論文の概要: Equal Accuracy, Unequal Evidence: Search APIs as Decision Surfaces for Tool-Using Agents
- arxiv url: http://arxiv.org/abs/2607.10198v1
- Date: Sat, 11 Jul 2026 08:22:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-14 15:40:48.335478
- Title: Equal Accuracy, Unequal Evidence: Search APIs as Decision Surfaces for Tool-Using Agents
- Title（参考訳）: 同等の精度、不等式:ツール使用エージェントのための決定サーフェスとしてのAPI
- Abstract要約: 商用検索APIは意思決定サーフェスとしてよりよく理解されている、と私たちは主張する。
我々はこの主張を、凍ったGPT-5.4エージェントと2つのツール(search_webと fetch_page)、SEALQA-HARDからの100の質問で検証する。
Kimi-K2.6のオラクルは、エージェント(URL、タイトル、スニペット、フェッチされたページ)に表示されるすべてのコンテンツ要素をラベル付けし、URLごとに6,869の有効な判定を生成する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Search APIs are the fundamental retrieval layer for many agents and are often their most frequently used tool. Traditional search APIs provide URLs, titles, and snippets that preview website contents. Because full-page retrieval is token-intensive, agent retrieval architectures increasingly use progressive disclosure: the agent first sees snippets and then chooses whether to fetch full pages. In such systems, search API performance is often evaluated primarily by answer accuracy. We argue that a commercial search API is better understood as a decision surface: the ranked snippets, URLs, and metadata that determine whether an agent answers immediately, searches again, or spends tokens opening pages. We test this claim with one frozen GPT-5.4 agent, two tools (search_web and fetch_page), and 100 questions from SEALQA-HARD, varying only the search provider (Brave, Tavily, Firecrawl). A Kimi-K2.6 oracle labels every content element visible to the agent (URL, title, snippet, and fetched page, when fetched), producing 6,869 valid per-URL judgments. We use an audited correct-answer label, semantic match, which preserves exact matches while accepting harmless formatting and naming variants. Under this measure, the providers remain close (25, 25, 26 / 100), but their evidence economies differ sharply: Brave offers gold-answer-rich snippets, Tavily concentrates gold-supporting URLs at rank 1, and Firecrawl is associated with broader exploration under this fixed agent policy. We also introduce a surface contradiction-to-gold URL ratio, which varies from 0.92 to 2.59. Provider choice is therefore a retrieval-budget and policy decision, not merely a recall decision.
- Abstract（参考訳）: 検索APIは多くのエージェントの基本的な検索レイヤであり、しばしば最も頻繁に使用されるツールである。
従来の検索APIは、ウェブサイトのコンテンツをプレビューするURL、タイトル、スニペットを提供する。
フルページ検索はトークン集約型であるため、エージェント検索アーキテクチャはプログレッシブな開示を使用することが多い。
このようなシステムでは、検索APIの性能は、主に解答精度によって評価されることが多い。
ランク付けされたスニペット、URL、メタデータは、エージェントが即座に答えるか、再度検索するか、ページを開くトークンを使うかを決定する。
我々はこの主張を、凍ったGPT-5.4エージェントと2つのツール(search_webと fetch_page)、SEALQA-HARDからの100の質問(Brave、Tavily、Firecrawl)で検証する。
Kimi-K2.6のオラクルは、エージェント(URL、タイトル、スニペット、フェッチされたページ)に表示されるすべてのコンテンツ要素をラベル付けし、URLごとに6,869の有効な判定を生成する。
監査済みの正解ラベルであるセマンティックマッチを用いて、無害なフォーマットと命名の変種を受け入れながら正確な一致を保ちます。
ブレーブは金に満ちたスニペットを提供し、タビリーはランク1に金に支えられたURLを集中させ、ファイアクローリングはこの固定されたエージェントポリシーの下で広範な調査に関連付けられている。
また, 表面矛盾URL比も0.92から2.59に変化している。
したがって、プロバイダの選択は、単なるリコール決定ではなく、検索予算とポリシー決定である。
関連論文リスト
- Pointing the Way, Hiding the Destination: Practical Private Dense Retrieval at Scale [19.48684574323907]
ホストされた検索強化世代(RAG)とセマンティックサーチにより、ユーザは価値あるプロバイダが所有するコーパスをクエリできる。
既存の暗号化アプローチでは、クエリ毎にコーパス全体を処理することでコストがかかります。
このショートリストは、検索品質を犠牲にすることなく全コーパス暗号検索を行う。
論文 参考訳（メタデータ） (2026-08-26T12:46:36Z) - VisDocAgentBench: Benchmarking Agents for Visually Rich Document Retrieval [65.89247522243959]
VisDocAgentBenchは、静的検索とエージェント検索を比較したクローズドコーパスベンチマークである。
100の文書から2,375ページ、120のユニークなターゲットクエリが直接、一橋、二橋のエビデンス構造でバランスを取っている。
強力な遅延対話型ビジュアルレトリバーは、直接アイテムで97.50%のRecall@1に達するが、2ブリッジアイテムでは2.50%に達し、関連性がコーパスコンテキストに依存する場合のクエリ-ターゲットマッチングの限界を明らかにする。
論文 参考訳（メタデータ） (2026-08-18T15:23:06Z) - Breadcrumbing Search Agents [118.20284823674382]
LLMベースの検索エージェントは情報検索タスクに広く利用されているが、外部ツールへの依存度は重大なセキュリティリスクをもたらす。
検索およびページ観察を行うチャネルは脆弱なセキュリティ境界であることを示す。
制約付きツール仲介脅威モデルの下では、クエリ毎に1つのコントロールされた結果のみを追加することで、攻撃の成功を大幅に増加させることができる。
論文 参考訳（メタデータ） (2026-08-05T07:57:27Z) - Search, Inspect, Fetch: Exploiting Structure-Aware Boolean Retrieval for Deep-Research Agents [50.35041517085015]
既存のDeep-ResearchエージェントはSearch-Visitワークフローを使用して、タイトル、見出し、セクション、メタデータを通じて公開する構造を考慮せずに、Webページ全体を検索する。
Boolean Query Language (BQL) によって駆動される検索-インスペクション-フェッチ戦略である textscSieve を導入する。
ウェブページのフィールドを検索して候補をフィルタリングし、インターチェンジ可能なランク付け器を使ってそれらを注文し、構造に富んだ結果カードを検査し、選択したセクションのみを取得する。
論文 参考訳（メタデータ） (2026-08-03T18:01:05Z) - Fetch-then-Explore: Decoupling Selection from Extraction over a Persistent Workspace for Search Agents [60.97609995940902]
検索エージェントに対して textbfFetch-then-Explore を提案する。
ページ選択とエビデンス抽出を分離し、選択したものを保持する。
これは、すべてのバックボーンでBrowseCompの精度を導き、一般的にWideSearchのベースラインと一致するか、超える。
論文 参考訳（メタデータ） (2026-08-03T11:58:21Z) - Deep Agentic Search for Repository-Level Code Question Answering: An Empirical Study [0.18737506366172094]
リポジトリレベルのコード質問応答のベンチマークであるSWE-QAの2つのアプローチを比較した。
セマンティックサーチは65.2%の質問に対して、ディープエージェントサーチでは46.2%に対して正解した。
ディープエージェント検索は真の問題に対処し、現在では多くのコードエージェントで好まれる設計となっている。
論文 参考訳（メタデータ） (2026-08-02T21:36:59Z) - FinSAgent: Corpus-Aligned Multi-Agent RAG Framework for Evidence-Grounded SEC Filing Question Answering [16.415865984091667]
FinSAgentはエビデンスベースのマルチエージェントフレームワークで、SECのQA申請をコーパス対応の検索計画として再編成している。
FinSAgentは、強力な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に対する検索カバレッジと回答の正しさを改善している。
論文 参考訳（メタデータ） (2026-07-20T16:03:15Z) - Do Agents Need Semantic Metadata? A Comparative Study in Agentic Data Retrieval [3.6202634353482352]
構造化されていないWebをナビゲートできるLarge Language Models(LLM)の台頭は、根本的な疑問を提起する。
オープンウェブ文書を検索するベースラインエージェントと、スキーマ.orgを用いて9000万のデータセットのコーパスを利用するセマンティックエージェントの2つの異なる環境におけるエージェントデータ検索の比較分析を行う。
セマンティック・エージェントは動作可能なデータを抽出し、メタデータ豊富なレジストリの44.9%の精度と、返却された結果の中で機械可読なダウンロードを持つページの46.6%の精度を達成する。
論文 参考訳（メタデータ） (2026-05-27T17:46:43Z) - LiveBrowseComp: Are Search Agents Searching, or Just Verifying What They Already Know? [32.434901767447165]
LLMベースの検索エージェントは、外部の証拠よりも本質的な知識に依存している。
LiveBrowseCompは、固有のカバレッジ以上のエージェントを評価するために設計されたベンチマークである。
評価されたすべてのエージェントは、クローズドブックの精度を2%以下に抑え、検索強化されたスコアは、BrowseCompと比較して25～40ポイント減少し、以前のモデルランキングは、もはやパフォーマンスを確実に予測することができない。
論文 参考訳（メタデータ） (2026-05-27T16:39:57Z) - Revisiting Text Ranking in Deep Research [24.324221566628125]
Black-box Web Search APIは、検索コンポーネントの体系的な分析を妨げる。
我々は、深い研究環境において、IRテキストランキング手法における重要な発見とベストプラクティスの選択を再現する。
論文 参考訳（メタデータ） (2026-02-25T00:18:07Z) - To Search or Not to Search: Aligning the Decision Boundary of Deep Search Agents via Causal Intervention [61.82680155643223]
我々は,不整合決定境界の根本原因を同定し,蓄積した情報が回答するのに十分であるかどうかをしきい値に判定する。
これにより、過剰探索(十分な知識にもかかわらず冗長探索)と過度探索(早期終了)が誤った答えをもたらす。
まず,境界誤差を識別する因果的介入に基づく診断手法を提案する。
第2に,Deep Search Agent(DAS)のための決定境界アライメントを開発する。
我々のDAS法はこれらの境界を効果的に校正し、オーバーサーチとアンダーサーチの両方を緩和し、精度と効率を大幅に向上させる。
論文 参考訳（メタデータ） (2026-02-03T09:29:06Z) - Beyond Browsing: API-Based Web Agents [58.39129004543844]
APIベースのエージェントはWebArenaの実験でWebブラウザエージェントを上回っている。
ハイブリッドエージェント(Hybrid Agents)は、タスク全体にわたって、ほぼ均一にパフォーマンスを向上する。
結果から,APIが利用可能であれば,Webブラウジングのみに依存するという,魅力的な代替手段が提示されることが強く示唆された。
論文 参考訳（メタデータ） (2024-10-21T19:46:06Z) - Database-Augmented Query Representation for Information Retrieval [71.41745087624528]
データベース拡張クエリ表現(DAQu)と呼ばれる新しい検索フレームワークを提案する。
DAQuは、元のクエリを複数のテーブルにまたがるさまざまな(クエリ関連の)メタデータで拡張する。
我々はDAQuを多様な検索シナリオで検証し、全体の検索性能を大幅に向上させることを示した。
論文 参考訳（メタデータ） (2024-06-23T05:02:21Z) - Large Language Models are Built-in Autoregressive Search Engines [19.928494069013485]
大規模言語モデル(LLM)は、人間の指示に従って文書検索用のURLを直接生成することができる。
LLMは、対応するドキュメントの90%近くが、オープンドメインの質問に対する正しい回答を含むWebURLを生成することができる。
論文 参考訳（メタデータ） (2023-05-16T17:04:48Z) - Enhanced vectors for top-k document retrieval in Question Answering [0.0]
本稿では,証拠文書を効率よく正確に検索する別の手法を提案する。
私たちは、それぞれのドキュメント(または私たちの場合のパス)をユニークな識別子に割り当て、それらを使って密度の高いベクトルを生成することで、そうします。
このアプローチにより、リアルタイムクエリベクトルを4ミリ秒で効率的に作成できる。
論文 参考訳（メタデータ） (2022-10-08T07:44:24Z) - Adaptive Information Seeking for Open-Domain Question Answering [61.39330982757494]
本稿では,オープンドメイン質問応答,すなわちAISOに対する適応型情報探索手法を提案する。
学習方針によると、AISOは適切な検索行動を選択し、各ステップで行方不明の証拠を探すことができる。
AISOは、検索と回答の評価の両方の観点から、事前定義された戦略で全てのベースライン手法を上回ります。
論文 参考訳（メタデータ） (2021-09-14T15:08:13Z)
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。