A-MapReduce：用智能体MapReduce执行广域搜索

A-MapReduce 用 MapReduce 式并行多智能体框架提升广域搜索效率与效果。

资讯摘要

论文提出 A-MapReduce，一个受 MapReduce 启发的多智能体执行框架，将大规模、广度导向的广域搜索重构为水平结构化检索问题，通过任务自适应分解与结构化结果聚合并行处理海量检索目标，并利用经验记忆持续优化查询条件下的任务分配与重组。作者报告在五个智能体基准上取得 WideSearch 与 DeepWideSearch 的最优表现，相比以 OpenAI o3 或 Gemini 2.5 Pro 为骨干的强基线平均 Item F1 提升 5.11%–17.50%，运行时间减少 45.8%。代码已公开。

要点速读

1. 论文将广域搜索建模为水平结构化检索，用任务自适应分解和结构化聚合并行处理大量检索目标。
2. 框架借助经验记忆迭代改进查询条件下的任务分配与重组。
3. 作者报告在 WideSearch、DeepWideSearch 上达到最优，平均 Item F1 提升 5.11%–17.50%，运行时间较代表性多智能体基线减少 45.8%。

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 2026/10/27 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。