arXivの研究者らが、長時間にわたるウェブ検索向けのマルチエージェントシステム「ArcticSwarm」を発表した。検索を終えたエージェントがすぐに投票する従来の方式とは異なり、ArcticSwarmは検索段階と判断段階を分離する。「収集ゲート」によって、エージェントは共有ボードに調査結果を書き込める一方、ほかのエージェントの内容は読めない。後段の「統合ゲート」では、候補を3回検証してから採用する。検証に失敗した場合、回答をただ棄却するのではなく、検索を再開する。
研究チームは、自由形式のウェブ検索質問830問からなるベンチマーク「BrowseComp‑Plus」でこのアーキテクチャを評価した。オープンウェイトモデルのQwen 3.5‑27Bを使ったArcticSwarmの正解率は82.6%だった。同じ条件で、従来のMiroFlowは70.6%、同じトークン予算での単純な多数決方式は62.5%だった。また、チームが早い段階で出た誤答にどの程度固執するかも測定した。収集ゲートがない場合、実行の32.2%で最初の候補が誤答でも維持されたが、ゲートを有効にすると22.3%に低下した。この差は、正解率が3.8ポイント下がることに相当する。統合ゲートを取り除いた場合、正解率はさらに大きく5.9ポイント低下した。
ほかのマルチエージェント方式との違い
ArcticSwarmの2段階のゲート設計は、十分な証拠が集まる前にエージェントが候補を採用してしまう「早すぎる合意」という、著者らが指摘する問題に正面から対処する。従来のマルチエージェント検索では、すべてのエージェントが処理を終えた後に多数決を行うため、どの実行でも見つからなかった回答を新たに加えることはできない。体系的な確認を終えるまで合意を保留するArcticSwarmでは、処理の後半で見つかった新たな情報も取り込める。
論文では、実際のウェブを対象としたBrowseCompの検索質問にGPT‑5を使った結果も報告されている。ArcticSwarmのスコアは73.6%で、同じタスクにおけるGPT‑5の公表スコア54.9%とMiroFlowの63.4%を上回った。これらの結果は、このアーキテクチャの効果が特定の言語モデルに限られない可能性を示している。
ゲート方式が今重要な理由
長時間にわたるウェブ検索は、リサーチアシスタントからファクトチェックサービスまで、多くの消費者向けツールの中核を担う。現在のマルチエージェント方式では、回答を早く決めすぎて信頼性が下がることが多い。ArcticSwarmは、ワークフローを再設計して証拠の収集と統合を分ければ、計算量を増やさずに正確性を高められることを示している。
検索機能を組み込んだAI製品を開発する人にとって、この研究は具体的な設計指針となる。書き込みのみ可能な段階を設け、その後、最終回答を提示する前に複数回の検証を行うというものだ。Qwen 3.5‑27Bのようなオープンウェイトモデルでも動作するため、独自モデルは必要ない。
なぜ重要か
AI検索ツールを日常的に使う人にとって、ArcticSwarmの設計は、計算能力を増やさずにより信頼できる回答を得られる可能性を示す。開発者はゲート方式のワークフローを導入し、早すぎる合意による誤りを減らして、ウェブ検索アシスタントの信頼性を高められる。ただし、幅広いタスクで効果が得られるかを確認するには、ほかのベンチマークでの独立検証が必要だ。
