一项关于基于大型语言模型的搜索智能体的研究调查了如何在多智能体架构的角色间分配模型容量。该研究将分层搜索分解为三个不同的角色：任务分解（委派）、检索与证据提取（执行）以及答案生成。

  • 角色因子化始终优于单智能体基线，在六种模型规模下，精确匹配分数提高了4.5到8.6分。
  • 容量敏感性是不对称的；扩展委派主干使精确匹配提高约11分，而扩展执行子智能体仅带来约2.6分的提升。
  • 一个通过质量过滤轨迹蒸馏训练的1.7B参数执行器，在消耗少37% token的情况下，达到了前沿子智能体的准确率。

研究结果表明，构建分层搜索智能体应将容量集中在委派角色上，并缩小执行组件的规模，同时不牺牲准确性。