論文の概要: Evidence Blindness in Direct Corpus Interaction: Persistent Navigation with AtlasNav

• arxiv url: http://arxiv.org/abs/2608.24764v1
• Date: Tue, 25 Aug 2026 16:03:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-26 14:09:35.091827
• Title: Evidence Blindness in Direct Corpus Interaction: Persistent Navigation with AtlasNav
• Title（参考訳）: 直接コーパスインタラクションにおける盲点:AtlasNavを用いた永続ナビゲーション
• Abstract要約: 我々は、この進行的な無声損失をエビデンス・ブラインドネスと呼び、段階的な証拠実現を通じてそれを定量化する。 再利用可能なコーパス構造上での有限予算ナビゲーションとして大規模エージェントサーチを定式化する。 我々はAtlasNavを紹介した。AtlasNavは永続的な多視点コーパスナビゲーションフレームワークで、直接コーパスインタラクションを保持するが、一度コーパスをコーパスアトラスに編成する。
• 参考スコア（独自算出の注目度）: 23.473106381426405
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language model agents are moving beyond conventional retrieval-augmented generation toward direct interaction with external corpora. Direct Corpus Interaction (DCI) keeps the full corpus accessible, yet reachable evidence can remain unusable under finite interaction budgets. Required evidence may fail to surface, a surfaced supporting document may remain unopened, or an opened document may fail to expose its decisive fragment. We call this progressive silent loss Evidence Blindness and quantify it through stage-wise evidence realization. Within the DCI paradigm, raw interaction adds little reusable corpus organization, while dynamic-workspace methods reconstruct a query-conditioned interaction space from each query and trajectory. In both cases, useful structure is recovered largely online. We instead formulate large-scale agentic search as finite-budget navigation over reusable corpus structure. We introduce AtlasNav, a persistent multi-view corpus-navigation framework that retains direct corpus interaction but organizes the corpus once into a Corpus Atlas, allowing each query to navigate adaptively rather than reconstruct shared structure. On BrowseComp-Plus, AtlasNav achieves 92.05% strict accuracy while reducing recorded online inference cost by 30.21% relative to the prior dynamic-workspace state of the art. Under matched budgets, it realizes the complete required evidence earlier and approaches the same model's evidence-supplied empirical reference more rapidly. The same representation principle remains effective under PhantomWiki's distinct corpus organization and controlled 10K-1M scaling, and transfers competitively to heterogeneous enterprise knowledge. These results show that agentic search depends not only on accessible evidence, but also on how the corpus is represented so that limited interaction becomes effective navigation.
• Abstract（参考訳）: 大規模言語モデルエージェントは、従来の検索拡張生成を超えて、外部コーパスとの直接対話へと移行している。 直接コーパス相互作用(DCI)は、完全なコーパスをアクセスしやすくするが、到達可能な証拠は、有限の相互作用予算の下では使用できない。 要求された証拠が浮上しなかったり,表向きの支持書類が未開のままであったり,公開文書がその決定的な断片を露出しなかったりすることができる。 我々は、この進行的な無声損失をエビデンス・ブラインドネスと呼び、段階的な証拠実現を通じてそれを定量化する。 DCIパラダイム内では、生のインタラクションはほとんど再利用可能なコーパス組織を追加せず、動的ワークスペースメソッドは各クエリとトラジェクトリからクエリ条件のインタラクション空間を再構築する。 どちらの場合も、有用な構造はほとんどオンラインで回収される。 代わりに、再利用コーパス構造上の有限予算ナビゲーションとして大規模エージェントサーチを定式化する。 我々はAtlasNavを紹介した。AtlasNavは永続的な多視点コーパスナビゲーションフレームワークで、直接コーパスインタラクションを保持するが、一度コーパスをコーパスアトラスに編成する。 BrowseComp-Plusでは、AtlasNavは92.05%の精度を達成し、記録されたオンライン推論コストを従来の動的ワークスペースの状態と比較して30.21%削減した。 一致した予算の下では、より早い段階で必要となる完全な証拠を認識し、同じモデルのエビデンスに供給された経験的参照をより迅速にアプローチする。 同じ表現原理はPhantomWikiの別個のコーパス組織の下で有効であり、10K-1Mのスケーリングを制御し、異種企業の知識に競争的に移行する。 これらの結果から, エージェント検索は, アクセス可能な証拠だけでなく, コーパスの表現方法にも依存することが明らかとなった。

関連論文リスト

• A New Role for Relevance: Guiding Corpus Interaction in Agentic Search [45.65771530564621]
  関連性(Relevance)は、ドキュメントまたは抜粋が有用な証拠を含むかどうかをクエリ依存で見積もる。 関連性を考慮したRARG(Relevance-Aware RipGrep Search Agent)を導入する。
  論文  参考訳（メタデータ） (2026-07-27T09:56:52Z)
• Dr-DCI: Scaling Direct Corpus Interaction via Dynamic Workspace Expansion [76.02214947070392]
  DR-DCIは、検索をローカルなワークスペースを拡張するためのエージェントコール可能なアクションとして扱う、レトリバーによるDCIフレームワークである。 DR-DCIはスケールにわたって効果的かつ効率的であることを示す。 コーパススケーリング実験では、DR-DCIは1万文書から10万文書まで有効であり、生のDCIは不安定になり、BM25は著しく悪化する。
  論文  参考訳（メタデータ） (2026-06-12T18:46:18Z)
• Rethinking Embodied Navigation via Relational Inductive Bias [53.72276435022479]
  本稿では,DB-Navを提案する。 標的中心の関係を活性化バイアスと抑制バイアスに分類する。 成功率(SR)と成功率(SPL)はパス長さ(SPL)が重み付けされているため、既存の方法よりも著しく優れています。
  論文  参考訳（メタデータ） (2026-06-09T02:57:34Z)
• Towards Retrieving Interaction Spaces for Agentic Search [62.666902610940525]
  最近の直接コーパス(DCI)の研究は、エージェントが5.4のインタラクションやファイル読み取りといったシェルツールを通じて生コーパスと対話できることを示している。 エージェント検索における検索の役割は, LLMコンテキストウィンドウに適合する文書を選択することだけではなく, インタラクション空間を構築することにある。
  論文  参考訳（メタデータ） (2026-06-05T03:47:40Z)
• 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)
• 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)
• Agent-Driven Corpus Linguistics: A Framework for Autonomous Linguistic Discovery [1.954006174763915]
  コーパス言語学は伝統的に、仮説を定式化し、クエリを構築し、結果を解釈するために人間の研究者に依存してきた。 本稿では,大規模言語モデル(LLM)を構造化ツール利用インタフェースを介してコーパスクエリエンジンに接続する手法であるエージェント駆動コーパス言語学を提案する。 制約のないLLM生成とは異なり、すべての発見は検証可能なコーパスの証拠に固定される。
  論文  参考訳（メタデータ） (2026-04-08T15:14:22Z)
• WebWeaver: Structuring Web-Scale Evidence with Dynamic Outlines for Open-Ended Deep Research [73.58638285105971]
  本稿では,AIエージェントが膨大なWebスケール情報を洞察に富むレポートに合成しなければならない複雑な課題であるtextbfopen-ended Deep Research (OEDR) に取り組む。 人間の研究プロセスをエミュレートする新しいデュアルエージェントフレームワークである textbfWebWeaver を紹介する。 私たちのフレームワークは、DeepResearch Bench、DeepConsult、DeepResearchGymなど、主要なOEDRベンチマークにまたがる最先端の新たなベンチマークを確立しています。
  論文  参考訳（メタデータ） (2025-09-16T17:57:21Z)

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。