ArcticSwarm: Seni Bina Pelbagai Ejen yang Mengatasi Prestasi 'Deep Research' dengan Memaksa AI Bekerja Secara Berasingan

Kajian Ablasi: Perbualan Bebas Adalah Musuh Kepelbagaian

Untuk menguji sama ada pendekatan isolasi ini benar-benar berkesan, Snowflake menjalankan kajian ablasi pada subset 120 soalan daripada penanda aras BrowseComp . Tiga konfigurasi telah diuji: BBS Berpagar, pemesejan rakan-ke-rakan tanpa kekangan, dan larian ejen tunggal bebas .

Keputusannya dengan jelas mengesahkan seni bina tersebut. Pemesejan rakan-ke-rakan tanpa kekangan serta-merta meruntuhkan kepelbagaian bukti. Pasukan itu memerhatikan pertindihan Jaccard yang tinggi antara set URL yang diambil oleh ejen yang berbeza. Daripada membahagikan beban penyelidikan untuk meliputi lebih banyak bidang, ejen-ejen tersebut tertumpu pada halaman yang sama, mengejar petunjuk awal yang sama. Lebih kritikal lagi, Saiz Sampel Berkesan (ESS)—ukuran berapa ramaikah penyiasat yang benar-benar berbeza yang ditiru oleh sistem—adalah jauh lebih tinggi dengan adanya halangan bacaan. Isolasi itu memaksa penerokaan yang pelbagai yang mana perbualan bebas telah musnahkan .

Keputusan Penanda Aras: BrowseComp dan BrowseComp-Plus

Reka bentuk ArcticSwarm diterjemahkan kepada peningkatan prestasi yang besar. Pada penanda aras penyelidikan mendalam hibrid dalaman Snowflake sendiri, ArcticSwarm mencapai 64.18% ketepatan berbanding 47.08% garis asas untuk konfigurasi ejen tunggal, peningkatan lebih daripada satu pertiga .

Keputusannya pada penanda aras awam adalah lebih menarik. Pada dataset penuh BrowseComp (1,266 soalan), prestasi adalah sangat berstrata berdasarkan sejauh mana konsensus dicapai semasa semakan :

• Apabila dapatan DISAHKAN oleh kedua-dua pembina dan penyemak khusus, ketepatan melonjak kepada 86.4%.
• Dengan semakan hanya oleh pembina, kadarnya jatuh kepada 70.9%.
• Dengan hanya penyemak khusus, ia adalah 66.1%.
• Apabila tiada konsensus penyemak wujud langsung, ketepatan merudum kepada hanya 35.3%.
  Ini menunjukkan bahawa kualiti fasa semakan berikutnya adalah sama pentingnya dengan isolasi awal.

Sebagai perbandingan, pada dataset BrowseComp asal, LLM standard seperti GPT-4o dan GPT-4.5 mencapai ketepatan hampir sifar (0.6%–0.9%). Model pengkhususan penaakulan OpenAI, o1, bertambah baik kepada kira-kira 10%, manakala OpenAI Deep Research, ejen pelayaran khusus, mencapai ~51.5% ketepatan .

Pada penanda aras BrowseComp-Plus yang lebih terkawal, konfigurasi bersaing terkuat adalah GPT-5 yang digandingkan dengan pengambil Qwen3-8B, mencapai ketepatan 70.12%, dan o3 mencapai 63.49% dengan pengambil yang sama . ArcticSwarm pada 86.4% pada subset dwi-sahkan BrowseComp-Plus yang paling sukar jelas mengatasi garis asas yang telah ditetapkan ini .

ArcticSwarm di Perusahaan: CoWork Deep Research

Konsep-konsep ini tidak terhad kepada penyelidikan akademik. Snowflake kini mengintegrasikan metodologi kalis 'groupthink' ArcticSwarm ke dalam platform perusahaannya melalui Mod Deep Research Snowflake CoWork . Integrasi ini direka untuk membolehkan pekerja pengetahuan menjalankan analisis yang selamat dan berkeyakinan tinggi secara langsung dalam persekitaran data terkawal Snowflake. Aliran kerja ini disokong oleh tiga ciri utama :

• Artifak: Output berterusan dan terkawal versi seperti laporan, kod, dan analisis yang boleh dikongsi dan diperiksa oleh seluruh pasukan.
• Ingatan Pengguna: Enjin konteks berterusan yang mengekalkan keutamaan pengguna dan corak penyelidikan lepas merentas sesi berbeza untuk menambah baik pertanyaan masa depan.
• Cortex Sense: Lapisan kesedaran kontekstual yang secara automatik menampilkan aset data dalaman yang relevan, skema pangkalan data, dan analisis lepas kepada ejen penyelidikan aktif.

Bagi pengguna perusahaan, ini bermakna keupayaan ArcticSwarm untuk menentang bias pengesahan boleh digunakan untuk gabungan rumit pertanyaan pangkalan data SQL berstruktur dan pelayaran dokumen dalaman tidak berstruktur, memberikan jawapan yang telah bertahan daripada pemeriksaan silang bebas yang rapi sebelum ia dipersembahkan kepada pembuat keputusan manusia.