# ArcticSwarm förbättrar webbsökning med flera agenter genom att skjuta upp samsyn

> Den nya ArcticSwarm-arkitekturen skiljer insamling av belägg från sammanvägning och når 82.6% på BrowseComp med Qwen 3.5‑27B.

Oossa · 2026-11-13 · https://oossa.com/sv/arcticswarm-boosts-multi-agent-web-search-accuracy-by-delaying-early-consensus

Forskare på arXiv har presenterat ArcticSwarm, ett system med flera agenter utformat för webbsökningar som sträcker sig över flera steg. Till skillnad från tidigare upplägg, där agenterna röstar så snart de är klara, håller ArcticSwarm sökfasen åtskild från beslutsfasen. En ”insamlingsspärr” låter agenterna lägga upp sina fynd på en gemensam anslagstavla, men hindrar dem från att läsa varandras arbete. Senare granskar en ”integreringsspärr” varje förslag tre gånger innan det godkänns. Om en granskning misslyckas öppnar systemet sökningen på nytt i stället för att bara förkasta svaret.

Författarna testade arkitekturen på jämförelsetestet BrowseComp‑Plus, som innehåller 830 öppna webbsökningsfrågor. Med modellen Qwen 3.5‑27B, vars vikter är öppet tillgängliga, nådde ArcticSwarm en träffsäkerhet på 82.6%. Som jämförelse nådde det tidigare systemet MiroFlow 70.6% under samma förutsättningar, medan en enkel metod med majoritetsröstning fick 62.5% med samma tokenbudget. Studien mätte också hur ofta grupperna höll fast vid ett felaktigt tidigt svar: utan insamlingsspärren behöll 32.2% av körningarna ett felaktigt första förslag, jämfört med 22.3% när spärren var aktiverad. Det motsvarade en minskning av träffsäkerheten med 3.8 procentenheter. När integreringsspärren togs bort blev minskningen större: 5.9 procentenheter.

## Så skiljer sig metoden från andra system med flera agenter

ArcticSwarms två spärrar angriper direkt det problem som författarna kallar ”för tidig samsyn”, där agenterna enas om ett förslag innan tillräckligt många belägg har samlats in. Traditionella sökningar med flera agenter bygger på majoritetsröstning när alla agenter är klara. Den metoden kan inte tillföra svar som ingen enskild körning har hittat. Genom att skjuta upp samsynen tills systematiska kontroller har gjorts kan ArcticSwarm ta hänsyn till nya fynd som dyker upp senare i processen.

Artikeln redovisar också resultat med GPT‑5 på BrowseComp-frågor som söktes på webben i realtid. ArcticSwarm fick 73.6%, vilket är högre än GPT‑5:s publicerade resultat på 54.9% och MiroFlows 63.4% på samma uppgift. Resultaten tyder på att arkitekturen kan vara till nytta med fler språkmodeller än en enda.

## Därför är spärrmetoden viktig just nu

Webbsökningar som sträcker sig över flera steg är en central del av många verktyg för konsumenter, från researchassistenter till faktagranskningstjänster. Dagens metoder med flera agenter nöjer sig ofta med ett svar för tidigt, vilket försämrar tillförlitligheten. ArcticSwarm visar att det går att öka träffsäkerheten utan mer beräkningskraft, enbart genom att utforma arbetsflödet annorlunda och hålla insamlingen av belägg åtskild från sammanvägningen.

För utvecklare som bygger AI-produkter med sökfunktion erbjuder studien en konkret modell: inför ett steg där agenterna bara kan lägga upp information, och gör sedan flera verifieringsomgångar innan ett slutligt svar presenteras. Metoden kräver inte proprietära modeller, eftersom den fungerar med modeller vars vikter är öppet tillgängliga, som Qwen 3.5‑27B.

## Fakta

- ArcticSwarm når 82.6% träffsäkerhet på jämförelsetestet BrowseComp‑Plus med 830 frågor, med Qwen 3.5‑27B.
- MiroFlow får 70.6% med samma modell och tokenbudget, medan majoritetsröstning får 62.5% på samma test.
- Utan insamlingsspärren behåller grupperna ett felaktigt första förslag i 32.2% av körningarna; med spärren sjunker andelen till 22.3%, vilket motsvarar en minskning av träffsäkerheten med 3.8 procentenheter.
- När integreringsspärren tas bort sjunker den totala träffsäkerheten med 5.9 procentenheter.
- Med GPT‑5 på BrowseComp-frågor som söktes på webben i realtid får ArcticSwarm 73.6%, högre än GPT‑5:s publicerade resultat på 54.9% och MiroFlows 63.4%.

## Varför det spelar roll

För vanliga användare av AI-drivna sökverktyg kan ArcticSwarm innebära tillförlitligare svar utan ökad beräkningskraft. Utvecklare kan använda arbetsflödet med spärrar för att minska fel som uppstår när agenterna enas för tidigt och därmed göra webbsökningsassistenter mer pålitliga. Oberoende validering på andra jämförelsetest behövs fortfarande för att bekräfta att förbättringarna gäller många olika uppgifter.

## Källor och referenser

1. [ArcticSwarm: Deferring Early Consensus in Long-Horizon Multi-Agent Research](https://arxiv.org/abs/2609.01870) – arXiv cs.MA, 2026-11-13

Senast uppdaterad: 2026-11-13