Flash-Searcher：通过基于 DAG 的并行执行实现快速有效的网络代理

大型语言模型 (LLM) 在配备外部工具时，在复杂的推理任务中展现出了卓越的能力。然而，当前的框架主要依赖于顺序处理，这导致执行效率低下，尤其是在需要大量工具交互的任务中。本文介绍了 Flash-Searcher，一个新颖的并行代理推理框架，它将执行范式从顺序链根本性地重新构想为有向无环图 (DAG)。Flash-Searcher 将复杂任务分解为具有明确依赖关系的子任务，从而实现独立推理路径的并发执行，同时保持逻辑约束。通过动态工作流优化，我们的框架根据中间结果不断优化执行图，有效地集成了摘要模块。在多个基准上的全面评估表明，Flash-Searcher 的性能始终优于现有方法。具体来说，它在 BrowseComp 上实现了 67.7% 的准确率，在 xbench-DeepSearch 上实现了 83% 的准确率，同时与当前框架相比，代理执行步骤减少了高达 35%。此外，当我们通过蒸馏将此并行推理管道集成到单个模型中时，我们在各种骨干架构上观察到显著的性能提升，这强调了我们方法的可推广性。因此，我们的工作代表了代理架构设计的一个重大进步，为复杂的推理任务提供了一个更具可扩展性和效率的范式。