論文の概要: UIS-Digger: Towards Comprehensive Research Agent Systems for Real-world Unindexed Information Seeking

• arxiv url: http://arxiv.org/abs/2603.08117v2
• Date: Wed, 11 Mar 2026 12:51:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-12 14:12:44.150054
• Title: UIS-Digger: Towards Comprehensive Research Agent Systems for Real-world Unindexed Information Seeking
• Title（参考訳）: UIS-Digger: リアルタイム情報検索のための総合的な研究エージェントシステムを目指して
• Authors: Chang Liu, Chuqiao Kuang, Tianyi Zhuang, Yuxin Cheng, Huichi Zhou, Xiaoguang Li, Lifeng Shang,
• Abstract要約: Unindexed Information Seeking (UIS) は、サーチエンジンクローラーによって重要な情報が取得されない場所である。 110のエキスパートアノテートされたQAペアからなるUISベンチマークであるUIS-QAを紹介する。 デュアルモードブラウジングと同時Webページ検索とファイル解析を可能にする新しいマルチエージェントフレームワークであるUIS-Diggerを提案する。
• 参考スコア（独自算出の注目度）: 34.4829016432132
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Recent advancements in LLM-based information-seeking agents have achieved record-breaking performance on established benchmarks. However, these agents remain heavily reliant on search-engine-indexed knowledge, leaving a critical blind spot: Unindexed Information Seeking (UIS). This paper identifies and explores the UIS problem, where vital information is not captured by search engine crawlers, such as overlooked content, dynamic webpages, and embedded files. Despite its significance, UIS remains an underexplored challenge. To address this gap, we introduce UIS-QA, the first dedicated UIS benchmark, comprising 110 expert-annotated QA pairs. Notably, even state-of-the-art agents experience a drastic performance drop on UIS-QA (e.g., from 70.90 on GAIA and 46.70 on BrowseComp-zh to 24.55 on UIS-QA), underscoring the severity of the problem. To mitigate this, we propose UIS-Digger, a novel multi-agent framework that incorporates dual-mode browsing and enables simultaneous webpage searching and file parsing. With a relatively small $\sim$30B-parameter backbone LLM optimized using SFT and RFT training strategies, UIS-Digger sets a strong baseline at 27.27\%, outperforming systems integrating sophisticated LLMs such as O3 and GPT-4.1. This demonstrates the importance of proactive interaction with unindexed sources for effective and comprehensive information-seeking. Our work not only uncovers a fundamental limitation in current agent evaluation paradigms but also provides the first toolkit for advancing UIS research, defining a new and promising direction for robust information-seeking systems.
• Abstract（参考訳）: LLMに基づく情報探索エージェントの最近の進歩は、確立されたベンチマークで記録破りのパフォーマンスを達成した。 しかし、これらのエージェントは、サーチエンジンにインデクシングされた知識に大きく依存しており、重要な盲点を残している: インデクシングされていない情報シーキング(UIS)。 本稿では,見過ごされたコンテンツや動的Webページ,組み込みファイルなど,検索エンジンクローラによって重要な情報が収集されないUIS問題を特定し,検討する。 その重要性にもかかわらず、UISは未調査の課題である。 このギャップに対処するために、110のエキスパートアノテートされたQAペアからなる最初のUISベンチマークであるUIS-QAを紹介する。 特に、最先端のエージェントでさえUIS-QA(例えばGAIAで70.90、BrowseComp-zhで46.70からUIS-QAで24.55まで)の大幅なパフォーマンス低下を経験しており、この問題の深刻さを裏付けている。 これを軽減するために、UIS-Diggerを提案する。UIS-Diggerは、デュアルモードブラウジングと同時Webページ検索とファイル解析を可能にする新しいマルチエージェントフレームワークである。 SFTとRFTのトレーニング戦略を使って最適化された比較的小さな$\sim$30BのバックボーンLLMで、UIS-Diggerは強力なベースラインを27.27\%に設定し、O3やGPT-4.1のような洗練されたLLMを統合するシステムよりも優れた性能を実現した。 このことは、効果的で包括的な情報探索のために、インデックスのないソースとのプロアクティブな相互作用の重要性を示している。 我々の研究は、現在のエージェント評価パラダイムの根本的な限界を明らかにするだけでなく、UIS研究を進めるための最初のツールキットも提供します。

関連論文リスト

• An Empirical Evaluation of LLM-Based Approaches for Code Vulnerability Detection: RAG, SFT, and Dual-Agent Systems [1.5216960763930782]
  LLM(Large Language Models)の急速な進歩は、自動ソフトウェア脆弱性検出の新しい機会を提供する。 本稿では,ソフトウェア脆弱性検出のためのLLM技術の有効性について比較検討する。
  論文  参考訳（メタデータ） (2026-01-01T08:05:51Z)
• InfoMosaic-Bench: Evaluating Multi-Source Information Seeking in Tool-Augmented Agents [60.89180545430896]
  InfoMosaic-Benchは、ツール拡張されたエージェントを探すマルチソース情報に特化した最初のベンチマークである。 汎用検索とドメイン固有のツールを組み合わせるにはエージェントが必要である。 この設計は信頼性と非自明性の両方を保証する。
  論文  参考訳（メタデータ） (2025-10-02T17:48:03Z)
• InfoAgent: Advancing Autonomous Information-Seeking Agents [143.15973604285304]
  本稿では,革新的なデータ合成パイプラインとWeb検索ツールを駆使したディープリサーチエージェントInfoAgentを紹介する。 我々の方法では、InfoAgentはBrowseCompで15.3%、BrowseComp-ZHで29.2%、Xbench-DSで40.4%の精度を達成した。
  論文  参考訳（メタデータ） (2025-09-29T17:59:57Z)
• Benchmarking Deep Search over Heterogeneous Enterprise Data [73.55304268238474]
  検索強化生成(RAG)の形式を評価するための新しいベンチマークを提案する。 RAGは、多種多様な、しかし関連するソースに対して、ソースを意識したマルチホップ推論を必要とする。 製品計画、開発、サポートステージをまたいだビジネスをシミュレートする合成データパイプラインを使用して構築します。
  論文  参考訳（メタデータ） (2025-06-29T08:34:59Z)
• InfoDeepSeek: Benchmarking Agentic Information Seeking for Retrieval-Augmented Generation [63.55258191625131]
  InfoDeepSeekは、現実世界の動的Web環境でエージェント情報を求めるための新しいベンチマークである。 本稿では,決定性,難易度,多様性の基準を満たす課題クエリを構築するための体系的手法を提案する。 本研究では,情報探索結果の正確性,有用性,コンパクト性に関する詳細な指標を含む,動的エージェント情報探索に適した最初の評価フレームワークを開発する。
  論文  参考訳（メタデータ） (2025-05-21T14:44:40Z)

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。