論文の概要: Self-Optimizing Multi-Agent Systems for Deep Research
- arxiv url: http://arxiv.org/abs/2604.02988v1
- Date: Fri, 03 Apr 2026 11:48:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-06 17:20:24.465087
- Title: Self-Optimizing Multi-Agent Systems for Deep Research
- Title（参考訳）: 深部研究のための自己最適化マルチエージェントシステム
- Authors: Arthur Câmara, Vincent Slot, Jakub Zavrel,
- Abstract要約: 現在のDeep Researchシステムは手作業によるプロンプトや静的アーキテクチャに依存していることが多い。
エージェントの自己プレイを可能にし,異なるプロンプトの組み合わせを探索することで,高品質なディープリサーチシステムを実現することができることを示す。
- 参考スコア（独自算出の注目度）: 0.648150039717559
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Given a user's complex information need, a multi-agent Deep Research system iteratively plans, retrieves, and synthesizes evidence across hundreds of documents to produce a high-quality answer. In one possible architecture, an orchestrator agent coordinates the process, while parallel worker agents execute tasks. Current Deep Research systems, however, often rely on hand-engineered prompts and static architectures, making improvement brittle, expensive, and time-consuming. We therefore explore various multi-agent optimization methods to show that enabling agents to self-play and explore different prompt combinations can produce high-quality Deep Research systems that match or outperform expert-crafted prompts.
- Abstract（参考訳）: ユーザの複雑な情報を必要とすると、マルチエージェントのDeep Researchシステムは、数百のドキュメントにまたがる証拠を反復的に計画し、検索し、合成し、高品質な回答を生成する。
1つの可能なアーキテクチャでは、オーケストレータエージェントがプロセスを調整し、並列ワーカーエージェントがタスクを実行する。
しかし、現在のDeep Researchシステムは手書きのプロンプトや静的アーキテクチャに依存しており、改善は不安定で高価で時間を要する。
そこで我々は,エージェントの自己演奏と異なるプロンプトの組み合わせの探索を可能にする多エージェント最適化手法を探索し,専門家が作成したプロンプトに適合あるいは優れる高品質なディープリサーチシステムを実現することを示す。
関連論文リスト
- An Empirical Study of Multi-Agent Collaboration for Automated Research [41.906658558789545]
本稿では,機械学習の自動最適化のための異なるマルチエージェント構造の比較効果について検討する。
サブエージェントアーキテクチャとエージェントチームアーキテクチャという,2つのマルチエージェントパラダイムに対して,単一エージェントベースラインをベンチマークする。
この結果から,運用安定性と理論的検討の根本的なトレードオフが明らかになった。
論文 参考訳（メタデータ） (2026-03-31T11:57:00Z) - WebWatcher: Breaking New Frontier of Vision-Language Deep Research Agent [68.3311163530321]
Deep ResearchのようなWebエージェントは認知能力を示しており、高度に難解な情報検索問題を解決することができる。
このようなエージェントは知覚、論理、知識においてより強力な推論能力を必要とするため、マルチモーダルディープリサーチは非常に困難である。
本稿では,視覚言語推論機能を備えた多モードディープリサーチエージェントであるWebWatcherを紹介する。
論文 参考訳（メタデータ） (2025-08-07T18:03:50Z) - From Web Search towards Agentic Deep Research: Incentivizing Search with Reasoning Agents [96.65646344634524]
推論とエージェント能力を備えた大規模言語モデル(LLM)は、エージェントディープリサーチ(Agenic Deep Research)と呼ばれる新しいパラダイムを取り入れている。
静的なWeb検索から,計画,探索,学習を行う対話型エージェントベースのシステムへの進化を辿ります。
我々はエージェントディープリサーチが既存のアプローチを著しく上回るだけでなく、将来の情報探索において支配的なパラダイムになることを実証する。
論文 参考訳（メタデータ） (2025-06-23T17:27:19Z) - Deep Research Agents: A Systematic Examination And Roadmap [109.53237992384872]
Deep Research (DR) エージェントは複雑な多ターン情報研究タスクに取り組むように設計されている。
本稿では,DRエージェントを構成する基礎技術とアーキテクチャコンポーネントの詳細な分析を行う。
論文 参考訳（メタデータ） (2025-06-22T16:52:48Z) - ResearchCodeAgent: An LLM Multi-Agent System for Automated Codification of Research Methodologies [16.90884865239373]
本研究では,研究方法論の体系化を自動化する新しいマルチエージェントシステムであるResearchCodeAgentを紹介する。
このシステムは、ハイレベルな研究概念と実践的な実装のギャップを埋める。
ResearchCodeAgentは、研究実施プロセスに向けた重要なステップであり、機械学習研究のペースを加速する可能性がある。
論文 参考訳（メタデータ） (2025-04-28T07:18:45Z)
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。