論文の概要: Caesar: Deep Agentic Web Exploration for Creative Answer Synthesis
- arxiv url: http://arxiv.org/abs/2604.20855v1
- Date: Tue, 24 Feb 2026 14:20:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-04 02:32:14.114547
- Title: Caesar: Deep Agentic Web Exploration for Creative Answer Synthesis
- Title（参考訳）: Caesar: 創造的回答合成のためのディープエージェントWeb探索
- Authors: Jason Liang, Elliot Meyerson, Risto Miikkulainen,
- Abstract要約: Caesarは情報収集と新たな洞察の合成のギャップを埋めるために設計されたエージェントLLMアーキテクチャである。
ウェブをフラットな文書のシーケンスとして扱う既存のエージェントとは異なり、Caesarは連想的推論を促進するために広範な知識グラフを利用する。
- 参考スコア（独自算出の注目度）: 12.381671861910666
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: To advance from passive retrieval to creative discovery of new ideas, autonomous agents must be capable of deep, associative synthesis. However, current agentic frameworks prioritize convergent search, often resulting in derivative summaries that lack creativity. Caesar is an agentic LLM architecture designed to bridge the gap between information gathering and synthesis of new insights. Unlike existing agents that treat the web as a flat sequence of disconnected documents, Caesar leverages an extensive knowledge graph to foster associative reasoning, thus enabling the discovery of non-obvious connections between disparate concepts. It consists of two components: (1) exploration driven by a dynamic context-aware policy, and (2) synthesis controlled by an adversarial draft refinement loop that actively seeks novel perspectives rather than confirming established priors. Caesar demonstrates the ability to generate artifacts and answers characterized by high novelty and structural coherence, significantly outperforming state-of-the-art LLM research agents in tasks requiring creativity.
- Abstract（参考訳）: 受動的検索から新しいアイデアの創造的発見へと進むためには、自律的なエージェントは深い連想的な合成を行う必要がある。
しかし、現在のエージェント・フレームワークは収束探索を優先し、しばしば創造性に欠ける派生的な要約をもたらす。
Caesarは情報収集と新たな洞察の合成のギャップを埋めるために設計されたエージェントLLMアーキテクチャである。
ウェブをフラットな文書のシーケンスとして扱う既存のエージェントとは異なり、Caesarは広範囲の知識グラフを活用して連想的推論を促進することにより、異なる概念間の不可避なつながりの発見を可能にする。
本研究は,(1)動的文脈認識政策を駆使した探索,(2)既成の先行を確かめるのではなく,新たな視点を積極的に求めている敵のドラフトリファインメントループによって制御される合成という2つの構成要素から構成される。
Caesarは、創造性を必要とするタスクにおいて、高度な新規性と構造的コヒーレンスによって特徴づけられるアーティファクトと回答を生成する能力を示し、最先端のLLM研究エージェントを著しく上回っている。
関連論文リスト
- ORCA: Orchestrated Reasoning with Collaborative Agents for Document Visual Question Answering [8.852709980681626]
ORCA: 文書視覚質問応答のための協調エージェントを用いたオーケストレーション推論について述べる。
我々のフレームワークは、それぞれが異なるモダリティに特化している専門的なAIエージェントのセットを活用し、さまざまなドキュメントコンポーネントをまたいだ詳細な理解と協調的推論を可能にします。
提案手法は最先端の手法よりも大幅に改善され,視覚的きめ細かな推論における協調エージェントシステムのための新しいパラダイムが確立される。
論文 参考訳（メタデータ） (2026-03-02T22:21:25Z) - 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) - How to Reuse and Compose Knowledge for a Lifetime of Tasks: A Survey on
Continual Learning and Functional Composition [26.524289609910653]
人工知能(AI)の主な目標は、世界の一般的な理解を得ることができるエージェントを作ることである。
生涯的あるいは継続的な学習はこの設定に対処し、エージェントは継続的な問題の流れに直面し、遭遇する各新しいタスクの解決に必要な知識を捉えなければならない。
この単純なアイデアの直感的な魅力にもかかわらず、生涯学習と作曲学習に関する文献は、大きく別々に進められている。
論文 参考訳（メタデータ） (2022-07-15T19:53:20Z) - elBERto: Self-supervised Commonsense Learning for Question Answering [131.51059870970616]
本稿では、市販QAモデルアーキテクチャと互換性のあるコモンセンスフレームワークの自己教師型双方向表現学習を提案する。
このフレームワークは5つの自己教師型タスクから構成されており、リッチコモンセンスを含むコンテキストから追加のトレーニング信号を完全に活用するようモデルに強制する。
elBERtoは、単純な語彙的類似性比較が役に立たないような、アウト・オブ・パラグラフや非エフェクトな問題に対して、大幅に改善されている。
論文 参考訳（メタデータ） (2022-03-17T16:23:45Z)
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。