InfoSeeker：一个用于网络信息检索的可扩展分层并行智能体框架
人工智能
2026-04-06 v1
摘要
最近的智能体检索系统通过强调深度、多步推理取得了显著进展。然而，这一关注往往忽略了广泛规模信息综合的挑战，即智能体必须聚合来自多个来源的大量异构证据。因此，大多数现有的大语言模型智能体系统在数据密集型设置中面临严重限制，包括上下文饱和、级联错误传播和高端到端延迟。为应对这些挑战，我们提出了 InfoSeeker，一个基于近可分解性原理的分层框架，包含一个战略性的 Host、多个 Managers 和并行的 Workers。通过在 Manager 层利用聚合和反思机制，我们的框架强制执行严格的上下文隔离以防止饱和和错误传播。同时，Worker 层的并行性加速了整体任务执行，缓解了显著的延迟。我们在两个互补基准上的评估展示了效率和有效性，在 WideSearch-en 上达到 8.4% 成功率，在 BrowseComp-zh 上达到 52.9% 准确率。代码发布于 https://github.com/agent-on-the-fly/InfoSeeker
引用
@article{arxiv.2604.02971,
title = {InfoSeeker: A Scalable Hierarchical Parallel Agent Framework for Web Information Seeking},
author = {Ka Yiu Lee and Yuxuan Huang and Zhiyuan He and Huichi Zhou and Weilin Luo and Kun Shao and Meng Fang and Jun Wang},
journal= {arXiv preprint arXiv:2604.02971},
year = {2026}
}