WebSwarm：用於深度與廣度網路搜尋的遞迴式多代理協作框架
arXiv - Computation and LanguageXiaoshuai Song, Liancheng Zhang, Kangzhi Zhao, Yutao Zhu, Zhongyuan Wang, Guanting Dong, Jinghan Yang, Han Li, Kun Gai, Ji-Rong Wen, Zhicheng Dou
提出 WebSwarm 框架，透過遞迴式任務分解與代理協作，解決 LLM 搜尋代理在深度與廣度搜尋上的侷限。
AI 幫你先抓重點
AI 重點 1
從「單一軌跡」轉向「遞迴式樹狀結構」的搜尋範式
滑鼠懸停看 AI 判斷理由
傳統代理受限於單一長路徑與上下文限制，難以兼顧搜尋的深度與廣度；WebSwarm 的層級化架構模擬了人類研究者由淺入深、由點到面的探索邏輯。
AI 重點 2
代理間的動態協作與經驗重用機制
滑鼠懸停看 AI 判斷理由
這不僅是增加代理數量，更重要的是透過「經驗重用」減少重複勞動，這對於開發高效能、低成本的複雜資訊檢索系統具有關鍵啟發。
核心研究發現
- 1
WebSwarm 透過動態實例化搜尋節點，結合局部目標與特定搜尋模式，實現了任務的遞迴式分解與擴展。
- 2
該框架能根據網路資訊組織方式進行探測，並在同質的兄弟節點間重複使用程序級經驗，提升搜尋效率。
- 3
在 BrowseComp-Plus、WideSearch 等多項基準測試中，WebSwarm 在深度、廣度及交織搜尋任務上均優於單代理與現有代理系統。
對教育工作者的啟發
雖然此研究偏向技術架構，但對於設計「AI 研究助理」工具具有高度啟發。教育設計者可思考如何將此「遞迴式分解」邏輯應用於引導學生進行專題式學習（PBL）。例如，開發一個能引導學生將複雜研究問題拆解為多個子問題、並自動檢索相關證據的 AI 輔助系統，這能模擬高階學習者的知識建構過程，幫助學生在面對海量資訊時，學會如何有系統地進行深度探究與證據整合。
原始文獻資訊
- 英文標題：
- WebSwarm: Recursive Multi-Agent Orchestration for Deep-and-Wide Web Search
- 作者：
- Xiaoshuai Song, Liancheng Zhang, Kangzhi Zhao, Yutao Zhu, Zhongyuan Wang, Guanting Dong, Jinghan Yang, Han Li, Kun Gai, Ji-Rong Wen, Zhicheng Dou
- 來源：
- arXiv - Computation and Language
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。