多 Agent 系统通常默认沟通越充分越好：子 Agent 一发现线索，其他成员立刻读取并继续推进。但在没有可靠验证器的开放研究任务中，这会制造一种集体偏见——最先出现的候选答案迅速变成团队共同前提，平行搜索退化成对同一假设的重复确认。
ArcticSwarm 的核心不是增加 Agent 数量，而是控制 信息在什么时候可以传播 。
#把证据共享与观点共享分开
系统让调查 Agent 把来源、摘录和检索结果发布到共享 bulletin board，同时允许部分搜索任务保持 gated isolation：它们可以访问任务与公共证据，但不会立即读到其他 Agent 的候选答案和解释。这样既避免重复抓取，也保留了独立形成假设的空间。
ArcticSwarm 通过共享证据板、隔离调查与审查门组织长程研究
结论要跨过三道承诺边界：候选提交前自检、共享板审计，以及最终答案前的替代假设检查。只有证据足够的候选才被传播；领先答案仍缺关键支持时，系统会重新打开搜索，而不是让多数意见充当事实。
#提升来自信息结构，不只是更多算力
在完整 830 题 BrowseComp-Plus 上，使用同一 Qwen 3.5-27B、检索器、工具、超时和裁判时，ArcticSwarm 达到 82.6%±0.5%，对齐后的 MiroFlow 为 70.6%。关闭 gated isolation 后降到 78.8%；再移除结构化审查后降到 74.5%。
隔离与不同通信结构对任务覆盖和正确率的影响
在实时网页 BrowseComp 上，GPT-5 版本达到 73.6%，高于论文引用的模型提供方系统 54.9% 和同骨干 MiroFlow 63.4%。论文还比较了并行单 Agent 的多数投票：即使把 Token 预算拉到接近 ArcticSwarm，多数票仍约为 63.2%，因为正确答案在难题上经常只是少数候选。
#预先拆答案，反而加深锚定
研究还记录了一个失败设计：搜索前先让模型生成多个实体解释。它只在 120 个问题中的 17 个触发，在这些本应受益的模糊问题上，准确率却从 41.2% 降至 29.4%；未触发的问题仍多消耗约 44% Token。先猜候选集合，只是把“过早共识”提前了一步。
更稳妥的拆分对象是约束：先决定哪些线索需要独立验证，而不是先决定答案可能是谁。对产品系统而言，这意味着共享层应优先存放可引用证据、任务状态和未决约束，候选结论需要显式的传播门槛。
ArcticSwarm 给出的不是“多开几个 Agent”公式，而是一条组织原则：并行搜索需要差异性，协作系统必须主动保护这种差异性。