「ParallelMuse」は、深い情報探求（IS）エージェントの問題解決能力を高めるために、探索の幅を広げる並列思考を提案します。従来の並列思考は、ゼロからの再展開に伴う非効率性や、回答生成時の長期的な推論経路の統合の難しさなどの課題に直面していました。これに対処するため、二段階のパラダイムを採用しました。第一段階では、機能に特化した部分的ロールアウトを行い、生成された系列を機能的領域に分割し、不確実性に基づくパスの再利用と分岐を実施します。第二段階では、推論の冗長性を活用し、情報を損失なく圧縮して最終的な整合性のある回答を合成します。複数のオープンソースエージェントにおける実験では、性能が最大62%向上し、探索トークン消費が10-30%減少することが示されました。