論文の概要: DynaTree: Dynamic Agentic Retrieval Tree for Time-Sensitive News Retrieval

• arxiv url: http://arxiv.org/abs/2605.31377v1
• Date: Fri, 29 May 2026 14:45:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-01 20:56:50.677412
• Title: DynaTree: Dynamic Agentic Retrieval Tree for Time-Sensitive News Retrieval
• Title（参考訳）: DynaTree: 時間感性ニュース検索のための動的エージェント検索木
• Abstract要約: DynaTreeは、効率的で適応的なニュース検索のための2段階のフレームワークである。 オフラインの段階では、DynaTreeは調整されたエージェントを使用して、クエリトピックの意味空間を具体化する再利用可能な検索ツリーを構築する。 オンライン段階では、DynaTreeは、時間的局所評価プロキシを使って、軽量な日次サブツリー選択を行う。
• 参考スコア（独自算出の注目度）: 40.58227482378941
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Agentic Retrieval-Augmented Generation improves retrieval by integrating planning, tool use, and iterative reasoning, but existing agentic RAG methods often couple semantic expansion with retrieval decisions in short-horizon inference loops, leading to high inference cost and limited suitability for time-sensitive news retrieval. We propose DynaTree, a two-stage framework for efficient and adaptive news retrieval. In the offline stage, DynaTree uses coordinated agents to construct a reusable retrieval tree that materializes the semantic space of a query topic. In the online stage, DynaTree performs lightweight daily subtree selection over a time-localized evaluation proxy, without further agentic reasoning, tree modification, or retraining. Experiments on a multi-day Syft news benchmark and multiple BEIR datasets show that DynaTree achieves strong recall and ranking performance, consistently outperforming standard RAG and prior agentic baselines. We further deploy DynaTree in the Syft production system and evaluate it through online A/B testing from Jan. 28 to Feb. 6, 2026. The dynamically adapted variant improves survival rate from 0.32-0.53 to 0.59-0.73 over a fixed offline-selected subtree and outperforms existing production recallers on every evaluation day. These results show that persistent, structure-aware semantic expansion can translate offline agentic reasoning into practical improvements in coverage, freshness, and relevance for real-world news retrieval.
• Abstract（参考訳）: Agentic Retrieval-Augmented Generationは、計画、ツールの使用、反復的推論を統合することで検索を改善するが、既存のエージェントRAGメソッドは、短時間の推論ループでの検索決定とセマンティック拡張を結合することが多く、推論コストが高く、時間に敏感なニュース検索に適している。 効率よく適応的なニュース検索のための2段階のフレームワークであるDynaTreeを提案する。 オフラインの段階では、DynaTreeは調整されたエージェントを使用して、クエリトピックの意味空間を具体化する再利用可能な検索ツリーを構築する。 オンライン段階では、DynaTreeは、エージェント推論、ツリー修正、再トレーニングを必要とせず、時間的局所評価プロキシを介して、軽量な日次サブツリー選択を行う。 マルチデイのSyftニュースベンチマークと複数のBEIRデータセットの実験では、DynaTreeが強いリコールとランキングのパフォーマンスを達成し、標準RAGと以前のエージェントベースラインを一貫して上回っていることが示されている。 我々は、さらにDynaTreeをSyft生産システムにデプロイし、2026年1月28日から2月6日までのオンラインA/Bテストを通じて評価する。 動的に適応された変種は、固定されたオフライン選択されたサブツリーよりも生存率を0.32-0.53から0.59-0.73に改善し、評価日ごとに既存のプロダクションリコールを上回ります。 これらの結果から, 永続的, 構造を意識したセマンティック展開は, オフラインエージェント推論を現実のニュース検索におけるカバレッジ, 鮮度, 関連性の実践的改善に変換することができた。

関連論文リスト

• Self-Correcting Long-Horizon Search Agents via Tree-Structured Memory [20.351040137738398]
  本稿では,検索エージェントのための自己修正木構造記憶機構ReTreeを提案する。 ReTreeは、ソースリンクされたエビデンスを保持しながら、ステップごとのコンテキスト境界を構築する。 4つの公開質問回答と検索ベンチマークの実験は、ReTreeが一貫してFull-Trajectory ReActを上回っていることを示している。
  論文  参考訳（メタデータ） (2026-08-11T08:56:42Z)
• Toward Generalist Autonomous Research via Hypothesis-Tree Refinement [150.99641031769633]
  本稿では,長寿命コーディネータ,短寿命エグゼキュータ,仮説ツリーリファインメント(HTR)を組み合わせた自律的研究フレームワークArborを紹介する。 結果が戻ると、Arborはツリーを更新し、再利用可能なレッスンを宣伝し、検索フロンティアを洗練し、検証された改善を認めた。
  論文  参考訳（メタデータ） (2026-06-10T10:57:05Z)
• FRESCO: Benchmarking and Optimizing Re-rankers for Evolving Semantic Conflict in Retrieval-Augmented Generation [73.22935457705057]
  時間的動的文脈における再ランカ評価のためのベンチマークであるFRESCOを紹介する。 レクエンシ検索クエリと過去のウィキペディアのリビジョンを組み合わせることで、FRESCOは、セマンティックな関連性を維持しながら、リランカが事実として最新の証拠を優先順位付けできるかどうかをテストする。 我々の評価では、既存の再ランカ間で一貫した障害モードが明らかになっている。
  論文  参考訳（メタデータ） (2026-04-14T17:04:25Z)
• TreePS-RAG: Tree-based Process Supervision for Reinforcement Learning in Agentic RAG [71.06073770344732]
  エージェント検索強化生成(RAG)は、推論と情報検索の多段階的な相互作用として質問応答を定式化する。 エージェントRAGのためのオンラインツリーベースRLフレームワークであるTreePS-RAGについて述べる。
  論文  参考訳（メタデータ） (2026-01-11T14:07:30Z)
• Scheduling Your LLM Reinforcement Learning with Reasoning Trees [18.720191133993715]
  本稿では、推論木の構造に基づいて、クエリの学習困難度を測定するReasoning Score(r-score)を紹介する。 rスコアに基づくスケジューリングアルゴリズムであるReasoning Tree Schedule (Re-Schedule)を提案する。
  論文  参考訳（メタデータ） (2025-10-28T17:52:07Z)
• Tree Search for LLM Agent Reinforcement Learning [23.7084695563981]
  Tree-based Group Relative Policy Optimization (Tree-GRPO) は、木探索に基づくグループ化エージェントRL法である。 共通のプレフィックスを共有することで、ツリー検索サンプリングは、達成可能なロールアウトの数を増やす。 木レベルでの相対的政策最適化の目的は、ステップレベルの直接選好学習と同等であることを示す。
  論文  参考訳（メタデータ） (2025-09-25T14:37:09Z)
• TreePO: Bridging the Gap of Policy Optimization and Efficacy and Inference Efficiency with Heuristic Tree-based Modeling [65.46347858249295]
  TreePOは自己誘導型ロールアウトアルゴリズムで、シーケンス生成を木構造検索プロセスとして見る。 TreePOは基本的に、探索の多様性を保存または強化しながら、更新毎の計算負担を削減します。
  論文  参考訳（メタデータ） (2025-08-24T16:52:37Z)
• Hierarchical Quantized Diffusion Based Tree Generation Method for Hierarchical Representation and Lineage Analysis [49.00783841494125]
  HDTreeは階層的潜在空間内の木関係を、統一的な階層的コードブックと量子化拡散プロセスを用いてキャプチャする。 HDTreeの有効性は、汎用データセットと単一セルデータセットの比較によって示される。 これらの貢献は階層的な系統解析のための新しいツールを提供し、より正確で効率的な細胞分化経路のモデリングを可能にする。
  論文  参考訳（メタデータ） (2025-06-29T15:19:13Z)
• ReTreever: Tree-based Coarse-to-Fine Representations for Retrieval [64.44265315244579]
  そこで本研究では,様々なレベルで参照文書を整理し,表現するためのツリーベース手法を提案する。 我々の手法はReTreeverと呼ばれ、クエリと参照ドキュメントが同様のツリーブランチに割り当てられるように、バイナリツリーの内部ノード毎のルーティング関数を共同で学習する。 我々の評価では、ReTreeverは一般的に完全な表現精度を保っている。
  論文  参考訳（メタデータ） (2025-02-11T21:35:13Z)

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。