대규모 언어 모델 기반 검색 에이전트에 대한 연구는 멀티 에이전트 아키텍처에서 역할 간 모델 용량을 어떻게 분배할지 조사합니다. 이 연구는 계층적 검색을 세 가지 명확한 역할로 나누었습니다: 작업 분해(위임), 검색 및 증거 추출(실행), 답변 생성.

  • 역할 분해는 단일 에이전트 기준선을 일관되게 상회하며, 여섯 가지 모델 규모에서 정확 일치 점수를 4.5에서 8.6 포인트 향상시켰습니다.
  • 용량 민감도는 비대칭적입니다; 위임 백본을 확장하면 정확치가 약 11 포인트 향상되는 반면, 실행 서브 에이전트를 확장하면 약 2.6 포인트만 향상됩니다.
  • 품질 필터링된 궤적 증류로 훈련된 1.7B 파라미터 실행기는 최전선 서브 에이전트의 정확도와 맞먹으면서도 토큰 소비량을 37% 줄입니다.

이 findings는 계층적 검색 에이전트를 구축할 때 위임 역할에 용량을 집중하고 정확성을 희생하지 않고 실행 구성 요소를 축소해야 함을 시사합니다.