論文の概要: AgentDisCo: Towards Disentanglement and Collaboration in Open-ended Deep Research Agents

• arxiv url: http://arxiv.org/abs/2605.11732v1
• Date: Tue, 12 May 2026 08:14:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-13 21:48:56.699037
• Title: AgentDisCo: Towards Disentanglement and Collaboration in Open-ended Deep Research Agents
• Title（参考訳）: AgentDisCo: オープンエンドディープリサーチエージェントの絡み合いとコラボレーションを目指して
• Authors: Jiarui Jin, Zexuan Yan, Shijian Wang, Wenxiang Jiao, Yuan Lu,
• Abstract要約: 本稿では, 逆最適化問題として深層研究を定式化する, 分散協調型エージェントアーキテクチャであるAgenDisCoを提案する。 AgentDisCoは、生成されたアウトラインの評価と検索クエリの精査に批評家エージェントと、更新された結果の検索とアウトラインの修正にジェネレータエージェントを使用する。 全体的なワークフローは、手作りと自動検出の両方の設計戦略をサポートする。
• 参考スコア（独自算出の注目度）: 21.086121542846907
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: In this paper, we present AgentDisCo, a novel Disentangled and Collaborative agentic architecture that formulates deep research as an adversarial optimization problem between information exploration and exploitation. Unlike existing approaches that conflate these two processes into a single module, AgentDisCo employs a critic agent to evaluate generated outlines and refine search queries, and a generator agent to retrieve updated results and revise outlines accordingly. The iteratively refined outline is then passed to a downstream report writer that synthesizes a comprehensive research report. The overall workflow supports both handcrafted and automatically discovered design strategies via a meta-optimization harness, in which the generator agent is repurposed as a scoring agent to evaluate critic outputs and generate quality signals. Powerful code-generation agents (e.g., Claude-Code, Codex) systematically explore agent configurations and construct a policy bank, a structured repository of reusable design strategies, enabling the framework to self-refine without extensive human intervention. We evaluate AgentDisCo on three established deep research benchmarks (DeepResearchBench, DeepConsult, DeepResearchGym) using Gemini-2.5-Pro, achieving performance comparable to or surpassing leading closed-source systems. Observing that existing benchmarks inadequately reflect real-world user needs, we introduce GALA (General AI Life Assistants), a benchmark that mines latent research interests from users' historical browsing behavior. We further develop a rendering agent that converts research reports into visually rich poster presentations, and demonstrate an end-to-end product, AutoResearch Your Interest, which delivers personalized deep research recommendations derived from individual browsing histories.
• Abstract（参考訳）: 本稿では,情報探索と利用の対角的最適化問題として深層研究を定式化する,分散・協調型エージェントアーキテクチャであるAgenDisCoを提案する。 これら2つのプロセスを1つのモジュールに分割する既存のアプローチとは異なり、AgenDisCoは、生成されたアウトラインを評価し、検索クエリを洗練するための批判エージェントと、更新された結果を取得してアウトラインを修正するためのジェネレータを使用している。 反復的に洗練されたアウトラインは、総合的な研究レポートを合成する下流のレポートライターに渡される。 全体的なワークフローは、メタ最適化ハーネスを介して手作りと自動検出の両方の設計戦略をサポートし、ジェネレータをスコアリングエージェントとして再利用して、評価出力を評価し、品質信号を生成する。 強力なコード生成エージェント(Claude-Code、Codexなど)は、エージェントの構成を体系的に探求し、ポリシーバンクを構築する。 我々は,Gemini-2.5-Proを用いて,既存の3つのディープリサーチベンチマーク(DeepResearchBench,DeepConsult,DeepResearchGym)上でAgenDisCoを評価する。 既存のベンチマークが現実世界のユーザニーズを不適切に反映しているのを見て、GALA(General AI Life Assistants)というベンチマークを紹介します。 さらに、リサーチレポートを視覚的に豊かなポスタープレゼンテーションに変換するレンダリングエージェントを開発し、個人閲覧履歴から個人化されたディープリサーチレコメンデーションを提供する、エンド・ツー・エンドの製品であるAutoResearch Your Interestをデモする。

関連論文リスト

• AgentIR: Reasoning-Aware Retrieval for Deep Research Agents [76.29382561831105]
  ディープリサーチエージェントは、各検索の前に明示的な自然言語推論を生成する。 Reasoning-Aware Retrievalは、クエリと一緒にエージェントの推論トレースを埋め込む。 DR-Synthは、標準的なQAデータセットからDeep Researchレトリバーのトレーニングデータを生成する。 AgentIR-4Bは、オープンウェイトエージェントであるTongyi-DeepResearchで68%の精度を達成する。
  論文  参考訳（メタデータ） (2026-03-04T18:47:26Z)
• AgentCPM-Report: Interleaving Drafting and Deepening for Open-Ended Deep Research [85.51475655916026]
  AgentCPM-Reportは軽量だが高性能なローカルソリューションで、人間の記述プロセスを反映したフレームワークで構成されている。 我々のフレームワークは、モデルがアウトラインを動的に修正できるWARP(Writeing As Reasoning Policy)を使用している。 DeepResearch Bench、DeepConsult、DeepResearch Gymの実験は、AgentCPM-Reportが主要なクローズドソースシステムより優れていることを示した。
  論文  参考訳（メタデータ） (2026-02-06T09:45:04Z)
• A Hierarchical Tree-based approach for creating Configurable and Static Deep Research Agent (Static-DRA) [0.0]
  本稿では,階層木に基づく静的ワークフローに基づく新しいソリューションである静的ディープリサーチエージェント(Static-DRA)を紹介する。 コアコントリビューションは、DepthとBreadthという2つのユーザチューニング可能なパラメータの統合である。 エージェントのアーキテクチャは、スーパーバイザ、インディペンデント、およびWorkerエージェントで構成され、効果的なマルチホップ情報検索を促進する。
  論文  参考訳（メタデータ） (2025-12-03T15:37:13Z)
• 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)

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。