Flash-Searcher：基于DAG并行执行的高效Web智能体
人工智能
2025-10-01 v1 计算与语言
摘要
大语言模型（LLMs）在配备外部工具后，在复杂推理任务中展现出了卓越的能力。然而，当前框架主要依赖顺序处理，导致执行效率低下，尤其是在需要大量工具交互的任务中。本文提出了Flash-Searcher，一种新颖的并行智能体推理框架，从根本上将执行范式从顺序链重新构想为有向无环图（DAGs）。Flash-Searcher将复杂任务分解为具有显式依赖关系的子任务，在维持逻辑约束的同时，实现独立推理路径的并发执行。通过动态工作流优化，我们的框架根据中间结果持续优化执行图，并有效集成了摘要模块。在多个基准上的综合评估表明，Flash-Searcher持续优于现有方法。具体而言，它在BrowseComp上达到了67.7%的准确率，在xbench-DeepSearch上达到了83%，同时与当前框架相比，将智能体执行步数减少了多达35%。此外，当将此并行推理流水线蒸馏到单模型中时，我们在多种骨干架构上观察到了显著的性能提升，突显了我们方法的泛化能力。因此，我们的工作代表了智能体架构设计的重要进展，为复杂推理任务提供了一种更具可扩展性和高效性的范式。
引用
@article{arxiv.2509.25301,
title = {Flash-Searcher: Fast and Effective Web Agents via DAG-Based Parallel Execution},
author = {Tianrui Qin and Qianben Chen and Sinuo Wang and He Xing and King Zhu and He Zhu and Dingfeng Shi and Xinxin Liu and Ge Zhang and Jiaheng Liu and Yuchen Eleanor Jiang and Xitong Gao and Wangchunshu Zhou},
journal= {arXiv preprint arXiv:2509.25301},
year = {2025}
}