論文の概要: QREF: Improving DeepSearch Agents by Aligning Search with Reasoning via Query Refinement and Evidence Filtering

• arxiv url: http://arxiv.org/abs/2610.21512v1
• Date: Thu, 15 Oct 2026 08:47:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 19:13:16.282441
• Title: QREF: Improving DeepSearch Agents by Aligning Search with Reasoning via Query Refinement and Evidence Filtering
• Title（参考訳）: QREF: クエリのリファインメントとエビデンスフィルタリングによる推論による検索調整によるDeepSearchエージェントの改善
• Abstract要約: 提案するQREFは,クエリリファイナとエビデンスフィルタである。 QREFは、現在の推論意図に従って検索クエリを書き換える。 エビデンスフィルタは、現在の検索バッチと推論目的の両方に関連する証拠を保持する。
• 参考スコア（独自算出の注目度）: 70.83365338105564
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: DeepSearch agents achieve strong performance on complex information-seeking tasks through iterative search and reasoning. However, they often issue intent-misaligned, under-constrained, or redundant search queries, resulting in poor evidence coverage and accumulating retrieval noise. To mitigate these limitations, we propose QREF, a plug-and-play Query Refiner and Evidence Filter. Specifically, the Query Refiner rewrites search queries according to the current reasoning intent while ensuring complementary coverage across each search batch. The Evidence Filter retains evidence relevant to both the current search batch and the reasoning objective, reducing distracting retrieval results. We initialize the Query Refiner with supervised fine-tuning and optimize it through reinforcement learning based on interactions with a real-world web search environment, reducing ineffective queries. Comprehensive experiments demonstrate that our approach improves the performance of DeepSearch agents across four challenging benchmarks, achieving average relative Pass@1 improvements of 33.55% on WebSailor and 11.04% on TongyiDeepResearch without modifying architectures or retraining their reasoning policies. Compared with the original DeepSearch backbone without QREF, the RL-trained refiner reduces the fraction of query batches that lack discriminative retrieval anchors by 95%. Compared with the SFT-trained refiner, it also lowers the filter-based ineffective query ratio.
• Abstract（参考訳）: DeepSearchエージェントは、反復探索と推論によって複雑な情報検索タスクで高いパフォーマンスを達成する。 しかし、しばしば意図的ミス、制約の少ない、冗長な検索クエリを発行し、結果として証拠が乏しく、検索ノイズを蓄積する。 これらの制限を緩和するために、プラグアンドプレイのQuery RefinerとEvidence FilterであるQREFを提案する。 具体的には、Query Refinerは検索クエリを現在の推論意図に従って書き直し、検索バッチ毎に補完的なカバレッジを保証する。 エビデンスフィルタは、現在の検索バッチと推論目的の両方に関連する証拠を保持し、邪魔な検索結果を減らす。 我々は、教師付き微調整によるクエリリファイナを初期化し、実世界のWeb検索環境とのインタラクションに基づく強化学習により最適化し、非効率なクエリを減らす。 包括的な実験により、我々のアプローチは4つの挑戦的なベンチマークでDeepSearchエージェントのパフォーマンスを改善し、WebSailorで33.55%、TongyiDeepResearchで11.04%、アーキテクチャを変更したり、推論ポリシーをリトレーニングしたりすることなく、平均的なPass@1の改善を実現しています。 QREFのないオリジナルのDeepSearchバックボーンと比較して、RLでトレーニングされたリファラは、差別的な検索アンカーを欠いたクエリバッチの分数を95%削減する。 SFT訓練された精錬機と比較すると、フィルタベースの非効率なクエリ比も低下する。

関連論文リスト

• EAVer: Long-Form Factuality Verification as an End-to-End Agentic Policy [50.665874114632]
  我々は、完全な応答レベルの検証ワークフローを統一ポリシーとして制御することを学ぶ、エンドツーエンドのエージェント検証であるEAVerを紹介する。 EAVerはセマンティック関連クレームをグループ化し、信頼に基づいた直接検証やターゲット検索にルートし、コンパクトなインコンテキストメモで検索によって返される証拠を保持する。
  論文  参考訳（メタデータ） (2026-09-02T21:00:35Z)
• SearchMaster: Grounded and Regulated Self-Play for Search Agents [57.537666863340284]
  検索エージェントの訓練には高品質な検索データが必要である。 既存のパイプラインは、人手によるタスクや専門家によるデモンストレーション、より強力な教師モデルに依存していることが多い。 本稿では,ローカル検索環境における検索タスクから,単一のLLMをトレーニングするセルフプレイフレームワークであるSearchMasterを提案する。
  論文  参考訳（メタデータ） (2026-08-03T07:29:11Z)
• 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)
• Beyond the limitation of a single query: Train your LLM for query expansion with Reinforcement Learning [23.104182075898297]
  Reasoning-augmented search agent, such as Search-R1, are trained to reason, search, and generate the final answer repeateratively。 我々は、強化学習によるクエリ拡張のネイティブ機能を備えたLLMベースの検索エージェントを訓練する。 シュレッシャーモデルの助けを借りて,小型の3B LLMでもクエリ拡張の強力な能力を実証できることが判明した。
  論文  参考訳（メタデータ） (2025-10-11T04:23:30Z)
• AceSearcher: Bootstrapping Reasoning and Search for LLMs via Reinforced Self-Play [45.02121903138421]
  AceSearcherは1つの大きな言語モデル(LLM)をトレーニングし、複雑なクエリを分解するデコンポスタと、検索したコンテキストを統合して回答生成するソルバという2つの役割を交互に行う。 10データセットにわたる3つの推論集約タスクの実験は、AceSearcherが最先端のベースラインを上回り、平均的な正確なマッチング改善を7.6%達成していることを示している。
  論文  参考訳（メタデータ） (2025-09-29T02:14:30Z)
• Reasoning-enhanced Query Understanding through Decomposition and Interpretation [87.56450566014625]
  ReDIは、分解と解釈によるクエリ理解のための推論強化アプローチである。 我々は,大規模検索エンジンから実世界の複雑なクエリの大規模データセットをコンパイルした。 BRIGHT と BEIR の実験により、ReDI はスパースと密度の高い検索パラダイムの両方において、強いベースラインを一貫して超えることを示した。
  論文  参考訳（メタデータ） (2025-09-08T10:58:42Z)
• BrowseComp-Plus: A More Fair and Transparent Evaluation Benchmark of Deep-Research Agent [74.10138164281618]
  BrowseComp-Plus(BrowseComp-Plus)は、BrowseCompから派生したベンチマークである。 このベンチマークは、ディープリサーチエージェントと検索方法の総合的な評価とアンタングル解析を可能にする。
  論文  参考訳（メタデータ） (2025-08-08T17:55:11Z)

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。