論文の概要: QUEST: Training Frontier Deep Research Agents with Fully Synthetic Tasks

• arxiv url: http://arxiv.org/abs/2605.24218v1
• Date: Fri, 22 May 2026 20:59:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 19:50:17.755485
• Title: QUEST: Training Frontier Deep Research Agents with Fully Synthetic Tasks
• Title（参考訳）: QUEST: 完全合成タスクによるフロンティアディープリサーチエージェントのトレーニング
• Abstract要約: QUESTは、様々な長距離検索タスクを扱うために設計されたオープンモデルのファミリーである。 本研究では,中等教育,教師付き微調整,強化学習を組み合わせた効果的なトレーニングレシピを提案する。 QUESTには、効果的なロングホライズン推論と知識合成を可能にするコンテキスト管理機構が組み込まれている。
• 参考スコア（独自算出の注目度）: 38.454776684977496
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deep research agents extend the role of search engines from retrieving keyword-matched pages to synthesizing knowledge, fundamentally changing how humans interact with information. However, frontier systems remain proprietary, while existing open agents often generalize poorly across different task types, leaving unclear how to train a broadly capable deep research agent. We release QUEST, a family of open models (ranging from 2B to 35B) that serve as general-purpose deep research agents designed to handle a wide range of long-horizon search tasks, with strong capabilities in fact seeking, citation grounding, and report synthesis. To build QUEST, we propose an effective training recipe combining mid-training, supervised fine-tuning, and reinforcement learning. Central to this recipe is a curated data synthesis pipeline based on unified rubric trees, which applies to different task types and enables synthesizing training data with verifiable rewards without human annotation. In addition, QUEST incorporates a built-in context management mechanism that enables effective long-horizon reasoning and knowledge synthesis. Using only 8K synthesized tasks, QUEST approaches or even surpasses frontier closed-source agents across eight deep research benchmarks spanning diverse task types, and achieves the best overall performance among recent open-weight agents. We released everything: models, data, and training scripts.
• Abstract（参考訳）: ディープリサーチエージェントは、検索エンジンの役割を、キーワードマッチングされたページの検索から知識の合成まで拡張し、人間が情報とどのように相互作用するかを根本的に変える。 しかしながら、フロンティアシステムはプロプライエタリなままであり、既存のオープンエージェントは様々なタスクタイプにまたがってあまり一般化しておらず、広く有能なディープリサーチエージェントの訓練方法が不明なままである。 QUESTはオープンモデル(2Bから35Bまで)のファミリーで、多岐にわたる長距離探索タスクを扱うための汎用的なディープリサーチエージェントとして機能し、実際に検索、引用グラウンド、レポート合成といった強力な機能を備えています。 QUESTを構築するために,中等教育,教師付き微調整,強化学習を組み合わせた効果的なトレーニングレシピを提案する。 このレシピの中心は、統一されたルーブリックツリーに基づくキュレートされたデータ合成パイプラインであり、異なるタスクタイプに適用され、人間のアノテーションなしで検証可能な報酬でトレーニングデータを合成することができる。 さらに、QUESTには、効果的な長期的推論と知識合成を可能にするコンテキスト管理機構が組み込まれている。 たった8Kの合成タスクを使用して、QUESTは、さまざまなタスクタイプにまたがる8つのディープリサーチベンチマークにおいて、フロンティアクローズソースエージェントにアプローチするか、あるいは超越している。 モデル、データ、トレーニングスクリプトなど、すべてをリリースしました。

関連論文リスト

• SearchArt: Training Long-Horizon Search Agent with Scalable Synthetic and Verified Task [28.244711705405056]
  有能な検索エージェントの訓練は、スケーラブルで長期にわたるタスクが欠如しているため、依然として困難である。 本稿では,長距離検索エージェントを訓練するためのフレームワークであるSearchArtを紹介する。 SearchArtは、複雑な検索、研究、ユーザ指向タスクのための大規模なデータセットを構築する。
  論文  参考訳（メタデータ） (2026-07-25T06:47:46Z)
• S1-DeepResearch: Beyond Search, Toward Real-World Long-Horizon Research Agents [22.248115680330496]
  深層研究エージェントのための統一軌道構築パラダイムを提案する。 提案するフレームワークは,グラフグラウンドタスクの定式化,エージェントトラジェクトリのロールアウト,多次元トラジェクトリの検証からなる。 S1-DeepResearch-32Bは、同等のスケールのオープンソースモデル間で最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2026-06-13T16:04:42Z)
• KARL: Knowledge Agents via Reinforcement Learning [63.627906947205624]
  本稿では,強化学習による企業検索エージェントの訓練システムを提案する。 KARLBenchは、6つの異なる検索レギュレーションにまたがる多機能評価スイートである。 異種探索行動で訓練されたモデルは、どのベンチマークにも最適化されたモデルよりもかなりよく一般化されていることを示す。
  論文  参考訳（メタデータ） (2026-03-05T14:30:25Z)
• Tongyi DeepResearch Technical Report [111.78446943571782]
  Tongyi DeepResearchは、自律的な深層研究機関にインセンティブを与えるため、エンドツーエンドのトレーニングフレームワークを通じて開発されている。 Tongyi DeepResearchは合計35億のパラメータを達成している。 私たちは、コミュニティを強化するためのモデル、フレームワーク、完全なソリューションをオープンソースにしています。
  論文  参考訳（メタデータ） (2025-10-28T17:53:02Z)
• 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)
• SFR-DeepResearch: Towards Effective Reinforcement Learning for Autonomously Reasoning Single Agents [93.26456498576181]
  本稿では,ディープリサーチのためのネイティブ自律単エージェントモデルの開発に焦点をあてる。 我々の最良の変種であるSFR-DR-20Bは、HumanityのLast Examベンチマークで28.7%に達する。
  論文  参考訳（メタデータ） (2025-09-08T02:07:09Z)
• 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)
• DeepResearcher: Scaling Deep Research via Reinforcement Learning in Real-world Environments [20.498100965239818]
  我々は、LLMベースのディープリサーチエージェントのエンドツーエンドトレーニングのための、初の総合的なフレームワークであるDeepResearcherを紹介する。 固定コーパス内にすべての必要な情報が存在すると仮定するRAGベースのアプローチとは異なり、我々の手法はオープンウェブのノイズ、非構造化、動的性質をナビゲートするエージェントを訓練する。 オープンドメインの研究タスクに関する大規模な実験は、DeepResearcherがエンジニアリングベースの素早いベースラインよりも最大28.9ポイントの大幅な改善を達成していることを示している。
  論文  参考訳（メタデータ） (2025-04-04T04:41:28Z)

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。