多智能体框架 PatchScout 用补丁切换策略提升主题网页采集覆盖。
资讯摘要
论文提出 PatchScout，面向“主题网页数据采集”任务：收集跨多个分散来源、共享同一主题的可复用文档集合。作者将该任务建模为查询诱导语义补丁上的长时程信息觅食问题，核心是判断何时继续局部挖掘、何时切换到新区域。PatchScout 为多智能体框架，在固定预算下实现补丁切换策略。作者报告在四个实时网页主题上，其产出量与域名覆盖优于遍历式方法和搜索增强推理智能体基线；在社会科学应用场景中发现 102 个此前未识别的实体。
要点速读
- 论文将主题网页数据采集定义为长时程信息觅食问题，需在局部挖掘与切换新区域间权衡。
- PatchScout 是多智能体框架，在固定预算下实例化补丁切换策略。
- 作者报告在四个实时网页主题上产出量与域名覆盖优于遍历式及搜索增强推理智能体基线，并在应用场景中发现 102 个此前未识别实体。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/4 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。