
SearchSwarm이 LLM에 위임 지능(delegation intelligence)을 가르치다
요약
SearchSwarm은 단일 LLM이 장기 계획 과제를 여러 개의 하위 에이전트에게 분해하고, 그들의 결과를 통합하여 높은 성능을 달성하는 방법을 제시합니다. 이는 복잡한 검색 및 추론 작업에서 SOTA를 기록하며, 지능적인 업무 위임 능력을 보여줍니다.
핵심 포인트
- 장기 계획 과제를 하위 에이전트에게 분해하여 처리합니다.
- 서브 에이전트의 결과물을 통합하고 증거 기반으로 활용합니다.
- BrowseComp, GAIA 등 여러 벤치마크에서 SOTA 성능을 달성했습니다.
SearchSwarm은 단일 모델로 장기 계획 과제(long-horizon tasks)를 분해하고, 경계가 정해진 하위 과제(bounded subtasks)를 서브 에이전트(subagents)에 할당하며, 그들의 압축되고 증거 기반의 결과물을 통합합니다.
이를 통해 BrowseComp, GAIA, 그리고 xbench-DeepSearch에서 SOTA(State-of-the-Art) 성능을 달성했습니다.
논문 토론:
https://paperswithcode.co/paper/2606.097
30
…
모델 가중치:
https://huggingface.co/SearchSwarm/SearchSwarm-30B-A3B
…
SFT 데이터셋:
https://huggingface.co/datasets/SearchSwarm/SearchSwarm-SFT
…
AI 자동 생성 콘텐츠
본 콘텐츠는 X @huggingpapers (검증됨)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기