論文の概要: Harness-G: A Graph-Structured Harness for Search Agents

• arxiv url: http://arxiv.org/abs/2607.27652v1
• Date: Thu, 30 Jul 2026 04:05:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-31 21:37:00.391178
• Title: Harness-G: A Graph-Structured Harness for Search Agents
• Title（参考訳）: Harness-G:検索エージェントのためのグラフ構造化されたハーネス
• Abstract要約: 強化学習(RL)検索エージェントは、検索を自由形式の自然言語クエリ生成としてモデル化する。 本稿では,このインタフェースを再設計するグラフ構造化検索フレームワークであるHarness-Gを提案する。 フリーフォームクエリ生成を有限アクション選択として再構成し、環境はメニューを構築し、検索状態を追跡し、それぞれの選択を検証、実行します。 両方の評価されたモデルスケールでF1の平均値が最も高く、最強のベースラインであるGraph-R1を1.5Bで10.74点、3Bで3.98点で上回っている。
• 参考スコア（独自算出の注目度）: 14.232868629698892
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Reinforcement learning (RL) search agents commonly model retrieval as free-form natural-language query generation and optimize multi-turn interactions using final-answer rewards. Current studies mainly improve training with denser or more structured credit signals, but rarely examine whether retrieval is properly formulated at the policy-environment interface. We observe pronounced retrieval aliasing during Search-R1 training: rollouts for the same question continue to generate distinct query strings, yet their accumulated evidence sets increasingly overlap. We call this phenomenon retrieval-equivalence collapse; in this regime, trajectories approach utility equivalence with respect to retrieval decisions, leaving within-group returns with little effective retrieval contrast. To address this problem, we propose Harness-G, a graph-structured retrieval framework that redesigns this interface. It reformulates free-form query generation as finite action selection: the policy selects an evidence sentence or entity, or chooses to answer, while the environment constructs the menu, tracks retrieval state, and validates and executes each choice. This interface reduces linguistic aliasing and makes same-state alternatives directly comparable. Building on this interface, we introduce Structured Non-myopic Credit (SNC), which uses a frozen answer scorer to compare the selected action with its alternatives and assigns downstream gains to the earlier actions that enabled them. Across six QA benchmarks, Harness-G achieves the highest average F1 at both evaluated model scales, outperforming the strongest baseline, Graph-R1, by 10.74 points at 1.5B and 3.98 points at 3B.
• Abstract（参考訳）: Reinforcement Learning (RL) 検索エージェントは、検索を自由形式の自然言語クエリ生成としてモデル化し、最終回答報酬を用いたマルチターンインタラクションを最適化する。 近年の研究では,高密度あるいはより構造化された信用信号を用いたトレーニングの改善が主に行われているが,政策環境インターフェースで検索が適切に構成されているかどうかを調査することは稀である。 検索-R1トレーニング中に,検索のエイリアス化が顕著になるのを観察する: 同じ質問に対するロールアウトは,異なるクエリ文字列を生成し続けるが,それらの蓄積されたエビデンスセットはますます重複している。 我々はこの現象を検索等価性の崩壊と呼び、この体制では、軌道は検索決定に関して実用的等価性に近づき、グループ内のリターンは有効な検索コントラストをほとんど残さない。 この問題に対処するために,このインタフェースを再設計するグラフ構造化検索フレームワークであるHarness-Gを提案する。 ポリシーはエビデンス文やエンティティを選択したり、回答を選択したり、環境がメニューを構築し、検索状態を追跡し、それぞれの選択を評価して実行する。 このインタフェースは言語的エイリアスを減らし、同状態の代替品と直接比較する。 このインタフェース上に構築したStructured Non-myopic Credit (SNC) は,凍結した解答スコアラーを用いて選択した動作と代替手段を比較し,それを実現する以前の動作に下流利得を割り当てる。 6つのQAベンチマークで、Harness-Gは両方の評価されたモデルスケールで平均F1を達成し、最強のベースラインであるGraph-R1を1.5Bで10.74ポイント、3Bで3.98ポイント上回った。

関連論文リスト

• Learning from Failures: Retrieval-Centric CoT via Hard Negatives for Unified Multimodal Retrieval [17.695551248974215]
  UniME-R1は、最初に検索された候補を推論することを学ぶ組込みアドバイザフレームワークである。 UniME-R1は、強いベースライン上での検索性能を一貫して改善する。
  論文  参考訳（メタデータ） (2026-08-06T14:04:56Z)
• MMAgent-R$^2$: Learning to Rerank and Reject for Agentic mRAG [50.46218163777298]
  知識に基づくビジュアル質問回答 (KB-VQA) では、大規模百科事典の知識ベースからクエリ画像と一致する視覚エンティティを検索し、関連する質問に答える必要がある。 MMAgent-R$2$は、視覚的リランク化と能動的拒絶を内部検証機構として統合したエージェントmRAGフレームワークである。
  論文  参考訳（メタデータ） (2026-07-08T13:15:39Z)
• An Embarrassingly Simple Graph Heuristic Reveals Shortcut-Solvable Benchmarks for Sequential Recommendation [50.09718257952108]
  Sequentialsolvは、シーケンシャルなパターンとセマンティックなアイテム情報を組み合わせたジェネレーティブなレコメンデーターへと移行している。 これらの手法は、しばしば、広く使われている少数のベンチマークで評価され、重要な疑問を提起する: これらのベンチマークは、現代のジェネレーティブレコメンデーターが提供しようとしている高度なモデリング機能を必要としているか? 我々は、意図的な単純なグラフでベンチマーク監査を行い、最後の1つか2つの項目から、数ホップの項目遷移グラフから候補を検索し、項目間類似度でランク付けする。
  論文  参考訳（メタデータ） (2026-05-08T02:00:11Z)
• R$^3$AG: Retriever Routing for Retrieval-Augmented Generation [59.47703698994575]
  R$3$AGは、検索機能を2つの学習可能なディメンション、すなわち検索品質と生成ユーティリティに分解する。 R$3$AGは、最高の個々のレトリバーと最先端の静的ルーティングメソッドの両方を一貫して上回っている。
  論文  参考訳（メタデータ） (2026-04-22T06:51:20Z)
• CoSearch: Joint Training of Reasoning and Document Ranking via Reinforcement Learning for Agentic Search [51.911048955965136]
  CoSearchは多段階推論エージェントと生成ドキュメントランキングモデルを共同でトレーニングするフレームワークである。 この結果から, 推論エージェントと検索システムの協調訓練は, 実現可能であり, 性能も高いことが示唆された。
  論文  参考訳（メタデータ） (2026-04-19T17:48:17Z)
• Retrieval as Generation: A Unified Framework with Self-Triggered Information Planning [32.86954579218087]
  我々は、検索制御を直接生成に組み込むことで、検索拡張生成(RAG)を再考する。 検索を外部介入として扱う代わりに、トークンレベルのデコード内での検索決定を表現します。 GRIPは、制御トーケンエミッションによってモデルが検索行動を制御する統一的なフレームワークである。
  論文  参考訳（メタデータ） (2026-04-13T12:53:17Z)
• Breaking the Static Graph: Context-Aware Traversal for Robust Retrieval-Augmented Generation [12.71443292660797]
  堅牢なRAGのためのコンテキスト認識トラバーサルであるCatRAGを提案する。 CatRAGはHippoRAG 2アーキテクチャ上に構築され、静的なKGをクエリ適応ナビゲーション構造に変換する。 4つのマルチホップベンチマークの実験では、CatRAGはアートベースラインの状態を一貫して上回っている。
  論文  参考訳（メタデータ） (2026-02-02T11:13:38Z)
• Chain-of-Retrieval Augmented Generation [91.02950964802454]
  本稿では,o1-like RAGモデルを学習し,最終回答を生成する前に段階的に関連情報を抽出・推論する手法を提案する。 提案手法であるCoRAGは,進化状態に基づいて動的にクエリを再構成する。
  論文  参考訳（メタデータ） (2025-01-24T09:12:52Z)
• Autoregressive Search Engines: Generating Substrings as Document Identifiers [53.0729058170278]
  自動回帰言語モデルは、回答を生成するデファクト標準として現れています。 これまでの研究は、探索空間を階層構造に分割する方法を探究してきた。 本研究では,検索空間の任意の構造を強制しない代替として,経路内のすべてのngramを識別子として使用することを提案する。
  論文  参考訳（メタデータ） (2022-04-22T10:45:01Z)

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。