論文の概要: From Delivery to Stateful Exploration: Rethinking the Index for Agentic Search

• arxiv url: http://arxiv.org/abs/2610.07960v1
• Date: Tue, 06 Oct 2026 08:30:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.897947
• Title: From Delivery to Stateful Exploration: Rethinking the Index for Agentic Search
• Title（参考訳）: デリバリーからステートフルな探索へ - エージェント検索の指標を再考する
• Abstract要約: IndexActは、テキストインスペクションから候補セットの洗練を分離するIndex-Native Interactionのためのインターフェイスである。 エージェント検索とマルチホップ質問応答にまたがる5つのベンチマークで評価されたベースラインを上回ります。 また、端末ベースのコーパスインタフェースよりも、平均的なライブコンテキストの少ないエビデンスカバレッジも達成している。
• 参考スコア（独自算出の注目度）: 11.423033016280465
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent advances in agentic search have given large language model (LLM) agents finer control over corpus exploration. However, search interfaces often return matching passages even when feedback about the candidate set would suffice for the next decision, coupling candidate refinement with source-text exposure. We propose IndexAct, an interface for Index-Native Corpus Interaction that separates candidate-set refinement from text inspection. Agents construct and manipulate persistent candidate sets through lexical conditions and set operations over an inverted index, receiving reusable state references and statistics such as candidate counts rather than matching passages. This feedback guides further refinement, while separately requested passages provide new clues or evidence that can inform subsequent operations on retained candidate sets. Experiments on five benchmarks spanning agentic search and multi-hop question answering show that IndexAct outperforms the evaluated baselines on each benchmark. On BrowseComp-Plus, it also achieves higher evidence coverage with a smaller average live context than terminal-based corpus interfaces, and maintains answer accuracy as the corpus expands. Further analyses suggest that informative refinement feedback and state reuse support continued evidence discovery, while shorter contexts or fewer search steps alone do not ensure better performance.
• Abstract（参考訳）: 近年,大規模言語モデル (LLM) がコーパス探索の精密化に寄与している。 しかし、検索インタフェースは、候補集合に関するフィードバックが次の決定を下すのに十分である場合であっても、マッチングパスを返すことが多い。 IndexActは、テキスト検査から候補セットの洗練を分離するIndex-Native Corpus Interactionのためのインタフェースである。 エージェントは、語彙条件を通じて永続的な候補セットを構築し、逆インデックス上で操作を設定し、再利用可能な状態参照と、一致するパスではなく候補カウントなどの統計を受信する。 このフィードバックはさらなる改善を導いており、個別に要求されたパスは、保持された候補セットに対するその後の操作を知らせる新しい手がかりまたは証拠を提供する。 エージェント検索とマルチホップ質問応答にまたがる5つのベンチマークの実験は、IndexActが各ベンチマークで評価されたベースラインを上回っていることを示している。 BrowseComp-Plusでは、端末ベースのコーパスインタフェースよりも平均的なライブコンテキストで高いエビデンスカバレッジを実現し、コーパスが拡大するにつれて回答の精度を維持する。 さらなる分析では、情報的改善フィードバックと状態再利用支援が引き続き証拠発見を継続していることが示唆されるが、より短い文脈や少ない探索ステップだけでは性能が向上しない。

関連論文リスト

• VisDocAgentBench: Benchmarking Agents for Visually Rich Document Retrieval [65.89247522243959]
  VisDocAgentBenchは、静的検索とエージェント検索を比較したクローズドコーパスベンチマークである。 100の文書から2,375ページ、120のユニークなターゲットクエリが直接、一橋、二橋のエビデンス構造でバランスを取っている。 強力な遅延対話型ビジュアルレトリバーは、直接アイテムで97.50%のRecall@1に達するが、2ブリッジアイテムでは2.50%に達し、関連性がコーパスコンテキストに依存する場合のクエリ-ターゲットマッチングの限界を明らかにする。
  論文  参考訳（メタデータ） (2026-08-18T15:23:06Z)
• 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)
• 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)
• Superintelligent Retrieval Agent: The Next Frontier of Information Retrieval [25.731213365755234]
  textitSuperIntelligent Retrieval Agent (SIRA)を紹介する。 SIRAは、複数ラウンド探索探索を単一のコーパス識別検索アクションに圧縮することができる。 解釈可能で、トレーニング不要で、効率的でありながら、より高価なマルチラウンドサーチを超えることができる。
  論文  参考訳（メタデータ） (2026-05-07T17:54:29Z)
• 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)
• Dense X Retrieval: What Retrieval Granularity Should We Use? [56.90827473115201]
  しばしば見過ごされる設計選択は、コーパスが索引付けされる検索単位である。 本稿では,高密度検索のための新しい検索ユニット,命題を提案する。 実験により、提案のような細粒度単位によるコーパスのインデックス付けは、検索タスクにおける通過レベル単位を著しく上回っていることが明らかとなった。
  論文  参考訳（メタデータ） (2023-12-11T18:57:35Z)

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。