WideSeek: 通过多智能体扩展推进广泛研究

搜索智能正在从深度研究向广泛研究转变，这一范式对于在复杂约束下并行检索和综合全面信息至关重要。然而，该领域的发展受到缺乏专门的基准和优化方法的阻碍。为了解决这些问题，本文从数据管道和智能体优化两个角度深入研究广泛研究。首先，我们构建了WideSeekBench，这是一个通过严格多阶段数据管道生成的通用广域信息检索（GBIS）基准，确保目标信息量、逻辑约束和领域的多样性。其次，我们引入了WideSeek，一种动态分层的多智能体架构，可以根据任务需求自主创建并行子智能体。此外，我们设计了一个统一的训练框架，将多智能体轨迹线性化，并使用端到端强化学习优化系统。实验结果证明了WideSeek和多智能体强化学习的有效性，表明扩展智能体数量是推进广泛研究范式的有前途方向。