Как ИИ‑архитектура ArcticSwarm от Snowflake ломает групповое мышление и доминирует в бенчмарках глубокого поиска

Мультиагентные ИИ‑системы часто обещают превосходные результаты, объединяя несколько «умов» для решения одной задачи. Однако на практике многие из них попадают в ловушку преждевременной конвергенции, или группового мышления. Когда агенты общаются слишком свободно, первая же правдоподобная зацепка, найденная одним участником, может захватить всё обсуждение, заставляя остальных отказаться от собственных направлений поиска. Архитектура Snowflake под названием ArcticSwarm была спроектирована специально для того, чтобы разорвать этот порочный круг, и результаты тестов показали, что она превосходит некоторые из самых продвинутых моделей на рынке .

Проблема группового мышления и «управляемая доска объявлений»

Ключевая идея ArcticSwarm заключается в том, что сотрудничество на раннем этапе вредно. Её основополагающий принцип гласит: «Сначала исследуй независимо. Потом проводите совместную ревизию. Принимайте решение только после того, как доказательства выдержат критику» . Чтобы реализовать это на практике, система использует управляемую доску объявлений (Gated Bulletin Board System, BBS), которая контролирует, когда агенты могут видеть работу друг друга, через три различных режима :

• Режим изоляции (Isolation Mode): Это критически важный этап борьбы с групповым мышлением. Агентам предоставляется доступ к доске объявлений только для записи. Они могут публиковать найденные источники, данные и логику своих рассуждений, но полностью лишены возможности видеть, чем занимаются их коллеги. Это заставляет каждого агента следовать своей собственной, уникальной траектории исследования.
• Режим рецензирования (Review Mode): После завершения независимого этапа барьер на чтение снимается. Агенты предъявляют свои находки для структурированной перекрёстной проверки, призванной извлечь максимальную пользу из аргументированных разногласий и вскрыть скрытые допущения.
• Режим фиксации решения (Commitment Mode): Единый итоговый ответ формируется только после того, как данные, полученные с нескольких независимых направлений, прошли строгую перекрёстную верификацию.

Абляционные тесты: свободный чат — враг разнообразия

Чтобы проверить, действительно ли такой изоляционистский подход работает, Snowflake провела абляционное исследование на выборке из 120 вопросов из бенчмарка BrowseComp . Тестировались три конфигурации: управляемая BBS, полностью неограниченный обмен сообщениями между агентами и независимые одиночные запуски .

Результаты наглядно подтвердили эффективность архитектуры. Неограниченный обмен сообщениями мгновенно уничтожил разнообразие доказательств. Исследователи наблюдали высокий коэффициент Жаккара (Jaccard overlap) для наборов URL-адресов, полученных разными агентами. Вместо того чтобы разделить нагрузку и охватить больше данных, агенты сходились на одних и тех же страницах, гоняясь за первой же найденной зацепкой. Более того, эффективный размер выборки (Effective Sample Size, ESS) — показатель, отражающий, сколько действительно независимых исследователей эмулирует система, — был значительно выше при использовании барьера чтения. Изоляция заставляла агентов искать разнообразную информацию, в то время как свободный чат эту возможность разрушал .

Результаты бенчмарков: BrowseComp и BrowseComp-Plus

Дизайн ArcticSwarm напрямую конвертируется в значительный прирост производительности. На собственном внутреннем гибридном бенчмарке Snowflake для глубокого поиска ArcticSwarm достиг точности 64,18% по сравнению с 47,08% у одномодельных конфигураций, то есть улучшение составило более трети .

Ещё более впечатляющими оказались результаты на публичных бенчмарках. На полном наборе данных BrowseComp (1266 вопросов) производительность сильно зависела от того, насколько полным был консенсус при рецензировании :

• Если находки были ВЕРИФИЦИРОВАНЫ как создателем (builder), так и выделенным рецензентом (reviewer), точность взлетала до 86,4%.
• Если проверку проводил только создатель, показатель падал до 70,9%.
• Если работал только выделенный рецензент — до 66,1%.
• При полном отсутствии консенсуса рецензентов точность падала до 35,3%.
  Это доказывает, что качество последующей фазы анализа столь же критично, как и первоначальная изоляция.

Для сравнения, в оригинальном датасете BrowseComp стандартные модели вроде GPT-4o и GPT-4.5 демонстрируют околонулевую точность (0,6%–0,9%). Релиз OpenAI o1, натренированный на логические рассуждения, улучшил результат примерно до 10%, в то время как OpenAI Deep Research, специализированный поисковый агент, достиг точности ~51,5% .

В более контролируемом бенчмарке BrowseComp-Plus лучшими из конкурирующих конфигураций были GPT-5 в паре с ретривером Qwen3-8B (точность 70,12%) и o3 с тем же ретривером (63,49%) . Результат ArcticSwarm в 86,4% на самом сложном, прошедшем двойную верификацию подмножестве BrowseComp-Plus значительно превосходит эти ориентиры .

ArcticSwarm на предприятии: CoWork Deep Research

Эти концепции не остаются лишь академическими исследованиями. Snowflake уже интегрирует устойчивую к групповому мышлению методологию ArcticSwarm в свою корпоративную платформу через режим глубокого исследования в Snowflake CoWork . Эта интеграция призвана позволить бизнес-пользователям запускать безопасный и надёжный анализ непосредственно в управляемой среде данных Snowflake. Рабочий процесс поддерживается тремя ключевыми функциями :

• Артефакты (Artifacts): Постоянные, версионируемые результаты работы, такие как отчёты, код и аналитические записки, которыми можно делиться со всей командой и изучать их.
• Пользовательская память (User Memory): Постоянный контекстный движок, который запоминает предпочтения пользователя и его предыдущие поисковые паттерны, чтобы улучшать будущие запросы.
• Cortex Sense: Уровень контекстуальной осведомлённости, который автоматически предлагает активному исследовательскому агенту релевантные внутренние данные, схемы баз данных и предыдущие анализы.

Для корпоративных пользователей это означает, что способность ArcticSwarm противостоять предвзятости подтверждения (confirmation bias) может быть применена к сложной комбинации структурированных SQL-запросов к базам данных и поиску в неструктурированных внутренних документах. Это позволяет получать ответы, которые прошли строгую, независимую перекрёстную проверку ещё до того, как они попадут на стол к руководителю, принимающему решения.