Исследование поисковых агентов на основе больших языковых моделей изучает, как распределять мощность модели между ролями в многоагентных архитектурах. Исследование разделяет иерархический поиск на три различные роли: декомпозиция задачи (делегирование), извлечение данных и доказательств (исполнение) и генерация ответа.

  • Факторизация ролей стабильно превосходит базовые одноагентные решения, улучшая показатели точного совпадения на 4,5–8,6 балла в шести масштабах моделей.
  • Чувствительность к мощности асимметрична; масштабирование основы делегирования улучшает точное совпадение примерно на 11 баллов, тогда как масштабирование подагента исполнения дает лишь около 2,6 балла.
  • Исполнитель с 1,7 млрд параметров, обученный путем дистилляции траекторий с фильтрацией по качеству, достигает точности уровня передовых подагентов, потребляя на 37% меньше токенов.

Выводы указывают на то, что при создании иерархических поисковых агентов следует концентрировать мощность в роли делегирования и уменьшать компонент исполнения без ущерба для точности.