanting Dong, Jinghan Yang, Han Li, Kun Gai, Ji-Rong Wen, Zhicheng Dou,
• Abstract要約: 大規模言語モデル(LLM)ベースのWeb検索エージェントは、情報検索を複雑で広範囲な検索と研究指向のタスクに変換する。 本稿では,タスクの分解と拡張を共同で構築するプログレッシブ・プログレッシブ・プログレッシブ・デリゲート・フレームワークであるWebSwarmを提案する。 WebSwarmは、ディープ・ワイド・インターリーブされたディープ・アンド・ワイド・タスクにおいて、シングルエージェントとマルチエージェントのベースラインを一貫して上回ります。
• 参考スコア（独自算出の注目度）: 104.75798763084424
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language model (LLM)-based web search agents are transforming information seeking from simple factoid question answering into complex, deep-and-wide search and research-oriented tasks. A single ReAct-style agent is constrained by one long trajectory and limited context, making it difficult to handle depth and coverage simultaneously. Existing multi-agent systems improve search coverage through parallel execution and aggregation, but still exhibit clear limitations in recursive depth, collaboration adaptability, and evidence-grounded expansion. We propose WebSwarm, a progressive recursive delegation framework that jointly constructs task decomposition, recursive expansion, and agent collaboration during inference. WebSwarm dynamically instantiates agentic search nodes, each coupling a local objective with a search mode that specifies how the node should organize search and collaboration. Each node can either solve its objective itself or further delegate child nodes; after solving, it returns evidence and results upward, enabling parent nodes to further expand, revise, or aggregate the search process. To guide this process, WebSwarm first probes how task-relevant information is organized on the web to ground subsequent node expansion, and reuses process-level experience across homogeneous sibling nodes. Experiments on BrowseComp-Plus, WideSearch, DeepWideSearch, and GISA show that WebSwarm consistently outperforms single-agent and multi-agent baselines on deep, wide, and interleaved deep-and-wide tasks. Further analyses of ablation, task difficulty, web tool efficiency, and model generalization explain WebSwarm's effectiveness and provide insights for multi-agent search systems.
• Abstract（参考訳）: 大規模言語モデル(LLM)ベースのWeb検索エージェントは、単純なファクトイドの質問応答から複雑な、深い、研究指向のタスクへと情報を変換している。 単一のReActスタイルのエージェントは、1つの長い軌跡と制限されたコンテキストによって制約されるため、深さとカバレッジを同時に扱うのが難しくなる。 既存のマルチエージェントシステムは並列実行とアグリゲーションによって検索カバレッジを改善するが、再帰的な深さ、協調適応性、エビデンスに基づく拡張には明確な制限がある。 提案するWebSwarmは,タスクの分解,再帰的拡張,エージェントの協調を共同で構築する,プログレッシブな再帰的デリゲートフレームワークである。 WebSwarmはエージェント検索ノードを動的にインスタンス化し、各ノードが検索と協調をどう整理するかを指定する検索モードとローカルオブジェクトを結合する。 各ノードは、目的そのものを解決するか、さらに子ノードを委譲することができる。解決後、エビデンスと結果が上向きに返され、親ノードが検索プロセスをさらに拡張、修正、集約することができる。 このプロセスを導くために、WebSwarmはまず、タスク関連情報をWeb上でどのように整理し、その後のノード拡張を基盤にして、均質な兄弟ノード間でプロセスレベルの体験を再利用するかを調査する。 BrowseComp-Plus、WideSearch、DeepWideSearch、GISAの実験では、WebSwarmはディープ・ワイド・インターリーブされたディープ・アンド・ワイド・タスクにおいて、シングルエージェントとマルチエージェントのベースラインを一貫して上回っている。 WebSwarmの有効性を説明し、マルチエージェント検索システムに対する洞察を提供する。

関連論文リスト

• SwarmResearch: Orchestrating Coding Agents for Open-Ended Discovery [11.64410415121195]
  オート検索のような長期にわたる符号化エージェントは、オープンエンド問題の最適化を継続的に発見することができる。 我々はSwarmResearchを紹介した。SwarmResearchは、シェパードエージェントがグローバルコンテキストを使用して検索エージェントの集団を操るオーケストレータ・サブエージェントハーネスである。 オープンエンド最適化タスクにおいて、SwarmResearchは最先端のLLM誘導進化とマルチエージェント技術に対するより良い、あるいは同等のソリューションを発見する。
  論文  参考訳（メタデータ） (2026-07-02T22:47:35Z)
• DuMate-DeepResearch: An Auditable Multi-Agent System with Recursive Search and Rubric-Grounded Reasoning [58.09293442211248]
  Deep Research(DR)は、複雑でオープンな研究課題に取り組むための新しいエージェントパラダイムとして登場した。 本稿では,Qianfan Agent Foundry上に構築されたマルチエージェントDRフレームワークであるDuMate-DeepResearchを紹介する。
  論文  参考訳（メタデータ） (2026-06-05T14:10:48Z)
• GrepSeek: Training Search Agents for Direct Corpus Interaction [66.69568141699311]
  GrepSeekは、コンパクトな検索エージェントを訓練し、大きなテキストコーパスから証拠を見つけ、フィルタリングし、構成する、最適化された直接コーパスインタラクション(DCI)検索エージェントである。 DCIを大規模に実用化するためには、シェルコマンドのシーケンシャルな実行とバイトエクササイズ等価性を保ちながら、シェルベースの検索を最大7.6タイムで高速化するセマンティックス保存のシャード並列実行エンジンを使用する。
  論文  参考訳（メタデータ） (2026-05-28T03:37:33Z)
• Deep-Research Agents Can Be Poisoned via User-Generated Content [8.098290223993954]
  ディープリサーチエージェントは、単一の研究セッション中に多くの関連するクエリを発行する。 多くの一般的な検索トピックにおいて、RedditやWikipediaのようなプラットフォームから、同じユーザ生成コンテンツ(UGC)ページを何度も取得していることを示す。 この重なり合いは集中攻撃面を生成する。 我々はこの攻撃を3つの代表的なディープリサーチシステムに対して評価する。
  論文  参考訳（メタデータ） (2026-05-22T21:46:32Z)
• Web2BigTable: A Bi-Level Multi-Agent LLM System for Internet-Scale Information Search and Extraction [38.55682016152131]
  textbfWeb2BigTableはWebツーテーブル検索のためのマルチエージェントフレームワークである。 Web2BigTableは、WideSearchの新たな最先端をセットし、Avg@4 Success Rate of textbf38.50$7.5times$ second at 5.10、Row F1 of textbf63.53 (+25.03 over second best)、Item F1 of textbf80.12 (+14.42 over second best)に到達した。 また、XBench の深度指向探索にも一般化する。
  論文  参考訳（メタデータ） (2026-04-29T21:43:16Z)
• DeepDive: Advancing Deep Search Agents with Knowledge Graphs and Multi-Turn RL [60.47878242100153]
  我々は、ディープサーチエージェントを進化させるためにDeepDiveを提示する。 オープンな知識グラフから複雑で難解な質問を自動的に合成する戦略を提案する。 深層探索によるLLMの長距離推論を強化するために, エンドツーエンドのマルチターン強化学習を適用した。
  論文  参考訳（メタデータ） (2025-09-12T17:52:35Z)
• HierSearch: A Hierarchical Enterprise Deep Search Framework Integrating Local and Web Searches [54.65565885083031]
  本稿では,階層型RLで学習した階層型エージェントディープ検索フレームワークであるHierSearchを提案する。 低レベルにおいては、ローカルなディープサーチエージェントとWebのディープサーチエージェントがトレーニングされ、対応するドメインから証拠を検索する。 高レベルでは、プランナーエージェントが低レベルのエージェントをコーディネートし、最終回答を提供する。
  論文  参考訳（メタデータ） (2025-08-11T15:31:47Z)
• MindSearch: Mimicking Human Minds Elicits Deep AI Searcher [50.68599514830046]
  我々は、Web情報検索と統合における人間の心を模倣するMindSearchを紹介した。 このフレームワークは、シンプルだが効果的なLLMベースのマルチエージェントフレームワークによってインスタンス化できる。 MindSearchは、深さと幅の点でレスポンス品質が大幅に改善されている。
  論文  参考訳（メタデータ） (2024-07-29T17:12:40Z)

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。