論文の概要: FlashResearch: Real-time Agent Orchestration for Efficient Deep Research

• arxiv url: http://arxiv.org/abs/2510.05145v1
• Date: Thu, 02 Oct 2025 00:15:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-27 22:13:09.300867
• Title: FlashResearch: Real-time Agent Orchestration for Efficient Deep Research
• Title（参考訳）: FlashResearch: 効率的なディープリサーチのためのリアルタイムエージェントオーケストレーション
• Authors: Lunyiu Nie, Nedim Lipka, Ryan A. Rossi, Swarat Chaudhuri,
• Abstract要約: FlashResearchは効率的なディープリサーチのための新しいフレームワークです。 シーケンシャル処理を並列なランタイムオーケストレーションに変換する。 同等のクオリティを維持しつつ、最大5倍のスピードアップを提供できる。
• 参考スコア（独自算出の注目度）: 62.03819662340356
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Deep research agents, which synthesize information across diverse sources, are significantly constrained by their sequential reasoning processes. This architectural bottleneck results in high latency, poor runtime adaptability, and inefficient resource allocation, making them impractical for interactive applications. To overcome this, we introduce FlashResearch, a novel framework for efficient deep research that transforms sequential processing into parallel, runtime orchestration by dynamically decomposing complex queries into tree-structured sub-tasks. Our core contributions are threefold: (1) an adaptive planner that dynamically allocates computational resources by determining research breadth and depth based on query complexity; (2) a real-time orchestration layer that monitors research progress and prunes redundant paths to reallocate resources and optimize efficiency; and (3) a multi-dimensional parallelization framework that enables concurrency across both research breadth and depth. Experiments show that FlashResearch consistently improves final report quality within fixed time budgets, and can deliver up to a 5x speedup while maintaining comparable quality.
• Abstract（参考訳）: 様々な情報源で情報を合成するディープリサーチエージェントは、そのシーケンシャルな推論プロセスによって著しく制約される。 このアーキテクチャのボトルネックは、レイテンシが高く、ランタイム適応性が低く、リソース割り当ての効率が悪いため、インタラクティブなアプリケーションでは実用的ではない。 これを解決するために、複雑なクエリを動的に木構造サブタスクに分解することで、シーケンシャル処理を並列なランタイムオーケストレーションに変換する、効率的なディープリサーチのための新しいフレームワークであるFlashResearchを紹介した。 提案するコアコントリビューションは,(1)研究の幅と深さをクエリの複雑さに基づいて決定し,動的に計算資源を割り当てる適応型プランナ,(2)研究の進捗を監視し,資源の再配置と効率の最適化のために冗長な経路を創出するリアルタイムオーケストレーションレイヤ,(3)研究の幅と深さの並列化を可能にする多次元並列化フレームワークである。 実験によると、FlashResearchは固定時間予算内で最終レポート品質を継続的に改善し、同等の品質を維持しながら最大5倍のスピードアップを提供できる。

関連論文リスト

• Unifying Tree Search Algorithm and Reward Design for LLM Reasoning: A Survey [92.71325249013535]
  線形木探索はLarge Language Model (LLM) 研究の基盤となっている。 本稿では,検索アルゴリズムを3つのコアコンポーネントに分解する統合フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-11T03:29:18Z)
• Flash-Searcher: Fast and Effective Web Agents via DAG-Based Parallel Execution [48.7788770680643]
  Flash-Searcherは、新しい並列エージェント推論フレームワークである。 複雑なタスクを明示的な依存関係でサブタスクに分解し、独立した推論パスの同時実行を可能にする。 BrowseCompでは67.7%の精度で、xbench-DeepSearchでは83%、エージェントの実行手順は現在のフレームワークに比べて最大35%削減されている。
  論文  参考訳（メタデータ） (2025-09-29T17:39:30Z)
• WebWeaver: Structuring Web-Scale Evidence with Dynamic Outlines for Open-Ended Deep Research [73.58638285105971]
  本稿では,AIエージェントが膨大なWebスケール情報を洞察に富むレポートに合成しなければならない複雑な課題であるtextbfopen-ended Deep Research (OEDR) に取り組む。 人間の研究プロセスをエミュレートする新しいデュアルエージェントフレームワークである textbfWebWeaver を紹介する。 私たちのフレームワークは、DeepResearch Bench、DeepConsult、DeepResearchGymなど、主要なOEDRベンチマークにまたがる最先端の新たなベンチマークを確立しています。
  論文  参考訳（メタデータ） (2025-09-16T17:57:21Z)
• WebResearcher: Unleashing unbounded reasoning capability in Long-Horizon Agents [72.28593628378991]
  WebResearcherは、マルコフ決定プロセスとしてディープリサーチを再構築する反復的なディープリサーチパラダイムである。 WebResearcherは最先端のパフォーマンスを実現し、フロンティアのプロプライエタリシステムを超えています。
  論文  参考訳（メタデータ） (2025-09-16T17:57:17Z)
• Deep Researcher with Test-Time Diffusion [32.375428487905104]
  実験時間拡散深層研究者は拡散過程として研究報告の生成を概念化する。 ドラフト中心のデザインは、レポート作成プロセスをよりタイムリーで一貫性のあるものにします。 我々のTTD-DRは、幅広いベンチマークで最先端の結果が得られることを実証する。
  論文  参考訳（メタデータ） (2025-07-21T21:23:21Z)
• Recurrent Auto-Encoders for Enhanced Deep Reinforcement Learning in Wilderness Search and Rescue Planning [0.294944680995069]
  荒野の捜索と救助活動は、しばしば広大な景観で行われている。 問題は完全なカバレッジではなく、利用可能な限られた時間に収集された情報の最大化の1つだ。 本稿では,再帰型オートエンコーダと深部強化学習を組み合わせることで,探索問題のより効率的な解法を提案する。
  論文  参考訳（メタデータ） (2025-02-26T17:54:47Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。