論文の概要: R$^2$-Searcher: Calibrating Retrieval and Reasoning Boundaries for Agentic Search
- arxiv url: http://arxiv.org/abs/2606.28566v1
- Date: Fri, 26 Jun 2026 19:44:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-30 18:07:15.602794
- Title: R$^2$-Searcher: Calibrating Retrieval and Reasoning Boundaries for Agentic Search
- Title（参考訳）: R$^2$-Searcher: エージェント検索のための検索と推論境界の校正
- Abstract要約: R$2$-Searcherは、検索と推論の境界を明示的に探索し、校正する。
R$2$-Searcherは,解答精度と検索品質において,最先端のエージェント検索法よりも優れていることを示す。
- 参考スコア（独自算出の注目度）: 59.034878430183305
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent search agents for multi-hop reasoning often fail by either retrieving incomplete evidence or reasoning over irrelevant portions of the retrieved content, leading to a retrieval-reasoning boundary shift. We propose R$^2$-Searcher, a novel framework that explicitly explores and calibrates the retrieval and reasoning boundaries via fine-grained, query-token-guided evidence modeling and post-retrieval reflection. Specifically, R$^2$-Searcher: (1) constructs fine-grained reasoning contexts by extracting precise facts from retrieved content based on query token semantics (e.g., subjects, actions, temporal markers, and degree modifiers), thereby guiding the attention of search agent; (2) introduces a retrieval reflection mechanism that evaluates and corrects boundary deviations after each retrieval step, guiding the generation of improved queries grounded in the extracted reasoning contexts; and (3) employs an end-to-end reasoning-reflection-guided reinforcement learning algorithm, R$^2$PO, which jointly optimizes both boundaries through a tree-based exploration of reasoning regions and reflections. Our method significantly enhances the quality of both retrieval and reasoning, establishing an iterative loop where retrieval and reasoning mutually enhance each other. Extensive experiments on seven complex multi-hop QA benchmarks demonstrate that R$^2$-Searcher significantly outperforms state-of-the-art agentic search methods in answer accuracy and retrieval-reasoning quality. Ablation studies further confirm the critical role of retrieval-reasoning boundary calibration.
- Abstract（参考訳）: 近年のマルチホップ推論のサーチエージェントは、不完全な証拠を検索するか、検索したコンテンツの無関係な部分を推論することで失敗することが多い。
提案するR$^2$-Searcherは,検索と推論の境界を細粒度でクエリトケン誘導型エビデンスモデリングと検索後のリフレクションによって明確に探索・校正する新しいフレームワークである。
特に、R$^2$-Searcher:(1)クエリトークンのセマンティクスに基づいて、検索されたコンテンツから正確な事実を抽出し、検索エージェントの注意を誘導し、(2)検索ステップの後に境界偏差を評価し補正する検索反射機構を導入し、抽出された推論コンテキストに根ざした改良されたクエリの生成を誘導し、(3)ツリーベースで推論領域とリフレクションを探索することで、両境界を共同で最適化するエンドツーエンドの推論強化学習アルゴリズムR$^2$POを使用する。
提案手法は検索と推論の両方の品質を著しく向上させ,検索と推論を相互に強化する反復ループを確立する。
7つの複雑なマルチホップQAベンチマークの大規模な実験により、R$^2$-Searcherは解答精度と検索品質において最先端のエージェント検索法よりも大幅に優れていることが示された。
アブレーション研究は、検索共振境界校正の重要性をさらに裏付ける。
関連論文リスト
- Beyond One-Shot Expansion: Contrastive Evidence Exploration for Multi-Hop Retrieval [19.37201042661162]
本研究では,エビデンス条件付き探索,パス特化コントラスト改善,カバレッジ対応ファイナルランキングを組み込んだ,トレーニング不要なマルチホップ検索フレームワークを提案する。
MuSiQue、HotpotQA、および2WikiMultihopQAの実験では、ベースラインよりも検索品質と下流QAパフォーマンスが一貫した改善が示されている。
論文 参考訳（メタデータ） (2026-09-07T05:13:56Z) - GRASP: GRanularity-Aware Search Policy for Agentic RAG [35.781196496632035]
本稿では,補完的検索ツールを適応的にコーディネートする訓練エージェントのための強化学習フレームワークGRASPを紹介する。
GRASPは、セマンティック検索、キーワード検索、段落読み込みアクションを提供する。
我々は、回答の正確性、接地された読み、補完的な検索、ターン効率を共同で説明する報酬でポリシーを訓練する。
論文 参考訳（メタデータ） (2026-07-11T19:58:07Z) - Search-R2: Enhancing Search-Integrated Reasoning via Actor-Refiner Collaboration [49.9937230730202]
本稿では,新たなアクター・リファイナ・コラボレーション・フレームワークであるSearch-R2を提案する。
提案手法は,生成過程をアクターに分解し,最初の推論軌道を生成する。
本稿では,検索-R2がモデルスケール全体にわたって強力なRAGとRLベースのベースラインを一貫して上回ることを示す。
論文 参考訳（メタデータ） (2026-02-03T15:32:09Z) - SmartSearch: Process Reward-Guided Query Refinement for Search Agents [63.46067892354375]
大言語モデル(LLM)に基づく検索エージェントは、知識集約的な問題に対処するために有望であることが証明されている。
既存の研究は主に、検索エージェントの推論パラダイムの最適化に重点を置いているが、推論中の中間的な検索クエリの品質は見過ごされ続けている。
この問題を緩和する2つの主要なメカニズムの上に構築されたフレームワークであるSmartSearchを紹介します。
論文 参考訳（メタデータ） (2026-01-08T12:39:05Z) - AdaSearch: Balancing Parametric Knowledge and Search in Large Language Models via Reinforcement Learning [61.974530499621274]
検索への過度な依存は、ノイズや悪意のあるコンテンツに対する不必要なコストとリスクをもたらす。
本稿では,探索を起動するか否かの判断から問題を解き放つ2段階の結果駆動型RLフレームワークを提案する。
AdaSearchは知識境界認識を大幅に改善し、不要な検索コールを削減し、タスクパフォーマンスを強く保ち、透明性と解釈可能な意思決定行動を提供する。
論文 参考訳（メタデータ） (2025-12-18T18:50:01Z) - Thinking Forward and Backward: Multi-Objective Reinforcement Learning for Retrieval-Augmented Reasoning [137.33138614095435]
Retrieval-augmented Generation (RAG) は、大規模言語モデルにおける幻覚の緩和に有効であることが証明されている。
近年、検索に基づく対話をRAGに組み込んで、リアルタイム検索による反復推論を可能にしている。
提案するBi-RARは,各中間ステップを前方方向と後方方向の両方で共同で評価する,新たな検索拡張推論フレームワークである。
論文 参考訳（メタデータ） (2025-11-12T08:29:39Z) - Search and Refine During Think: Facilitating Knowledge Refinement for Improved Retrieval-Augmented Reasoning [35.35813310224967]
大きな言語モデルは印象的な推論能力を示してきたが、本質的には知識貯水池によって制限されている。
Retrieval-augmented reasoningは、LCMが外部リソースをクエリできるようにすることによって、この制限を緩和する。
本稿では,新しい「探索・復調思考」パラダイムを取り入れた強化学習フレームワークであるAutoRefineを提案する。
論文 参考訳（メタデータ） (2025-05-16T14:11:29Z) - DeepRAG: Thinking to Retrieve Step by Step for Large Language Models [92.87532210660456]
我々はマルコフ決定過程(MDP)として検索強化推論をモデル化するDeepRAGを提案する。
クエリを反復的に分解することで、DeepRAGは外部知識を取得するか、あるいは各ステップでパラメトリック推論に依存するかを動的に決定する。
実験の結果,DeepRAGは検索効率を向上し,回答精度を26.4%向上させ,検索強化推論の有効性を示した。
論文 参考訳（メタデータ） (2025-02-03T08:22:45Z)
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。