論文の概要: When Deep Research Agents Stagnate: Enhancing Reasoning with Retrieval-Aware Agent Control
- arxiv url: http://arxiv.org/abs/2608.15191v1
- Date: Sat, 15 Aug 2026 12:14:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-18 19:59:03.218698
- Title: When Deep Research Agents Stagnate: Enhancing Reasoning with Retrieval-Aware Agent Control
- Title（参考訳）: ディープリサーチエージェントが停滞する時--検索エージェント制御による推論の強化
- Abstract要約: 既存のエージェントは、しばしば推論の停滞に悩まされる。
Retrieval-Aware Agent Controller (RAAC) について紹介する。
RAACには重要な情報検索の原則が組み込まれており、より効果的な推論の道筋となっている。
- 参考スコア（独自算出の注目度）: 18.504451110206094
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we analyze the reasoning trajectories of a variety of DRAs and show that existing agents often suffer from reasoning stagnation: the majority of iterations contribute little or no improvement to final performance, while agents lack awareness of their trajectories and are therefore ineffective at adapting their search strategies or determining when to terminate. To address this issue, we introduce a set of unsupervised signals and a Retrieval-Aware Agent Controller (RAAC), which assists the agent in selecting optimal actions at each stage of the research process. RAAC incorporates key information retrieval principles, namely search novelty and information coverage, resulting in more effective reasoning trajectories that improve overall performance while reducing unnecessary iterations, and consequently cost and latency. Specifically on BrowseComp-Plus and across a large set of DRAs, adding RAAC reduces the number of search calls by an average of 14, significantly improves the best-performing DRA on recall and accuracy, and achieves an accuracy gain of up to 10% (3% on average).
- Abstract（参考訳）: 本稿では,様々なDRAの推論軌跡を解析し,既存のエージェントがしばしば停滞する要因として,ほとんどのイテレーションが最終性能の改善にほとんどあるいは全く寄与しない一方で,エージェントはそれらの軌跡を意識せず,探索戦略の適応や終了時期の決定に不適当であることを示す。
この問題に対処するために,教師なし信号のセットと検索エージェントコントローラ(RAAC)を導入し,研究プロセスの各段階で最適な行動を選択するエージェントを支援する。
RAACには検索のノベルティと情報カバレッジという重要な情報検索の原則が組み込まれており、結果としてより効果的な推論トラジェクトリにより、不要なイテレーションを減らしながら全体的なパフォーマンスを改善することができ、結果としてコストとレイテンシが向上する。
具体的には、BrowseComp-Plusおよび多数のDRAに対して、RAACを追加することで、平均14の検索呼び出し数が削減され、リコールと精度で最高のパフォーマンスのDRAが大幅に改善され、精度が最大10%向上する(平均3%)。
関連論文リスト
- CRISP: Critical Step Perception for Training Efficient Deep Search Agents [19.74419958232817]
本稿では,効率的な深層探索エージェントを重要ステップ認識により訓練するフレームワークであるCRISPを提案する。
ツール使用を均一にペナルティ化する以前の効率の方法とは異なり、CRISPは冗長なものから必要な証拠を収集する相互作用を区別する。
実験の結果、CRISPは、平均的な相互作用をそれぞれ15.1%、33.2%減少させながら、競合する最終回答の精度を維持していることがわかった。
論文 参考訳（メタデータ） (2026-08-03T08:15:18Z) - ReasonRec: A Reasoning-Augmented Multimodal Agent for Unified Recommendation [51.238500135659656]
ReasonRecは3段階の明示的な推論パイプラインを中心に構築された推論強化マルチモーダルエージェントである。
ReasonRecは、最先端のマルチモーダルレコメンデータと比較して、キーランキングの指標が30%以上改善されていることを示す。
論文 参考訳（メタデータ） (2026-06-08T22:40:35Z) - Adaptive Latent Agentic Reasoning [39.07611240604954]
本稿では,日常的な旋回にコンパクトな潜伏推論を用い,より深い熟考が必要な場合の明示的な連鎖に選択的にエスカレートするデュアルモードフレームワークを提案する。
実験の結果、ALARは同等またはより良いタスク精度を維持し、生成したトークンを検索で43.6%、ツールでの使用で84.6%まで大幅に削減した。
論文 参考訳（メタデータ） (2026-06-01T20:36:06Z) - WMAttack: Automated Attack Search for Adversarial Evaluation of World-Model Agents [53.84430233754606]
WMAttackは、世界モデルエージェントの敵意評価のための自動攻撃探索フレームワークである。
WMAttackは攻撃構成に対する有限予算探索としてロバストネス評価を定式化する。
WMAttackは評価ベースラインよりも強力な攻撃を継続的に発見することを示す。
論文 参考訳（メタデータ） (2026-05-22T04:31:09Z) - Learning to Retrieve from Agent Trajectories [72.8923565916533]
我々はエージェント間相互作用データから直接エージェント探索のための検索モデルを訓練すべきであると主張している。
エージェント・トラジェクトリからの学習を新たな訓練パラダイムとして導入し,マルチステップエージェントのインタラクションから指導を導出する。
本研究は,エージェント探索時代における検索の方向性を示すとともに,エージェントトラジェクトリを実用的でスケーラブルな監視源として強調するものである。
論文 参考訳（メタデータ） (2026-03-30T17:59:02Z) - Search More, Think Less: Rethinking Long-Horizon Agentic Search for Efficiency and Generalization [64.61432234404276]
emphSearch More, Think Less (SMTL) は、効率性と一般化の両方をターゲットとした長期エージェント検索のためのフレームワークである。
我々は、教師付き微調整と強化学習を用いてエンドツーエンドエージェントを訓練し、ベンチマーク全体にわたって、強固で頻繁なパフォーマンスを実現する。
論文 参考訳（メタデータ） (2026-02-26T06:46:41Z) - SRR-Judge: Step-Level Rating and Refinement for Enhancing Search-Integrated Reasoning in Search Agents [30.92763154920672]
SRR-Judgeは、推論と探索行動の信頼性の高い段階評価のためのフレームワークである。
SRR-Judgeは、探索積分推論のためのきめ細かいガイダンスを提供し、効率的な後トレーニングアノテーションを可能にする。
SRR-Judgeは、DeepSeek-V3.1のようなより大きなモデルよりも信頼性の高いステップレベルの評価を提供する。
論文 参考訳（メタデータ） (2026-02-08T02:07:41Z) - HiPRAG: Hierarchical Process Rewards for Efficient Agentic Retrieval Augmented Generation [21.08814504507274]
準最適探索行動は、オーバーサーチやアンダーサーチなど、広く存在する。
現在のトレーニング方法は、通常、RLフレームワークの成果ベースの報酬に依存するが、これらの非効率に対処するために必要なきめ細かい制御が欠如している。
我々は、RLトレーニングに詳細な知識に基づくプロセス報酬を組み込んだトレーニング手法であるHiPRAGを紹介する。
論文 参考訳（メタデータ） (2025-10-09T05:13:10Z) - RRO: LLM Agent Optimization Through Rising Reward Trajectories [52.579992804584464]
大規模言語モデル (LLM) は様々なタスクにおいて異常な性能を示した。
実際には、エージェントは特定の重要なステップの結果に敏感で、タスクを失敗する可能性がある。
この問題を軽減するために,Reward Rising Optimization (RRO)を提案する。
論文 参考訳（メタデータ） (2025-05-27T05:27:54Z) - Search Wisely: Mitigating Sub-optimal Agentic Searches By Reducing Uncertainty [21.96443267949563]
エージェント検索型Augmented Generation (RAG) システムは,動的かつ多段階の推論と情報検索を可能にし,Large Language Models (LLM) を強化する。
これらのシステムは、オーバーサーチ(冗長な情報を取得する)やアンダーサーチ(必要な情報を取得するのに失敗する)のような準最適探索行動を示すことが多い。
この研究は、これらの振る舞いを公式に定義し、定量化し、複数のQAデータセットとエージェントRAGシステムにまたがるそれらの頻度を明らかにする。
論文 参考訳（メタデータ） (2025-05-22T20:57:56Z) - Self-Routing RAG: Binding Selective Retrieval with Knowledge Verbalization [95.85537087475882]
既存のアプローチは、大規模言語モデル(LLM)の固有の知識を過小評価している。
本稿では,選択検索と知識の言語化を結びつける新しいフレームワークであるSelf-Routing RAGを提案する。
SR-RAGは検索回数を29%削減し、性能は5.1%向上した。
論文 参考訳（メタデータ） (2025-04-01T17:59:30Z) - DeepRAG: Thinking to Retrieve Step by Step for Large Language Models [92.87532210660456]
我々はマルコフ決定過程(MDP)として検索強化推論をモデル化するDeepRAGを提案する。
クエリを反復的に分解することで、DeepRAGは外部知識を取得するか、あるいは各ステップでパラメトリック推論に依存するかを動的に決定する。
実験の結果,DeepRAGは検索効率を向上し,回答精度を26.4%向上させ,検索強化推論の有効性を示した。
論文 参考訳（メタデータ） (2025-02-03T08:22:45Z)
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。