arXiv cs.CLは7月9日(現地時間)、大規模言語モデル（LLM）ベースのWeb検索エージェントが直面する課題を克服する、新たな再帰委譲フレームワークWebSwarmに関する論文『WebSwarm: Recursive Multi-Agent Orchestration for Deep-and-Wide Web Search』を公開した。WebSwarmは、深い情報探索と広範なカバレッジを同時に実現する際の課題に対し、タスクの動的な分解、再帰的な拡張、エージェント間の協調を推論時に協調して構築するメカニズムを提案している。
単一のReActスタイルエージェントは、その長い軌跡と限られたコンテキストによって性能が制約され、深い検索と広範な情報カバレッジを同時に扱うことが困難であると指摘されている。既存のマルチエージェントシステムもまた、並列実行と結果の集約を通じて検索カバレッジを部分的に改善するものの、再帰的な深さの探求、協調の適応性、および証拠に基づいた拡張性においては明確な限界を示すことが明らかになっている。
こうした背景に対し、WebSwarmは動的にエージェント検索ノードをインスタンス化するアプローチを採用する。各検索ノードは、それぞれのローカルな目標と、検索およびエージェント間の協調をどのように組織するかを定義する「検索モード」を結びつける構造を持つ。個々のノードは、自身の目標を直接解決するか、あるいは必要に応じてさらに子ノードへとタスクを委譲することが可能である。目標が解決された際には、ノードはその証拠と結果を上位の親ノードに返し、親ノードはこれらの情報に基づいて検索プロセスをさらに拡張、修正、または集約するプロセスを進めることができる。
この革新的なプロセスを効果的に導くため、WebSwarmはまず、タスク関連情報がWeb上でどのように組織されているかを事前に調査し、後続のノード拡張のための堅固な基礎を築く。さらに、WebSwarmは同種の兄弟ノード間でプロセスレベルの経験を再利用する機構を備えており、これにより効率的な学習と適応が可能となる。
Xiaoshuai Song氏らによる実験では、BrowseComp-Plus、WideSearch、DeepWideSearch、およびGISAといった複数のデータセットにおいて、WebSwarmが単一エージェントおよび既存のマルチエージェントのベースラインモデルを一貫して上回る性能を示したことが報告されている。アブレーションスタディ（特定の要素を取り除いた実験）、タスク難易度分析、Webツール効率の評価、およびモデルの汎化能力に関する詳細な分析は、WebSwarmの有効性を多角的に説明している。
本研究は、マルチエージェント検索システム設計において、再帰的なタスク委譲と動的なノードオーケストレーションが極めて有効なアプローチであることを示唆している。AI開発者や研究者は、WebSwarmのフレームワークを参考に、既存のLLMベース検索システムの深い探索能力と広範なカバレッジを向上させるための新たなアーキテクチャ設計に取り組むことができる。特に、エージェント間の協調メカニズムや経験再利用の設計を応用することで、実世界における複雑な情報探索タスクへのLLM適用範囲を拡大し、より堅牢で効率的な次世代Web検索システムの開発を加速させることが期待される。
参考: arXiv cs.CL (アーカイブ) — 2026年7月10日 01:28 (JST)
原文ハイライト"Recursive Multi-Agent Orchestration for Deep-and-Wide Web Search"