大規模言語モデルベースの検索エージェントに関する研究は、マルチエージェントアーキテクチャにおける役割間でモデル容量をどのように分散させるかを調査している。この研究では、階層型検索を3つの明確な役割に分解している：タスク分解（委任）、検索と証拠抽出（実行）、回答生成。

  • 役割の因子分解は一貫して単一エージェントのベースラインを上回り、6つのモデルスケールで正確一致スコアを4.5から8.6ポイント改善した。
  • 容量への感度は非対称であり、委任バックボーンをスケーリングすると正確一致が約11ポイント向上するのに対し、実行サブエージェントをスケーリングすると約2.6ポイントしか向上しない。
  • 品質フィルタリングされた軌道蒸留によって訓練された1.7Bパラメータの実行子は、最先端のサブエージェントの精度に匹敵しながら、トークン消費量を37%削減している。

これらの知見は、階層型検索エージェントを構築する際には、委任役割に容量を集約し、精度を犠牲にすることなく実行コンポーネントを縮小すべきであることを示唆している。