63页的面向AI搜索范式：Multi-agent、MCP、DAG、RL

作者
百度搜索（Baidu Search）发布了一篇63页《迈向人工智能搜索范式》的Paper，介绍了一个模块化、多智能体（Multi-Agent）框架，重新构想了在大型语言模型（LLM）时代我们如何搜索信息。
🚀与传统的基于检索的搜索或线性RAG pipeline不同，这种新范式协调四个专门的LLM代理——主管、规划者、执行者和撰写者——来处理从查询分析到工具调用以及最终综合的一切事务。
 以下是系统的工作方式： 
🔹主管代理：评估查询复杂性，并动态分配合适的团队。如果结果不完整，它会反思并重新规划。 
🔹规划者代理：将复杂问题分解为子任务的有向无环图（DAG），通过模型上下文协议（MCP）选择合适的工具，并支持重新规划。
 
🔹执行者代理：执行与工具相关的子任务，同时确保回退弹性并保证输出质量。
 
🔹撰写者代理：将结果综合成连贯的、多角度的答案，同时过滤不一致性。
 
✨有什么新内容？ 
  • 规划者适应动态能力边界——即时选择相关工具。
  • DRAFT系统通过LLM-工具交互反馈迭代改进工具文档。 
  • 定制的COLT检索器确保工具选择不仅在语义上相关，而且在功能上完整。 
  • 使用强化学习联合优化代理协调，采用多部分奖励。
 
📌为什么这很重要： 这种Agent架构在搜索中反映了类似人类的推理，为构建下一代人工智能搜索系统提供了可扩展和适应性强的基础。 
https://arxiv.org/pdf/2506.17188Towards AI Search ParadigmBaidu Search

（文：PaperAgent）

发表评论