論文の概要: SearchArt: Training Long-Horizon Search Agent with Scalable Synthetic and Verified Task
- arxiv url: http://arxiv.org/abs/2607.24850v1
- Date: Sat, 25 Jul 2026 06:47:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-29 20:50:42.552345
- Title: SearchArt: Training Long-Horizon Search Agent with Scalable Synthetic and Verified Task
- Title（参考訳）: SearchArt: スケーラブルな合成および検証タスクによる長距離検索エージェントのトレーニング
- Abstract要約: 有能な検索エージェントの訓練は、スケーラブルで長期にわたるタスクが欠如しているため、依然として困難である。
本稿では,長距離検索エージェントを訓練するためのフレームワークであるSearchArtを紹介する。
SearchArtは、複雑な検索、研究、ユーザ指向タスクのための大規模なデータセットを構築する。
- 参考スコア（独自算出の注目度）: 28.244711705405056
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent advances in large language models (LLMs) have enabled search agents to autonomously tackle complex tasks across extended search and reasoning horizons. However, training effective search agents remains challenging due to the lack of scalable and long-horizon tasks, and the difficulty of evaluating and correcting intermediate reasoning and tool-use behaviors. We introduce SearchArt, a scalable framework for training long-horizon search agents through verification-driven task synthesis and a multi-stage post-training pipeline. SearchArt constructs large-scale datasets for complex search-, research- and user-oriented tasks by synthesizing diverse information-seeking QA pairs and corresponding search trajectories from web documents and automatically generated evidence graphs. To ensure the reliability of the synthesized data, we design a verification pipeline that jointly evaluates QA consistency, trajectory quality, and the relevance of retrieved evidence. The verified trajectories are subsequently used in a multi-stage training process comprising supervised fine-tuning and reinforcement learning-based policy optimization. Search agents trained with SearchArt exhibit adaptive search planning, iterative evidence aggregation, and complex reasoning over extended interaction horizons. Experimental results demonstrate that, with only (Qwen3.5-) 27B parameters, SearchArt scores 74.39 on BrowseComp-ZH, 70.06 on BrowseComp, and 52.55 on Deepresearch-bench, matching or surpassing frontier closed-source agents on both deepsearch and deepresearch benchmarks.
- Abstract（参考訳）: 大規模言語モデル(LLM)の最近の進歩により、探索エージェントは、拡張された探索と推論の地平線を越えて、複雑なタスクに自律的に取り組むことができるようになった。
しかし、スケーラブルで長期にわたるタスクの欠如、中間的推論とツール使用行動の評価と修正が難しいため、効果的な検索エージェントの訓練は依然として困難である。
本稿では,検証駆動型タスク合成と多段階後学習パイプラインを通じて,長距離検索エージェントをトレーニングするためのスケーラブルなフレームワークであるSearchArtを紹介する。
SearchArtは、Webドキュメントから多種多様な情報検索QAペアと対応する検索軌跡を合成し、エビデンスグラフを自動生成することにより、複雑な検索・研究・ユーザ指向タスクのための大規模データセットを構築する。
合成データの信頼性を確保するため,QAの整合性,軌道品質,得られた証拠との関連性を共同で評価する検証パイプラインを設計する。
検証された軌道はその後、教師付き微調整と強化学習に基づくポリシー最適化を含む多段階の訓練プロセスで使用される。
SearchArtで訓練された検索エージェントは、適応的な検索計画、反復的なエビデンスアグリゲーション、および拡張された相互作用の地平線上の複雑な推論を示す。
実験の結果、(Qwen3.5-) 27Bパラメータだけで、SearchArtはBrowseComp-ZHで74.39、BrowseCompで70.06、Deepresearch-benchで52.55、DeepresearchとDeepresearchのベンチマークでフロンティアのクローズドソースエージェントをマッチングまたは超えた。
関連論文リスト
- SearchMaster: Grounded and Regulated Self-Play for Search Agents [57.537666863340284]
検索エージェントの訓練には高品質な検索データが必要である。
既存のパイプラインは、人手によるタスクや専門家によるデモンストレーション、より強力な教師モデルに依存していることが多い。
本稿では,ローカル検索環境における検索タスクから,単一のLLMをトレーニングするセルフプレイフレームワークであるSearchMasterを提案する。
論文 参考訳（メタデータ） (2026-08-03T07:29:11Z) - 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) - S1-DeepResearch: Beyond Search, Toward Real-World Long-Horizon Research Agents [22.248115680330496]
深層研究エージェントのための統一軌道構築パラダイムを提案する。
提案するフレームワークは,グラフグラウンドタスクの定式化,エージェントトラジェクトリのロールアウト,多次元トラジェクトリの検証からなる。
S1-DeepResearch-32Bは、同等のスケールのオープンソースモデル間で最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2026-06-13T16:04:42Z) - FORT-Searcher: Synthesizing Shortcut-Resistant Search Tasks for Training Deep Search Agents [79.32220873172078]
ディープ・サーチ・エージェントの訓練には、十分な証拠が検索を通じて取得されるまで回答が得られない検証可能な質問が必要である。
このギャップをショートカット対応の難易度フレームワークで形式化し、4つの実行可能なショートカットリスクを特定する。
このフレームワークによってガイドされたFORTは、ショートカット耐性トレーニングデータ合成のフレームワークである。
論文 参考訳（メタデータ） (2026-06-10T13:49:11Z) - 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) - AutoSearch: Adaptive Search Depth for Efficient Agentic RAG via Reinforcement Learning [52.305422887002656]
本稿では,自己生成中間回答を用いて各探索ステップを評価する強化学習フレームワークを提案する。
自己回答機構により、AutoSearchは最小限の検索深度を特定し、効率的な検索を促進する。
実験の結果、AutoSearchは検索品質を維持しながら過剰検索を軽減し、精度と効率のトレードオフが優れていることがわかった。
論文 参考訳（メタデータ） (2026-04-19T09:05:48Z) - 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) - Beyond the limitation of a single query: Train your LLM for query expansion with Reinforcement Learning [23.104182075898297]
Reasoning-augmented search agent, such as Search-R1, are trained to reason, search, and generate the final answer repeateratively。
我々は、強化学習によるクエリ拡張のネイティブ機能を備えたLLMベースの検索エージェントを訓練する。
シュレッシャーモデルの助けを借りて,小型の3B LLMでもクエリ拡張の強力な能力を実証できることが判明した。
論文 参考訳（メタデータ） (2025-10-11T04:23:30Z) - Benchmarking Deep Search over Heterogeneous Enterprise Data [73.55304268238474]
検索強化生成(RAG)の形式を評価するための新しいベンチマークを提案する。
RAGは、多種多様な、しかし関連するソースに対して、ソースを意識したマルチホップ推論を必要とする。
製品計画、開発、サポートステージをまたいだビジネスをシミュレートする合成データパイプラインを使用して構築します。
論文 参考訳（メタデータ） (2025-06-29T08:34:59Z)
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。