論文の概要: SEEDS: Preview-Guided Evidence Admission for Search Agents

• arxiv url: http://arxiv.org/abs/2610.12932v1
• Date: Fri, 09 Oct 2026 03:25:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-13 04:06:29.372615
• Title: SEEDS: Preview-Guided Evidence Admission for Search Agents
• Title（参考訳）: SEEDS: プレビューガイドによる検索エージェントのエビデンス許可
• Abstract要約: 本稿では,SEEDS(Selective Evidence Entry During Search)について紹介する。 SEEDSは、エージェントがどの候補とどの候補を検査すべきかを、現在の推論状態に基づいて共同で決定する。 ローカルコーパスとライブWebサーチの9つの知識集約型QAベンチマークにおいて,SEEDSは検索効率を継続的に改善し,完全エビデンス消費を大幅に削減した。
• 参考スコア（独自算出の注目度）: 9.569803859816597
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Search agents extend large reasoning models with multi-round access to external knowledge, yet most existing systems largely conflate retrieving evidence with consuming it. Retrieved documents are commonly incorporated according to fixed or rank-based policies, despite the fact that evidence utility is conditioned on the agent's current reasoning state. Consequently, a lower-ranked candidate may be critical for the current step, while a higher-ranked candidate may provide redundant, irrelevant, or misleading information. We formulate this overlooked problem as evidence admission, which asks, at each search step, which retrieved candidates should be allowed to enter the agent's evolving reasoning context. To enable such selective control, we introduce SEEDS (Selective Evidence Entry During Search), a preview-guided evidence admission framework for search agents. SEEDS first exposes lightweight previews of retrieved candidates and then lets the agent jointly determine which candidates and how many should be fully inspected, conditioned on its current reasoning state. Unlike fixed or adaptive prefix policies, SEEDS can select arbitrary subsets with flexible cardinality, and it can be instantiated directly with an existing reasoning agent or further optimized through learning. Across nine knowledge-intensive QA benchmarks under both local corpus and live web search, SEEDS consistently improves search effectiveness while substantially reducing full-evidence consumption. Experimental analyses show that SEEDS more effectively selects useful candidates beyond the corresponding retrieval prefix. These results establish evidence admission as a complementary dimension of agentic search, separating what information is retrieved from what information is ultimately allowed to shape reasoning.
• Abstract（参考訳）: 検索エージェントは、外部知識へのマルチラウンドアクセスで大規模な推論モデルを拡張するが、既存のシステムのほとんどは、それを消費する証拠を詳細に記述している。 回収された文書は、証拠の効用がエージェントの現在の推論状態に条件付けられているにもかかわらず、固定またはランクベースのポリシーに従って一般的に組み込まれている。 その結果、下位候補は現在の段階にとって重要なものであり、上位候補は冗長、無関係、あるいは誤解を招く情報を提供する可能性がある。 我々は、この見過ごされた問題を証拠として定式化し、各探索ステップにおいて、検索された候補がエージェントの進化する推論コンテキストに入ることを許すよう要求する。 このような選択的な制御を可能にするために,検索エージェントのためのプレビューガイド付きエビデンスインプットフレームワークSEEDS(Selective Evidence Entry During Search)を導入する。 SEEDSはまず、検索した候補の軽量プレビューを公開し、次にエージェントがどの候補とどの候補を検査すべきかを、現在の推論状態に基づいて共同で決定する。 固定あるいは適応的なプレフィックスポリシーとは異なり、SEEDSはフレキシブルな基数を持つ任意のサブセットを選択することができ、既存の推論エージェントと直接インスタンス化したり、学習を通じてさらに最適化することができる。 ローカルコーパスとライブWebサーチの9つの知識集約型QAベンチマークにおいて,SEEDSは検索効率を継続的に改善し,完全エビデンス消費を大幅に削減した。 実験分析の結果,SEEDSは検索プレフィックス以外の有用な候補をより効果的に選択できることがわかった。 これらの結果はエージェントサーチの補完的な次元としてのエビデンス・インセプションを確立し、最終的に推論を形作ることが許される情報からどの情報を検索するかを分離する。

関連論文リスト

• Inspire: Benchmarking Scientific Literature Search for Open Research Problems [32.85332215557839]
  INSPIREは、先行文献を検索し、解法で修正された研究問題を進行させるエージェントを評価するためのベンチマークである。 現在のエージェントは、より広範な事前作業のポートフォリオを組み立てるよりも、孤立した前駆体をより容易に回収できることを示します。 また,テスト時間情報を変更することなく,保持検索の改善を図っている。
  論文  参考訳（メタデータ） (2026-09-27T05:21:51Z)
• Contextual Information Policy Optimization for Search Agents [25.589979477350095]
  我々は,政策最適化と外部エビデンス利用の整合を図るために,文脈情報政策最適化(CIPO)を提案する。 CIPOは、検索された情報に影響された推論行動にターンレベルクレジットを割り当て、このエビデンス利用信号とグローバルな結果報酬を組み合わせて、回答の正当性を維持する。 実験によると、CIPOは事前駆動推論の頻度を減らし、ほとんどのタスクにおいて優れたパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-08-06T15:01:29Z)
• Diagnosing Search Behavior and Failure Modes in Long-Horizon Search Agents [63.2133766267587]
  ディープサーチエージェントは、証拠収集のために検索クエリを反復的に発行することで、難解な情報検索質問に答える。 本研究では,長軸探索エージェントの軌跡レベル診断を用いてこれらの質問について検討する。 我々は,各探索ステップで得られた証拠を評価し,エージェントの行動の2つの段階を分離する。
  論文  参考訳（メタデータ） (2026-08-03T08:46:48Z)
• 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)
• Towards Context-aware Reasoning-enhanced Generative Searching in E-commerce [61.03081096959132]
  そこで本稿では,複雑な状況下でのテキストバウンダリングを改善するための,文脈対応推論強化型生成検索フレームワークを提案する。 提案手法は,強力なベースラインに比べて優れた性能を示し,検索に基づく推薦の有効性を検証した。
  論文  参考訳（メタデータ） (2025-10-19T16:46:11Z)
• Beyond Relevance: Evaluate and Improve Retrievers on Perspective Awareness [56.42192735214931]
  検索者は、ドキュメントとクエリ間のセマンティックな関連性に頼るだけでなく、ユーザクエリの背後にある微妙な意図や視点を認識することも期待されている。 本研究では,検索者がクエリの異なる視点を認識し,応答できるかどうかを検討する。 我々は,現在の検索者はクエリにおいて微妙に異なる視点に対する認識が限られており,特定の視点に偏りがあることを示す。
  論文  参考訳（メタデータ） (2024-05-04T17:10:00Z)
• Exposing Query Identification for Search Transparency [69.06545074617685]
  本稿では,検索システムの2つのクラスにおいて,クエリとドキュメントの役割を逆転させることにより,検索タスクとしてのEQIの実現可能性について検討する。 本研究では,クエリのランク付けの質を評価するための評価基準を導出するとともに,近似EQIの様々な実践的側面に着目した経験的分析を行う。
  論文  参考訳（メタデータ） (2021-10-14T20:19:27Z)

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。