論文の概要: SearchOS-V1: Towards Robust Open-Domain Information-Seeking Agent Collaboration

• arxiv url: http://arxiv.org/abs/2607.15257v1
• Date: Thu, 16 Jul 2026 17:51:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-17 17:01:33.201824
• Title: SearchOS-V1: Towards Robust Open-Domain Information-Seeking Agent Collaboration
• Title（参考訳）: SearchOS-V1:ロバストなオープンドメイン情報探索エージェントコラボレーションを目指す
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 77.28003194268977
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent advances in Tool-Integrated Large Language Models have made web search a core capability of information-seeking agents. However, as interaction histories grow, agents increasingly struggle to track task progress. When search attempts fail to yield useful evidence, current single- and multi-agent systems can become trapped in repetitive loops, wasting search budgets and ultimately compromising the quality and completeness of the final output. We introduce SearchOS, a system-level multi-agent framework that turns fragile, implicit search progress into explicit, persistent, and shared state. First, we formulate open-domain information seeking as relational schema completion with grounded citations, where agents discover entities, populate attributes across linked tables, and anchor each value to source evidence. Then we design Search-Oriented Context Management (SOCM), which externalizes the evolving state into Frontier Task, an Evidence Graph, a Coverage Map, and Failure Memory. Built on SOCM, SearchOS applies a pipeline-parallel scheduling mechanism that overlaps the execution of sub-agents and continuously refills freed slots with tasks targeting unresolved coverage gaps to improve utilization and throughput. To schedule and control the execution of search agents, SearchOS introduces a Search Tool Middleware Harness that intercepts model and tool interactions to record grounded evidence and react to stalls or budget exhaustion, and provides a reusable hierarchical skill system comprising strategy and access skills to augment the agents' search process and avoid repeating failed search patterns across runs. On WideSearch and GISA, SearchOS leads all metrics among the evaluated single- and multi-agent baselines, paving the way toward robust information-seeking collaboration.
• Abstract（参考訳）: ツール統合大規模言語モデルの最近の進歩は、Web検索を情報検索エージェントのコア機能にしている。 しかし、相互作用の歴史が成長するにつれて、エージェントはタスクの進捗を追跡するのにますます苦労する。 探索が有効な証拠を得られなかった場合、現在の単一エージェントとマルチエージェントのシステムは繰り返しループに閉じ込められ、探索予算を浪費し、最終的な出力の品質と完全性を損なう。 我々は、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SearchOSを紹介した。 まず、エージェントがエンティティを発見し、リンクされたテーブルに属性を投入し、各値をソースエビデンスに固定する。 次に、進化する状態をフロンティアタスク、エビデンスグラフ、カバレッジマップ、フェールメモリに外部化する、検索指向コンテキスト管理(SOCM)を設計する。 SOCM上に構築されたSearchOSはパイプライン並列スケジューリング機構を採用し、サブエージェントの実行を重複させ、未解決のカバレッジギャップをターゲットとしたタスクで空きスロットを継続的にリフィルし、利用とスループットを改善する。 検索エージェントの実行をスケジュールし、制御するために、検索OSは検索ツールミドルウェアハーネスを導入し、モデルとツールの相互作用をインターセプトし、根拠のある証拠を記録し、ストールや予算の枯渇に反応し、エージェントの検索プロセスを増強し、実行中に失敗した検索パターンを繰り返すために戦略とアクセススキルを含む再利用可能な階層的なスキルシステムを提供する。 WideSearchとGISAでは、SearchOSが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すべての指標をリードし、堅牢な情報検索コラボレーションへの道を歩む。

関連論文リスト

• WeAgent-MMSearch: Native Text-Vision Interaction for Multimodal Search Agents [53.426679066400844]
  WeAgent-Harnessは、ネイティブテキストビジョンインタラクションと実行時リカバリをサポートするマルチモーダルエージェントハーネスである。 WeAgent-MMSearchは,データ構築,エージェントポストトレーニング,マルチモーダルロールアウトにまたがる統合システムである。 また、150タスクの人間認証ベンチマークであるVisTarget-Benchを紹介します。
  論文  参考訳（メタデータ） (2026-08-28T08:28:43Z)
• WebSwarm: Recursive Multi-Agent Orchestration for Deep-and-Wide Web Search [104.75798763084424]
  大規模言語モデル(LLM)ベースのWeb検索エージェントは、情報検索を複雑で広範囲な検索と研究指向のタスクに変換する。 本稿では,タスクの分解と拡張を共同で構築するプログレッシブ・プログレッシブ・プログレッシブ・デリゲート・フレームワークであるWebSwarmを提案する。 WebSwarmは、ディープ・ワイド・インターリーブされたディープ・アンド・ワイド・タスクにおいて、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を一貫して上回ります。
  論文  参考訳（メタデータ） (2026-07-09T16:28:49Z)
• DuMate-DeepResearch: An Auditable Multi-Agent System with Recursive Search and Rubric-Grounded Reasoning [58.09293442211248]
  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。
  論文  参考訳（メタデータ） (2026-06-05T14:10:48Z)
• Beyond Monolithic Architectures: A Multi-Agent Search and Knowledge Optimization Framework for Agentic Search [56.78490647843876]
  エージェント検索は、大規模言語モデル(LLM)が推論とツールの使用をインターリーブできるようにすることによって、複雑な情報を探すための有望なパラダイムとして登場した。 本稿では,bfM-ASKを提案する。bfM-ASK,bfM-ASK,bfM-ASK,bfM-ASK,bfM-ASK,bfM-ASK,bfM-ASK,bfM-ASK。
  論文  参考訳（メタデータ） (2026-01-08T08:13:27Z)
• 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。