🌐 Страница проекта | 📄 Бумага | 📖 Док | 💻 Код | 📦 Набор данных | 🤗 Модели Последние достижения в области больших языковых моделей (LLM) в основном сосредоточены на масштабировании глубины, когда один агент решает долгосрочные проблемы с помощью многоэтапных рассуждений и использования инструментов. Однако по мере расширения задач ключевое узкое место смещается от индивидуальной компетентности к организационным возможностям. В этой работе мы исследуем дополнительный аспект масштабирования ширины с помощью многоагентных систем для решения задач поиска широкой информации. Существующие многоагентные системы часто полагаются на создаваемые вручную рабочие процессы и очередное взаимодействие, которые не позволяют эффективно распараллелить работу. Чтобы восполнить этот пробел, мы предлагаем WideSeek-R1, структуру ведущего агента-субагента, обученную с помощью многоагентного обучения с подкреплением (MARL), для синергии масштабируемой оркестрации и параллельного выполнения. Используя общий LLM с изолированными контекстами и специализированными инструментами, WideSeek-R1 совместно оптимизирует ведущего агента и параллельные субагенты для тщательно подобранного набора данных, состоящего из 20 тысяч общих задач по поиску информации. Обширные эксперименты показывают, что WideSeek-R1-4B достигает балла F1 по элементу 40,0% в тесте WideSearch, что сопоставимо с производительностью одноагентного…
Модальности:
Генерация текста
Области применения:
Диалог / чат
Задача: Генерация текста
Автор: RLinf
Теги: qwen3, conversational, en, model-index, text-generation-inference, endpoints_compatible
Лайков: 6 | Загрузок: 27
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
