Qué probaría antes de escalar esta idea.
- PREGUNTA DE PRUEBA
- ¿La propuesta mejora deep research frente a la línea base actual?
- ENTRADA
- deep research con un conjunto pequeño de casos representativos y la misma métrica o protocolo que la fuente cuando sea reproducible.
- MÉTRICA
- Comparar la métrica principal de la fuente junto con calidad, coste, latencia y tasa de errores.
- PARADA
- Parar si no aparece una mejora reproducible o si aumenta el riesgo, la complejidad o el coste sin compensación.
La lectura primaria permite comprobar método y resultados en el HTML, pero no convierte sus conclusiones en validación independiente. La ficha no demuestra transferencia fuera de los datasets, modelos, herramientas y condiciones descritos en Experiment.
Esta prueba es una propuesta editorial: no es un resultado reportado por los autores.
Lo esencial antes de invertir más tiempo.
Sistema de búsqueda web que crea agentes recursivamente según progresa la investigación. Combina descomposición, expansión de nuevas líneas de búsqueda y colaboración dinámica, evitando que un único agente acumule una trayectoria excesivamente larga.
As shown in Table 1 , WebSwarm achieves the best or competitive results across four benchmarks, consistently outperforming both single-agent ReAct and multi-agent baselines.
Resultado reportado con fuente enlazada · 6 localizadores disponibles.La lectura primaria permite comprobar método y resultados en el HTML, pero no convierte sus conclusiones en validación independiente. La ficha no demuestra transferencia fuera de los datasets, modelos, herramientas y condiciones descritos en Experiment.
Es relevante para la transición de los buscadores hacia sistemas que construyen respuestas, informes y mapas completos de información. También afecta a cómo marcas y contenidos serán descubiertos y citados dentro de asistentes.
Sistema de búsqueda web que crea agentes recursivamente según progresa la investigación. Combina descomposición, expansión de nuevas líneas de búsqueda y colaboración dinámica, evitando que un único agente acumule una trayectoria excesivamente larga.
Qué sostiene esta confianza — y qué sigue sin probarse.
Juicio editorial sobre la transferibilidad de esta lectura; no mide calidad académica ni efecto local.
- FUENTE PRIMARIA
- DOCUMENTADO
Lectura primaria completa registrada sobre v1; comprobación: 2026-08-19 · lectura primaria completa; extracción editorial automatizada, revisión humana pendiente.
- RÉPLICA LOCAL
- PENDIENTE
No se ha registrado una réplica independiente en este sitio. El código o los datos enlazados, cuando existen, no cuentan como réplica.
- LÍMITES
- DOCUMENTADO
3 límites declarados en la ficha.
- APLICABILIDAD
- ACOTADO
Hay una prueba de transferencia con entrada, métrica y parada; su resultado local todavía no se ha observado.
REGLA EDITORIALLos criterios no se promedian automáticamente. Una fuente leída, un límite claro o un protocolo propuesto no equivalen a una réplica ni a un resultado local.
Qué está reportado y qué conviene comprobar.
As shown in Table 1 , WebSwarm achieves the best or competitive results across four benchmarks, consistently outperforming both single-agent ReAct and multi-agent baselines.
baseline: Comparación declarada en la sección de evaluación · contexto: Experiment
On BrowseComp-Plus, WebSwarm improves over ReAct by 17.50 accuracy points and outperforms the strongest multi-agent baseline by 3.50 points.
baseline: Comparación declarada en la sección de evaluación · contexto: Experiment
This gain is primarily attributed to the deep search mode, where the searcher agent iteratively shifts exploration perspectives and refines candidate hypotheses in a sequential manner, while an independent verifier adversarially evaluates and filters candidate answers, leading to deeper web information exploration.
contexto: Experiment
On WideSearch-EN, WebSwarm achieves gains of 10.91 and 9.76 points in Row F1 and Item F1 over ReAct, and also shows improvements over multi-agent baselines.
baseline: Comparación declarada en la sección de evaluación · contexto: Experiment
Qué estudiaron y qué cambia.
La síntesis está separada de los resultados reportados y de las inferencias.PROBLEMA / La señal entra en el radar porque Los search agents suelen sacrificar profundidad para ganar cobertura, o cobertura para mantener profundidad.
MÉTODO / La lectura de Methodology describe la intervención y su construcción: For a web information-seeking task q_{0} , the ReAct agent searches and reads web pages through web tools at each step until it returns the final answer a . The tool actions include search(query) and fetch_url(url) : the former returns the most relevant webpage URLs and snippets for the query, while the latter returns the text content of a specified webpage. As shown in Figure 2 , at the core of WebSwarm is a recursive delegation process, where the system progressively solves the original task by dynamically creating search nodes and enabling delegation and feedback among them. Each search node is itself an… [Fuente: https://arxiv.org/html/2607.08662#Sx3]
RESULTADO / La sección Experiment informa: As shown in Table 1 , WebSwarm achieves the best or competitive results across four benchmarks, consistently outperforming both single-agent ReAct and multi-agent baselines. On BrowseComp-Plus, WebSwarm improves over ReAct by 17.50 accuracy points and outperforms the strongest multi-agent baseline by 3.50 points. This gain is primarily attributed to the deep search mode, where the searcher agent iteratively shifts exploration perspectives and refines candidate hypotheses in a sequential manner, while an independent verifier adversarially evaluates and filters candidate answers, leading to deeper web information exploration. [Fuente: https://arxiv.org/html/2607.08662#Sx4]
LÍMITE / El cierre de la fuente señala: Figure 7 (DeepWideSearch). This case first requires resolving a hidden manufacturer clue and then collecting structured vehicle information. WebSwarm first uses a deep search node to identify Henry Ford, then expands into a wide node that enumerates eligible Ford models with entity_collect and fills attributes with atom nodes. This demonstrates an evidence-driven transition from deep entity identification to wide structured collection. La transferencia a deep research requiere repetir la comparación con datos y criterios propios [Fuente: https://arxiv.org/html/2607.08662#Sx5].
- PROBLEMA
- Los search agents suelen sacrificar profundidad para ganar cobertura, o cobertura para mantener profundidad.
- MÉTODO
- La lectura de Methodology describe la intervención y su construcción: For a web information-seeking task q_{0} , the ReAct agent searches and reads web pages through web tools at each step until it returns the final answer a . The tool actions include search(query) and fetch_url(url) : the former returns the most relevant webpage URLs and snippets for the query, while the latter returns the text content of a specified webpage. As shown in Figure 2 , at the core of WebSwarm is a recursive delegation process, where the system progressively solves the original task by dynamically creating search nodes and enabling delegation and feedback among them. Each search node is itself an…
- TIPO DE EVIDENCIA
- La sección Experiment informa 4 hallazgo(s) extraído(s) desde la fuente. El resultado principal se conserva con el localizador de sección https://arxiv.org/html/2607.08662#Sx4.
- LÍMITE
- La lectura primaria permite comprobar método y resultados en el HTML, pero no convierte sus conclusiones en validación independiente. La ficha no demuestra transferencia fuera de los datasets, modelos, herramientas y condiciones descritos en Experiment.
La lectura también deja rastro.
Guarda una observación junto a la evidencia. Tú escribes aquí; los agentes pueden añadir notas por MCP y aparecerán identificados.
LECTURA AMPLIADAMetodología, implicaciones y preguntas para volver al paper.+
La lectura de Methodology describe la intervención y su construcción: For a web information-seeking task q_{0} , the ReAct agent searches and reads web pages through web tools at each step until it returns the final answer a . The tool actions include search(query) and fetch_url(url) : the former returns the most relevant webpage URLs and snippets for the query, while the latter returns the text content of a specified webpage. As shown in Figure 2 , at the core of WebSwarm is a recursive delegation process, where the system progressively solves the original task by dynamically creating search nodes and enabling delegation and feedback among them. Each search node is itself an…
Es relevante para la transición de los buscadores hacia sistemas que construyen respuestas, informes y mapas completos de información. También afecta a cómo marcas y contenidos serán descubiertos y citados dentro de asistentes.
La lectura primaria permite comprobar método y resultados en el HTML, pero no convierte sus conclusiones en validación independiente. La ficha no demuestra transferencia fuera de los datasets, modelos, herramientas y condiciones descritos en Experiment.
Cómo lo llevaría a un proyecto
Probar la propuesta en deep research reproduciendo primero la comparación y registrando calidad, coste, latencia y errores.
Preguntas que conviene probar
- ¿La mejora se mantiene cuando deep research cambia de dominio o distribución?
- ¿Qué componente del método explica la mayor parte del resultado y qué baseline lo pone realmente a prueba?
Si tuviera que convertirlo en una prueba mañana.
Mi lectura
La pregunta operativa es si deep research puede medirse con una línea base y un criterio de parada claros.
Esta última frase es una inferencia editorial a partir del paper y de sus posibles implicaciones; no es una afirmación de los autores.
La prueba que queda en pie.
¿La propuesta mejora deep research frente a la línea base actual?