論文の概要: BaRA: Budget-constrained and Reliable Web Data Collection Agent
- arxiv url: http://arxiv.org/abs/2607.00007v2
- Date: Thu, 02 Jul 2026 06:17:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-27 00:46:12.964034
- Title: BaRA: Budget-constrained and Reliable Web Data Collection Agent
- Title（参考訳）: BaRA: 予算制約と信頼性を備えたWebデータ収集エージェント
- Authors: Soojeong Lee, Joseph Lee, Yongseong Cho, Sunjae Kim, Youngwoo Moon, Kyungwoo Song,
- Abstract要約: Budget-Constrained and Reliable Agent (BaRA) は、LLMベースの大規模Webエージェントである。
BaRAは、テキスト、画像、ビデオのアーティファクトを、固定されたインタラクション予算内でアクセス可能な形式で検索する。
制御された合成ウェブサイトと実世界のウェブサイトでは、BaRAは一貫して有効なリンク発見とダウンロード価マルチモーダル抽出を改善している。
- 参考スコア（独自算出の注目度）: 12.81891921516533
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Large language model (LLM)-based web agents automate web navigation and data collection. However, live web data collection demands capabilities beyond task completion: agents must discover site-internal pages and retrieve text, image, and video artifacts in an accessible form within a fixed interaction budget. We formulate this setting as budget-constrained, site-level multimodal web data collection and propose Budget-constrained and Reliable Agent (BaRA). BaRA performs breadth-first search (BFS)-based link discovery with liveness verification to filter hallucinated and dead links, then validates extracted multimodal artifacts using rule-based provenance and accessibility checks. A history-based self-reflection module recovers from execution failures and incomplete outputs. On controlled synthetic and real-world websites, BaRA consistently improves valid-link discovery and download-valid multimodal extraction over existing agents. Our code is available at https://github.com/MLAI-Yonsei/BaRA-Agent.
- Abstract（参考訳）: 大規模言語モデル(LLM)ベースのWebエージェントは、Webナビゲーションとデータ収集を自動化する。
エージェントはサイト内部のページを発見し、固定されたインタラクション予算内でアクセス可能な形式でテキスト、画像、ビデオアーティファクトを検索する必要があります。
我々は,この設定を予算制約付きサイトレベルのマルチモーダルWebデータ収集として定式化し,予算制約付き信頼性エージェント(BaRA)を提案する。
BaRA は BFS (Broadth-first Search) ベースのリンク発見とライブネス検証を行い、幻覚的リンクとデッドリンクをフィルタリングし、ルールベースの証明とアクセシビリティチェックを用いて抽出したマルチモーダルアーティファクトを検証する。
履歴ベースの自己回帰モジュールは実行障害と不完全な出力から回復する。
制御された合成および現実世界のウェブサイトでは、BaRAは既存のエージェントに対して有効なリンク発見とダウンロード価マルチモーダル抽出を改善している。
私たちのコードはhttps://github.com/MLAI-Yonsei/BaRA-Agent.comで公開されています。
関連論文リスト
- SearchOS-V1: Towards Robust Open-Domain Information-Seeking Agent Collaboration [77.28003194268977]
SearchOSは、脆弱で暗黙的な検索進捗を明示的で永続的で共有状態に変換するシステムレベルのマルチエージェントフレームワークである。
SOCM上に構築されたSearchOSは、サブエージェントの実行を重複させるパイプライン並列スケジューリングメカニズムを適用している。
SearchOSは評価されたシングルエージェントとマルチエージェントのベースラインの中で、すべてのメトリクスをリードする。
論文 参考訳（メタデータ） (2026-07-16T17:51:23Z) - Making Failure Safe: A Constrained, Verifiable Agent Framework for Open-Web Data Collection [4.093009863847175]
LLMやエージェントは自然言語でWebスクレイパーを生成することができるが、直接生成は信頼性が低い。
本稿では,LLM出力を自由形式コードから型付きコレクタ構成に変換する制約付き検証可能なエージェントフレームワークを提案する。
論文 参考訳（メタデータ） (2026-06-25T14:05:37Z) - Towards Verifiable Multimodal Deep Research: A Multi-Agent Harness for Interleaved Report Generation [74.0621258662676]
レポート生成のためのマルチエージェントハーネスであるPtahを提案する。
Ptahは計画、研究、執筆段階を通じて、ユーザクエリからレンダリングされたWebレポートまでのライフサイクルを編成する。
検証エージェントがハーネスの受け入れ機能として機能し、ワークフロー全体を通して事実的接地、引用の忠実性、相互の整合性を強制する。
論文 参考訳（メタデータ） (2026-05-28T12:40:34Z) - iAgentBench: Benchmarking Sensemaking Capabilities of Information-Seeking Agents on High-Traffic Topics [9.25340189071758]
iAgentBenchは,クロスソース・センスメイキングのための動的ODQAベンチマークである。
iAgentBenchは、現実世界の注目信号からシードトピックを抽出し、共通のユーザ意図パターンを使用して、ユーザライクな質問を構築する。
各インスタンスには、トレース可能なエビデンスと、汚染チェックをサポートする監査可能な中間アーティファクトが付属している。
論文 参考訳（メタデータ） (2026-03-04T22:40:08Z) - TEXT2DB: Integration-Aware Information Extraction with Large Language Model Agents [64.11547566154947]
本稿では,IE 出力と対象データベースの統合を重視した IE TEXT2DB の新たな定式化を提案する。
データインフィル、行数、列の追加といった一般的な要求を特徴とする新しいベンチマークを導入する。
実験によると、OPALは異なるコードプランを生成し、必要なIEモデルを呼び出すことで、多様なデータベーススキーマにうまく適応できる。
論文 参考訳（メタデータ） (2025-10-28T02:49:40Z) - T^2Agent A Tool-augmented Multimodal Misinformation Detection Agent with Monte Carlo Tree Search [51.91311158085973]
多重モーダル誤報は、しばしば混合偽造源から発生し、動的推論と適応的検証を必要とする。
我々はモンテカルロ木探索を用いたツールキットを組み込んだ新しい誤情報検出剤T2Agentを提案する。
大規模な実験により、T2Agentは、混在するマルチモーダル誤報ベンチマークにおいて、既存の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。
論文 参考訳（メタデータ） (2025-05-26T09:50:55Z)
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。