論文の概要: DuMate-DeepResearch: An Auditable Multi-Agent System with Recursive Search and Rubric-Grounded Reasoning

• arxiv url: http://arxiv.org/abs/2606.07299v1
• Date: Fri, 05 Jun 2026 14:10:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-08 14:33:29.771317
• Title: DuMate-DeepResearch: An Auditable Multi-Agent System with Recursive Search and Rubric-Grounded Reasoning
• Title（参考訳）: DuMate-DeepResearch:Recursive SearchとRubric-Grounded Reasoningを用いた聴取可能なマルチエージェントシステム
• Authors: Lingyong Yan, Can Xu, Yukun Zhao, Wenxuan Li, Qingyang Chen, Jiulong Wu, Wenli Song, Xiangnan Li, Weixian Shi, Yiqun Chen, Xuchen Ma, Yuchen Li, Jiashu Zhao, Shuaiqiang Wang, Jianmin Wu, Dawei Yin,
• Abstract要約: Deep Research(DR)は、複雑でオープンな研究課題に取り組むための新しいエージェントパラダイムとして登場した。 本稿では,Qianfan Agent Foundry上に構築されたマルチエージェントDRフレームワークであるDuMate-DeepResearchを紹介する。
• 参考スコア（独自算出の注目度）: 58.09293442211248
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Deep Research (DR) has emerged as a new agentic paradigm to tackle complex, open-ended research tasks, demanding systems that can iteratively frame problems, acquire evidence, verify sources, and synthesize long-form reports. In practice, however, current DR systems are constrained by four interrelated limitations: long-horizon planning over an underspecified scope, the bottleneck of decomposing and scheduling such tasks within a single agent, hallucination risk in long-form synthesis, and limited process auditability. This technical report presents DuMate-DeepResearch, a multi-agent DR framework built on the Qianfan Agent Foundry. The framework decouples the Agent Core, which handles task understanding, planning, and scheduling, from an extensible Tool Ecosystem for retrieval, evidence acquisition, and report rendering, making every intermediate decision and tool invocation explicitly traceable. Building on this infrastructure, DuMate-DeepResearch further introduces three mechanisms: (i) a graph-based dynamic planning strategy expands the research roadmap coarse-to-fine and continuously revises it through reflection, re-planning, backtracking, and parallel branching; (ii) a recursive two-level execution design delegates each complex search sub-task to an inner Search Agent that runs its own planning loop, isolating noisy retrieval and stabilizing long-horizon execution; (iii) a rubric-based test-time optimization mechanism dynamically generates task-specific quality criteria and uses them as live reasoning scaffolds for evidence-grounded synthesis and adaptive stopping. Across two deep research benchmarks, DuMate-DeepResearch establishes new state-of-the-art results: the best overall score (58.03%) on DeepResearch Bench, and the best overall score (61.95%) on DeepResearch Bench II while ranking first in information recall and analysis.
• Abstract（参考訳）: Deep Research(DR)は、複雑でオープンな研究課題に取り組むための新しいエージェントパラダイムとして登場し、問題を反復的にフレーム化し、証拠を取得し、情報源を確認し、ロングフォームなレポートを合成するシステムを要求している。 しかし、実際には、現在のDRシステムは、不特定範囲における長期計画、単一エージェント内でのタスクの分解とスケジューリングのボトルネック、長期合成における幻覚リスク、プロセス監査可能性の4つの制限によって制限されている。 この技術レポートでは、Qianfan Agent Foundry上に構築されたマルチエージェントDRフレームワークであるDuMate-DeepResearchを紹介します。 このフレームワークは、タスク理解、計画、スケジューリングを処理するエージェントコアを、検索、エビデンス取得、レポートレンダリングのための拡張可能なツールエコシステムから切り離し、中間的な決定とツールの実行を明示的にトレース可能にする。 このインフラストラクチャ上に構築されたDuMate-DeepResearchはさらに3つのメカニズムを紹介している。 i) グラフベースの動的計画戦略は、研究ロードマップを粗大に拡大し、リフレクション、再計画、バックトラック、並列ブランチを通じて継続的に更新する。 2) 再帰的二段階実行設計は、各複合検索サブタスクを、独自の計画ループを実行し、ノイズ検索を分離し、長期実行を安定化する内部検索エージェントに委譲する。 三 ルーブリックベースのテストタイム最適化機構は、タスク固有の品質基準を動的に生成し、エビデンス基底合成と適応停止のためのライブ推論足場として利用する。 2つのディープリサーチベンチマークで、DuMate-DeepResearchは、DeepResearch Benchの最高スコア(58.03%)とDeepResearch Bench IIの最高スコア(61.95%)という、新しい最先端の結果を確立している。

関連論文リスト

• Marco DeepResearch: Unlocking Efficient Deep Research Agents via Verification-Centric Design [39.31356016375221]
  Marco DeepResearchは、検証中心のフレームワーク設計を3段階に最適化したディープリサーチエージェントである。 本稿では,質問の難易度を制御するために,グラフベースおよびエージェントベースQA合成に検証機構を導入する。 実験軌道に明示的な検証パターンを注入する検証駆動合成軌道法を設計する。 Marco DeepResearch自体を推論時に検証として使用し、課題に対するパフォーマンスを効果的に向上する。
  論文  参考訳（メタデータ） (2026-03-30T12:42:02Z)
• 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)
• FlashResearch: Real-time Agent Orchestration for Efficient Deep Research [62.03819662340356]
  FlashResearchは効率的なディープリサーチのための新しいフレームワークです。 シーケンシャル処理を並列なランタイムオーケストレーションに変換する。 同等のクオリティを維持しつつ、最大5倍のスピードアップを提供できる。
  論文  参考訳（メタデータ） (2025-10-02T00:15:39Z)
• Fathom-DeepResearch: Unlocking Long Horizon Information Retrieval and Synthesis for SLMs [7.3517692707289415]
  本稿では2つの特殊モデルからなるエージェントシステムであるFathom-DeepResearchを紹介する。 ひとつは、ライブWeb検索とターゲットWebページクエリによるエビデンスベースの調査に最適化された、DeepSearchモデルであるFathom-Search-4Bである。 2つ目は、Qwen3-4Bから訓練されたFathom-Synthesizer-4Bである。
  論文  参考訳（メタデータ） (2025-09-28T22:58:11Z)
• 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)
• 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。