• Eristystila (Isolation Mode): Tämä on kriittinen ryhmäajattelun vastainen vaihe. Agenteille annetaan vain kirjoitusoikeus ilmoitustauluun. Ne voivat julkaista löytämänsä ehdokkaat, lähteet ja päättelyt, mutta ne on täysin estetty näkemästä, mitä niiden kollegat tekevät. Tämä pakottaa jokaisen agentin seuraamaan omaa aitoa tutkimuspolkuaan ilman, että aikaiset johtolangat vaikuttavat niihin.
• Tarkastelutila (Review Mode): Kun itsenäinen tutkimus on valmis, lukueste poistetaan. Agentit tuovat löydöksensä esiin jäsenneltyä ristikuulustelua varten, jonka tarkoituksena on maksimoida hyödyllinen erimielisyys ja tuoda esiin ristiriitaisia todisteita tai piileviä oletuksia.
• Sitoutumistila (Commitment Mode): Yhtenäinen lopullinen vastaus tuotetaan vasta, kun useiden itsenäisten polkujen rajoitteet ja todisteet on tarkasti ristiin varmennettu.

Ablaatiotutkimukset: Vapaa keskustelu on monimuotoisuuden vihollinen

Testatakseen, toimiiko tämä eristäytymislähestymistapa todella, Snowflake suoritti ablaatiotutkimuksen BrowseComp-vertailuarvon 120 kysymyksen osajoukolla . Kolmea kokoonpanoa testattiin: portitettua ilmoitustaulua, täysin rajoittamatonta vertaisviestintää ja itsenäisiä yhden agentin ajoja .

Tulokset vahvistivat arkkitehtuurin jyrkästi. Rajoittamaton vertaisviestintä romahdutti todisteiden monimuotoisuuden välittömästi. Tiimi havaitsi korkean Jaccard-päällekkäisyyden eri agenttien hakemien URL-osoitteiden joukoissa. Sen sijaan, että ne olisivat jakaneet tutkimustaakkaa kattaakseen enemmän maaperää, agentit kerääntyivät samoille sivuille jahdaten samaa varhaista johtolankaa. Vielä kriittisempää oli, että tehokas otoskoko (Effective Sample Size, ESS) – mittari sille, kuinka monta aidosti erillistä tutkijaa järjestelmä emuloi – oli huomattavasti korkeampi lukuesteen ollessa käytössä. Eristys pakotti monipuoliseen tutkimukseen, jonka vapaa keskustelu tuhosi .

Vertailutulokset: BrowseComp ja BrowseComp-Plus

ArcticSwarmin muotoilu johtaa massiivisiin suorituskyvyn parannuksiin. Snowflaken omassa sisäisessä hybridisyvätutkimuksen vertailuarvossa ArcticSwarm saavutti 64,18 % tarkkuuden verrattuna yhden agentin kokoonpanojen 47,08 % perustasoon, mikä on yli kolmanneksen parannus .

Sen tulokset julkisissa vertailuarvoissa ovat vieläkin silmiinpistävämpiä. Koko BrowseComp-aineistossa (1 266 kysymystä) suorituskyky oli erittäin kerrostunutta sen mukaan, kuinka paljon konsensusta saavutettiin tarkastelun aikana :

• Kun löydökset olivat VARMENNETTUJA sekä rakentajan että erillisen arvioijan toimesta, tarkkuus nousi 86,4 %:iin.
• Vain rakentajan suorittamalla tarkastelulla luku putosi 70,9 %:iin.
• Vain erillisellä arvioijalla se oli 66,1 %.
• Kun arvioijan konsensusta ei ollut lainkaan, tarkkuus romahti vain 35,3 %:iin.
  Tämä osoittaa, että myöhemmän tarkasteluvaiheen laatu on aivan yhtä ratkaisevaa kuin alkuperäinen eristys.

Vertailun vuoksi alkuperäisessä BrowseComp-aineistossa standardimallit, kuten GPT-4o ja GPT-4.5, saavuttavat lähes nollan tarkkuuden (0,6 %–0,9 %). OpenAI:n päättelyyn erikoistunut o1-malli paransi noin 10 %:iin, kun taas OpenAI Deep Research, erikoistunut selausagentti, saavutti noin 51,5 % tarkkuuden .

Hallitumalla BrowseComp-Plus-vertailuarvolla vahvimmat kilpailevat kokoonpanot ovat GPT-5 yhdistettynä Qwen3-8B-hakukoneeseen, saavuttaen 70,12 % tarkkuuden, ja o3 saavuttaen 63,49 % samalla hakukoneella . ArcticSwarmin 86,4 % BrowseComp-Plusin vaikeimmassa, kaksoisvarmennetussa osajoukossa ylittää nämä vakiintuneet lähtötasot selvästi .

ArcticSwarm yrityksille: CoWork Deep Research

Nämä konseptit eivät rajoitu akateemiseen tutkimukseen. Snowflake on nyt integroimassa ArcticSwarmin ryhmäajattelua vastustavaa menetelmää yritysalustansa kautta Snowflake CoWorkin Deep Research Moden avulla . Tämä integraatio on suunniteltu antamaan tietotyöntekijöille mahdollisuus suorittaa turvallista, korkean luottamustason analyysia suoraan Snowflaken hallitussa tietoympäristössä. Työnkulkua tukee kolme keskeistä ominaisuutta :

• Artefaktit (Artifacts): Pysyviä, versioituja tuotoksia, kuten raportteja, koodia ja analyyseja, joita koko tiimi voi jakaa ja tarkastella.
• Käyttäjämuisti (User Memory): Pysyvä kontekstimoottori, joka säilyttää käyttäjän mieltymykset ja aiemmat tutkimusmallit eri istuntojen ajan parantaakseen tulevia kyselyitä.
• Cortex Sense: Kontekstuaalinen tietoisuuskerros, joka automaattisesti nostaa esiin relevantteja sisäisiä tietoaineistoja, tietokantakaavioita ja aiempia analyyseja aktiiviselle tutkimusagentille.

Yrityskäyttäjille tämä tarkoittaa, että ArcticSwarmin kykyä vastustaa vahvistusharhaa voidaan soveltaa jäsenneltyjen SQL-tietokantakyselyiden ja jäsentämättömien sisäisten asiakirjojen sekavaan yhdistelmään, tuottaen vastauksia, jotka ovat selvinneet tiukasta, riippumattomasta ristiintarkastuksesta ennen kuin ne koskaan esitetään ihmispäättäjälle.

• Eristystila (Isolation Mode): Tämä on kriittinen ryhmäajattelun vastainen vaihe. Agenteille annetaan vain kirjoitusoikeus ilmoitustauluun. Ne voivat julkaista löytämänsä ehdokkaat, lähteet ja päättelyt, mutta ne on täysin estetty näkemästä, mitä niiden kollegat tekevät. Tämä pakottaa jokaisen agentin seuraamaan omaa aitoa tutkimuspolkuaan ilman, että aikaiset johtolangat vaikuttavat niihin.
• Tarkastelutila (Review Mode): Kun itsenäinen tutkimus on valmis, lukueste poistetaan. Agentit tuovat löydöksensä esiin jäsenneltyä ristikuulustelua varten, jonka tarkoituksena on maksimoida hyödyllinen erimielisyys ja tuoda esiin ristiriitaisia todisteita tai piileviä oletuksia.
• Sitoutumistila (Commitment Mode): Yhtenäinen lopullinen vastaus tuotetaan vasta, kun useiden itsenäisten polkujen rajoitteet ja todisteet on tarkasti ristiin varmennettu.

Ablaatiotutkimukset: Vapaa keskustelu on monimuotoisuuden vihollinen

Testatakseen, toimiiko tämä eristäytymislähestymistapa todella, Snowflake suoritti ablaatiotutkimuksen BrowseComp-vertailuarvon 120 kysymyksen osajoukolla . Kolmea kokoonpanoa testattiin: portitettua ilmoitustaulua, täysin rajoittamatonta vertaisviestintää ja itsenäisiä yhden agentin ajoja .

Tulokset vahvistivat arkkitehtuurin jyrkästi. Rajoittamaton vertaisviestintä romahdutti todisteiden monimuotoisuuden välittömästi. Tiimi havaitsi korkean Jaccard-päällekkäisyyden eri agenttien hakemien URL-osoitteiden joukoissa. Sen sijaan, että ne olisivat jakaneet tutkimustaakkaa kattaakseen enemmän maaperää, agentit kerääntyivät samoille sivuille jahdaten samaa varhaista johtolankaa. Vielä kriittisempää oli, että tehokas otoskoko (Effective Sample Size, ESS) – mittari sille, kuinka monta aidosti erillistä tutkijaa järjestelmä emuloi – oli huomattavasti korkeampi lukuesteen ollessa käytössä. Eristys pakotti monipuoliseen tutkimukseen, jonka vapaa keskustelu tuhosi .

Vertailutulokset: BrowseComp ja BrowseComp-Plus

ArcticSwarmin muotoilu johtaa massiivisiin suorituskyvyn parannuksiin. Snowflaken omassa sisäisessä hybridisyvätutkimuksen vertailuarvossa ArcticSwarm saavutti 64,18 % tarkkuuden verrattuna yhden agentin kokoonpanojen 47,08 % perustasoon, mikä on yli kolmanneksen parannus .

Sen tulokset julkisissa vertailuarvoissa ovat vieläkin silmiinpistävämpiä. Koko BrowseComp-aineistossa (1 266 kysymystä) suorituskyky oli erittäin kerrostunutta sen mukaan, kuinka paljon konsensusta saavutettiin tarkastelun aikana :

• Kun löydökset olivat VARMENNETTUJA sekä rakentajan että erillisen arvioijan toimesta, tarkkuus nousi 86,4 %:iin.
• Vain rakentajan suorittamalla tarkastelulla luku putosi 70,9 %:iin.
• Vain erillisellä arvioijalla se oli 66,1 %.
• Kun arvioijan konsensusta ei ollut lainkaan, tarkkuus romahti vain 35,3 %:iin.
  Tämä osoittaa, että myöhemmän tarkasteluvaiheen laatu on aivan yhtä ratkaisevaa kuin alkuperäinen eristys.

Vertailun vuoksi alkuperäisessä BrowseComp-aineistossa standardimallit, kuten GPT-4o ja GPT-4.5, saavuttavat lähes nollan tarkkuuden (0,6 %–0,9 %). OpenAI:n päättelyyn erikoistunut o1-malli paransi noin 10 %:iin, kun taas OpenAI Deep Research, erikoistunut selausagentti, saavutti noin 51,5 % tarkkuuden .

Hallitumalla BrowseComp-Plus-vertailuarvolla vahvimmat kilpailevat kokoonpanot ovat GPT-5 yhdistettynä Qwen3-8B-hakukoneeseen, saavuttaen 70,12 % tarkkuuden, ja o3 saavuttaen 63,49 % samalla hakukoneella . ArcticSwarmin 86,4 % BrowseComp-Plusin vaikeimmassa, kaksoisvarmennetussa osajoukossa ylittää nämä vakiintuneet lähtötasot selvästi .

ArcticSwarm yrityksille: CoWork Deep Research

Nämä konseptit eivät rajoitu akateemiseen tutkimukseen. Snowflake on nyt integroimassa ArcticSwarmin ryhmäajattelua vastustavaa menetelmää yritysalustansa kautta Snowflake CoWorkin Deep Research Moden avulla . Tämä integraatio on suunniteltu antamaan tietotyöntekijöille mahdollisuus suorittaa turvallista, korkean luottamustason analyysia suoraan Snowflaken hallitussa tietoympäristössä. Työnkulkua tukee kolme keskeistä ominaisuutta :

• Artefaktit (Artifacts): Pysyviä, versioituja tuotoksia, kuten raportteja, koodia ja analyyseja, joita koko tiimi voi jakaa ja tarkastella.
• Käyttäjämuisti (User Memory): Pysyvä kontekstimoottori, joka säilyttää käyttäjän mieltymykset ja aiemmat tutkimusmallit eri istuntojen ajan parantaakseen tulevia kyselyitä.
• Cortex Sense: Kontekstuaalinen tietoisuuskerros, joka automaattisesti nostaa esiin relevantteja sisäisiä tietoaineistoja, tietokantakaavioita ja aiempia analyyseja aktiiviselle tutkimusagentille.

Yrityskäyttäjille tämä tarkoittaa, että ArcticSwarmin kykyä vastustaa vahvistusharhaa voidaan soveltaa jäsenneltyjen SQL-tietokantakyselyiden ja jäsentämättömien sisäisten asiakirjojen sekavaan yhdistelmään, tuottaen vastauksia, jotka ovat selvinneet tiukasta, riippumattomasta ristiintarkastuksesta ennen kuin ne koskaan esitetään ihmispäättäjälle.