Forscher haben auf arXiv ArcticSwarm vorgestellt, ein Multi-Agenten-System für langwierige Websuchen. Anders als frühere Ansätze, bei denen die Agenten abstimmen, sobald sie fertig sind, trennt ArcticSwarm die Suche von der Entscheidungsphase. Über eine „Sammelschranke“ können die Agenten ihre Ergebnisse auf einer gemeinsamen Pinnwand veröffentlichen, aber nicht die Beiträge der anderen lesen. Später prüft eine „Integrationsschranke“ jeden Antwortvorschlag dreimal, bevor sie ihn akzeptiert. Scheitert eine Prüfung, nimmt das System die Suche wieder auf, statt die Antwort einfach zu verwerfen.
Die Autoren testeten die Architektur mit BrowseComp‑Plus, einem Benchmark mit 830 offenen Websuchfragen. Mit dem Open-Weight-Modell Qwen 3.5‑27B erreichte ArcticSwarm eine Genauigkeit von 82.6%. Das frühere System MiroFlow kam unter denselben Bedingungen auf 70.6%, ein einfacher Mehrheitsentscheid mit demselben Token-Budget auf 62.5%. Die Studie untersuchte auch, wie oft Teams an einer falschen frühen Antwort festhielten: Ohne Sammelschranke blieb in 32.2% der Durchläufe der erste Antwortvorschlag falsch, mit aktivierter Schranke waren es 22.3% – ein Rückgang, der einem Genauigkeitsverlust von 3.8 Punkten entsprach. Wurde die Integrationsschranke entfernt, sank die Genauigkeit noch stärker, um 5.9 Punkte.
Wie sich das Design von anderen Multi-Agenten-Methoden unterscheidet
Das Zwei-Schranken-Design von ArcticSwarm geht gezielt ein Problem an, das die Autoren als „frühen Konsens“ bezeichnen: Agenten übernehmen einen Antwortvorschlag, bevor genügend Belege gesammelt wurden. Bei herkömmlichen Multi-Agenten-Suchen wird abgestimmt, nachdem alle Agenten ihre Arbeit abgeschlossen haben. Dabei lassen sich keine Antworten einbringen, die in keinem einzelnen Durchlauf entdeckt wurden. Indem ArcticSwarm den Konsens aufschiebt, bis systematische Prüfungen erfolgt sind, kann das System später gewonnene Erkenntnisse einbeziehen.
Die Arbeit berichtet auch Ergebnisse mit GPT‑5 bei BrowseComp-Abfragen im Live-Web. ArcticSwarm erreichte 73.6% und übertraf damit den veröffentlichten GPT‑5-Wert von 54.9% sowie den MiroFlow-Wert von 63.4% bei derselben Aufgabe. Diese Zahlen deuten darauf hin, dass die Vorteile der Architektur nicht auf ein einzelnes Sprachmodell beschränkt sind.
Warum der Ansatz mit den Schranken jetzt wichtig ist
Langwierige Websuche ist ein zentraler Bestandteil vieler Verbraucherangebote – von Rechercheassistenten bis hin zu Faktenprüfungsdiensten. Aktuelle Multi-Agenten-Ansätze legen sich oft zu früh auf eine Antwort fest, was ihre Zuverlässigkeit mindert. ArcticSwarm zeigt, dass sich die Richtigkeit steigern lässt, ohne mehr Rechenleistung zu benötigen: Es genügt, den Arbeitsablauf so zu gestalten, dass Belege getrennt gesammelt und zusammengeführt werden.
Für Entwickler, die KI-Produkte mit integrierter Suche bauen, liefert die Studie eine konkrete Vorlage: zunächst eine Phase einrichten, in der Beiträge veröffentlicht, aber nur gelesen werden können, und anschließend mehrere Prüfrunden durchführen, bevor die endgültige Antwort ausgegeben wird. Der Ansatz erfordert keine proprietären Modelle und funktioniert auch mit Open-Weight-Modellen wie Qwen 3.5‑27B.
Warum es wichtig ist
Für Nutzer von KI-gestützten Suchwerkzeugen könnte ArcticSwarm zuverlässigere Antworten ohne zusätzlichen Rechenaufwand bedeuten. Entwickler können den Arbeitsablauf mit den Schranken übernehmen, um Fehler durch voreiligen Konsens zu reduzieren und Websuchassistenten verlässlicher zu machen. Unabhängige Tests mit weiteren Benchmarks sind weiterhin nötig, um zu bestätigen, dass die Vorteile auch bei unterschiedlichen Aufgaben bestehen.
