W&D：通过扩展平行工具调用实现高效深度研究代理
人工智能
2026-02-10 v1
摘要
深度研究代理已成为通过多步推理和基于网络的信息寻求来自动化复杂知识任务的强大工具。虽然最近的努力成功地通过增加顺序思考和工具调用的数量来扩展深度，但通过扩展宽度（并行工具调用）的潜力仍基本未被探索。在本工作中，我们提出了宽深研究代理—a 个旨在调查当代理通过并行工具调用扩展不仅深度，还能扩展宽度时的行为和性能的框架。与依赖复杂多代理编排来并行化工作负载的现有方法不同，我们的方法利用内置的并行工具调用来促进单个推理步骤内的有效协调。我们展示了通过扩展宽度显著提高了在深度研究基准测试上的性能，同时减少了获取正确答案所需的轮数。此外，我们通过案例研究分析了这些改进的驱动因素，并探索了各种工具调用调度器以优化并行工具调用策略。我们的发现表明，优化宽度与深度之间的权衡是通往高效深度研究代理的关键路径。值得注意的是，在没有上下文管理或其他技巧的情况下，我们在BrowseComp上实现了62.2%的准确率，超过了原始GPT-5-High报告的54.9%。
引用
@article{arxiv.2602.07359,
title = {W&D:Scaling Parallel Tool Calling for Efficient Deep Research Agents},
author = {Xiaoqiang Lin and Jun Hao Liew and Silvio Savarese and Junnan Li},
journal= {arXiv preprint arXiv:2602.07359},
year = {2026}
}