論文の概要: Search, Inspect, Fetch: Exploiting Boolean Retrieval for Deep-Research Agents

• arxiv url: http://arxiv.org/abs/2608.02751v1
• Date: Mon, 03 Aug 2026 18:01:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-05 15:30:22.912656
• Title: Search, Inspect, Fetch: Exploiting Boolean Retrieval for Deep-Research Agents
• Title（参考訳）: Search, Inspect, Fetch:Deep-Researchエージェントのブール検索の爆発
• Abstract要約: 我々は、フィールド付きブール検索(BQL)によって駆動されるサーチ・インスペクション・フェッチ・インタフェースであるSIEVEを紹介する。 SIEVEは、ドキュメントフィールド上の候補をフィルタリングし、認定されたセットをランク付けし、検査用の構造豊富な結果カードを提示し、選択されたセクションのみを取得する。 BQLフィルタリングはテスト対象のランク付けを改善するとともに,検索対象の選択やエージェントのバックボーン間で精度とコンテキストの優位性が持続することを示す。
• 参考スコア（独自算出の注目度）: 50.35041517085015
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Existing deep-research agents use a search-visit workflow that retrieves and reads whole pages, without considering the addressable structure that web sources expose through titles, headings, sections, and metadata. This prevents agents from directly constraining retrieval to document fields and often carries irrelevant page content into their context. We introduce SIEVE, a search-inspect-fetch interface driven by fielded Boolean retrieval (BQL). SIEVE filters candidates over document fields, ranks the admitted set, presents structure-rich result cards for inspection, and fetches only selected sections. Across three QA collections, SIEVE achieves higher accuracy than the most accurate conventional Search-Visit configuration on each collection while using 20.7-50.6% fewer tokens. Further analyses show that BQL filtering improves all tested rankers and that the accuracy-context advantage persists across retriever choices and agent backbones. Code and data are available at https://github.com/ielab/skim-search-agent.
• Abstract（参考訳）: 既存のDeep-Researchエージェントは、Webソースがタイトル、見出し、セクション、メタデータを通じて公開するアドレス可能な構造を考慮せずに、全ページの検索と読み込みを行う検索ビジットワークフローを使用している。 これにより、エージェントはドキュメントフィールドへの直接的な検索の制約を防ぎ、無関係なページコンテンツをコンテキストに格納する。 本稿では、フィールド付きブール検索(BQL)によって駆動されるサーチ・インスペクション・フェッチ・インタフェースであるSIEVEを紹介する。 SIEVEは、ドキュメントフィールド上の候補をフィルタリングし、認定されたセットをランク付けし、検査用の構造豊富な結果カードを提示し、選択されたセクションのみを取得する。 3つのQAコレクション全体で、SIEVEは20.7-50.6%のトークンを使用しながら、各コレクションの最も正確な検索-Visit構成よりも高い精度を達成する。 さらに分析したところ、BQLフィルタリングはテスト対象のローダをすべて改善し、精度とコンテキストの優位性はレトリバーの選択とエージェントのバックボーンにまたがって持続することが示された。 コードとデータはhttps://github.com/ielab/skim-search-agent.comで公開されている。

関連論文リスト

• Equal Accuracy, Unequal Evidence: Search APIs as Decision Surfaces for Tool-Using Agents [0.0]
  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。
  論文  参考訳（メタデータ） (2026-07-11T08:22:35Z)
• SearchLog: A Web Browser Extension for Capturing Search Logs in Laboratory Studies [7.920306388314784]
  SearchLogは、研究室ベースの研究中に自然の検索ログを収集するための、簡単にインストールできるWebブラウザエクステンションである。 この拡張機能は、クリック、スクロール、ホバーテキスト、型付き単語、検索クエリ、結果ランキング、利用可能なAI生成サマリ、タブアクティビティ、ウィンドウ変更をキャプチャする。
  論文  参考訳（メタデータ） (2026-06-03T16:03:29Z)
• GrepSeek: Training Search Agents for Direct Corpus Interaction [66.69568141699311]
  GrepSeekは、コンパクトな検索エージェントを訓練し、大きなテキストコーパスから証拠を見つけ、フィルタリングし、構成する、最適化された直接コーパスインタラクション(DCI)検索エージェントである。 DCIを大規模に実用化するためには、シェルコマンドのシーケンシャルな実行とバイトエクササイズ等価性を保ちながら、シェルベースの検索を最大7.6タイムで高速化するセマンティックス保存のシャード並列実行エンジンを使用する。
  論文  参考訳（メタデータ） (2026-05-28T03:37:33Z)
• Deep-Research Agents Can Be Poisoned via User-Generated Content [8.098290223993954]
  ディープリサーチエージェントは、単一の研究セッション中に多くの関連するクエリを発行する。 多くの一般的な検索トピックにおいて、RedditやWikipediaのようなプラットフォームから、同じユーザ生成コンテンツ(UGC)ページを何度も取得していることを示す。 この重なり合いは集中攻撃面を生成する。 我々はこの攻撃を3つの代表的なディープリサーチシステムに対して評価する。
  論文  参考訳（メタデータ） (2026-05-22T21:46:32Z)
• Beyond Semantic Similarity: Rethinking Retrieval for Agentic Search via Direct Corpus Interaction [127.64173950476702]
  エージェントが直接、汎用端末ツールを用いて、生コーパスを直接検索する直接コーパス間相互作用(DCI)について検討する。 このアプローチではオフラインインデックスを必要とせず、ローカルコーパスの進化に自然に適応する。 IRベンチマークとエンドツーエンドのエージェント検索タスク全体にわたって、この単純なセットアップは、強いスパース、密度、リランクベースラインよりも大幅に優れています。
  論文  参考訳（メタデータ） (2026-05-03T19:13:11Z)
• 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)
• Agentic-R: Learning to Retrieve for Agentic Search [82.43426728778418]
  エージェント検索に適した新しい検索学習フレームワークを提案する。 単一ターン検索拡張生成(RAG)用に設計された検索器とは違って,局所的なクエリ・パスの関連性とグローバルな回答の正当性を両立することを提案する。 我々のレトリバーは、我々のものとよばれ、異なる検索エージェント間で強いベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2026-01-17T02:59:54Z)
• Chain of Retrieval: Multi-Aspect Iterative Search Expansion and Post-Order Search Aggregation for Full Paper Retrieval [68.71038700559195]
  The Chain of Retrieval (COR) is a novel repeaterative framework for full-paper search。 SCIBENCH(SCIBENCH)は、クエリと候補のための全論文の完全なコンテキストとセグメント化されたコンテキストを提供するベンチマークである。
  論文  参考訳（メタデータ） (2025-07-14T08:41:53Z)
• 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)
• Integrating connection search in graph queries [6.948362325254044]
  SPARQLやCypherといったグラフクエリ言語に接続ツリーパターン(CTP)を統合する方法を示す。 非常に大きな探索空間に対処するため,我々は効率的な刈り込み手法を提案し,我々のアルゴリズムMOLESPがプルーニングでも完備しているケースの集合を正式に確立する。
  論文  参考訳（メタデータ） (2022-08-09T14:27:57Z)
• Graph Enhanced BERT for Query Understanding [55.90334539898102]
  クエリ理解は、ユーザの検索意図を探索し、ユーザが最も望まれる情報を発見できるようにする上で、重要な役割を果たす。 近年、プレトレーニング言語モデル (PLM) は様々な自然言語処理タスクを進歩させてきた。 本稿では,クエリコンテンツとクエリグラフの両方を活用可能な,グラフ強化事前学習フレームワークGE-BERTを提案する。
  論文  参考訳（メタデータ） (2022-04-03T16:50:30Z)
• Improving Candidate Retrieval with Entity Profile Generation for Wikidata Entity Linking [76.00737707718795]
  本稿では,エンティティ・プロファイリングに基づく新しい候補探索パラダイムを提案する。 我々は、このプロファイルを使用してインデックス付き検索エンジンに問い合わせ、候補エンティティを検索する。 本手法は,ウィキペディアのアンカーテキスト辞書を用いた従来の手法を補完するものである。
  論文  参考訳（メタデータ） (2022-02-27T17:38:53Z)
• CSFCube -- A Test Collection of Computer Science Research Articles for Faceted Query by Example [43.01717754418893]
  例によるフェーステッドクエリのタスクを紹介します。 ユーザは、入力クエリドキュメントに加えて、より細かいアスペクトを指定することもできる。 我々は,クエリ科学論文に類似した科学的論文を検索できるモデルを構想する。
  論文  参考訳（メタデータ） (2021-03-24T01:02:12Z)

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。