A-MapReduce：通过智能体MapReduce执行宽范围搜索

当前基于大语言模型（LLM）的多智能体系统在强调迭代式、垂直结构信息检索的深度研究任务中表现优异，但在面向大规模、广度优先的宽范围搜索任务中，现有以序列化垂直推理为主的智能体框架难以高效应对。为此，本文提出A-MapReduce，一种受MapReduce范式启发的多智能体执行框架，将宽搜索重构为水平结构的检索问题。该框架通过任务自适应分解与结构化结果聚合实现并行处理，并利用经验记忆驱动查询条件下的任务分配与重组持续演化，从而在大规模宽搜索场景中实现渐进式性能提升。在五个智能体基准上的实验表明，A-MapReduce不仅性能领先，且具备更优的成本效益与执行效率。