Flash-Searcher: Быстрые и эффективные веб-агенты на основе параллельного выполнения с использованием DAG

Flash-Searcher: Fast and Effective Web Agents via DAG-Based Parallel Execution

September 29, 2025

Авторы: Tianrui Qin, Qianben Chen, Sinuo Wang, He Xing, King Zhu, He Zhu, Dingfeng Shi, Xinxin Liu, Ge Zhang, Jiaheng Liu, Yuchen Eleanor Jiang, Xitong Gao, Wangchunshu Zhou

cs.AI

Аннотация

Крупные языковые модели (LLM) демонстрируют впечатляющие способности в выполнении сложных задач рассуждения при использовании внешних инструментов. Однако современные подходы преимущественно полагаются на последовательную обработку, что приводит к неэффективному выполнению, особенно для задач, требующих интенсивного взаимодействия с инструментами. В данной статье представлен Flash-Searcher — новый фреймворк параллельного рассуждения агентов, который кардинально переосмысливает парадигму выполнения, переходя от последовательных цепочек к направленным ациклическим графам (DAG). Flash-Searcher разбивает сложные задачи на подзадачи с явными зависимостями, позволяя параллельное выполнение независимых путей рассуждения при сохранении логических ограничений. Благодаря динамической оптимизации рабочего процесса, наш фреймворк непрерывно уточняет граф выполнения на основе промежуточных результатов, эффективно интегрируя модуль суммирования. Комплексные оценки на множестве бенчмарков показывают, что Flash-Searcher стабильно превосходит существующие подходы. В частности, он достигает точности 67,7% на BrowseComp и 83% на xbench-DeepSearch, сокращая количество шагов выполнения агента до 35% по сравнению с текущими фреймворками. Кроме того, при дистилляции этого параллельного конвейера рассуждения в отдельные модели мы наблюдаем значительное улучшение производительности на различных архитектурах, что подчеркивает универсальность нашей методологии. Таким образом, наша работа представляет собой значительный шаг вперед в проектировании архитектуры агентов, предлагая более масштабируемую и эффективную парадигму для выполнения сложных задач рассуждения.

English

Large language models (LLMs) have demonstrated remarkable capabilities in complex reasoning tasks when equipped with external tools. However, current frameworks predominantly rely on sequential processing, leading to inefficient execution particularly for tasks requiring extensive tool interaction. This paper introduces Flash-Searcher, a novel parallel agent reasoning framework that fundamentally reimagines the execution paradigm from sequential chains to directed acyclic graphs (DAGs). Flash-Searcher decomposes complex tasks into subtasks with explicit dependencies, enabling concurrent execution of independent reasoning paths while maintaining logical constraints. Through dynamic workflow optimization, our framework continuously refines the execution graph based on intermediate results, effectively integrating summary module. Comprehensive evaluations across multiple benchmarks demonstrate that Flash-Searcher consistently outperforms existing approaches. Specifically, it achieves 67.7% accuracy on BrowseComp and 83% on xbench-DeepSearch, while reducing agent execution steps by up to 35% compared to current frameworks. Furthermore, when distilling this parallel reasoning pipeline into single models, we observe substantial performance gains across diverse backbone architectures, underscoring the generalizability of our methodology. Our work thus represents a significant advance in agent architecture design, offering a more scalable and efficient paradigm for complex reasoning tasks.