Une étude sur les agents de recherche basés sur des modèles de langage larges examine comment distribuer la capacité du modèle entre les rôles dans les architectures multi-agents. La recherche décompose la recherche hiérarchique en trois rôles distincts : décomposition de tâche (délégation), récupération et extraction de preuves (exécution), et génération de réponse.
- La factorisation des rôles surpasse systématiquement les lignes de base à agent unique, améliorant les scores de correspondance exacte de 4,5 à 8,6 points sur six échelles de modèles.
- La sensibilité à la capacité est asymétrique ; mettre à l'échelle le backbone de délégation améliore la correspondance exacte d'environ 11 points, tandis que la mise à l'échelle du sous-agent d'exécution n'apporte qu'environ 2,6 points.
- Un exécuteur de 1,7 milliard de paramètres entraîné par distillation de trajectoire filtrée par qualité égale la précision des sous-agents de pointe tout en consommant 37 % de tokens en moins.
Les résultats suggèrent que la construction d'agents de recherche hiérarchiques devrait concentrer la capacité au niveau du rôle de délégation et réduire la taille du composant d'exécution sans sacrifier la précision.