arXiv cs.MA· Mingju Chen, Guibin Zhang, Heng Chang, Xiao Wang, Shiji Zhou·· 11 小时前AI 评分34
A-MapReduce：用智能体 MapReduce 执行广度搜索
A-MapReduce: Executing Wide Search via Agentic MapReduce
AI 导读
A-MapReduce 是一个受 MapReduce 启发的多智能体执行框架，将大规模广度搜索重构为水平结构化检索问题，通过任务自适应分解与结构化结果聚合并行处理海量检索目标。
正文 · AI 翻译
摘要：当代基于大语言模型（LLM）的多智能体系统在深度研究任务中展现出系统性优势，这类任务强调迭代式、纵向结构化的信息检索。然而，当面对以大规模、广度导向检索为特征的广域搜索任务时，现有智能体框架主要围绕顺序式、纵向结构化的推理而设计，仍受困于宽泛的搜索目标与低效的长程执行。为弥合这一差距，我们提出 A-MapReduce，一种受 MapReduce 范式启发的多智能体执行框架，将广域搜索重构为横向结构化的检索问题。具体而言，A-MapReduce 通过任务自适应分解与结构化结果聚合，实现对海量检索目标的并行处理。同时，它利用经验记忆驱动查询条件化任务分配与重组的持续演化，从而在大规模广域搜索场景中实现渐进式提升。在五个智能体基准上的大量实验表明，A-MapReduce (i) 性能优异，在 WideSearch 和 DeepWideSearch 上达到最先进性能，与以 OpenAI o3 或 Gemini 2.5 Pro 为骨干的强基线相比，平均 Item F1 提升 5.11% - 17.50%；(ii) 兼具成本效益与高效性，提供更优的性价比权衡，与代表性多智能体基线相比运行时间减少 45.8\%。代码可在 此 https URL 获取。
| 评论： | 27 页 |
| 主题： | 多智能体系统（cs.MA）；计算与语言（cs.CL） |
| 引用为： | arXiv:2602.01331 [cs.MA] |
| （或 arXiv:2602.01331v2 [cs.MA] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2602.01331 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Mingju Chen [查看邮箱]
[v1]
2026 年 2 月 1 日星期日 16:53:29 UTC（7,122 KB）
[v2]
2026 年 10 月 23 日星期五 15:19:43 UTC（7,120 KB）
来源：arXiv cs.MA · arxiv.org