論文の概要: Optimist Deep Research: An Iterative, State-Centric Agent for Autonomous Literature Research

• arxiv url: http://arxiv.org/abs/2610.23299v1
• Date: Fri, 16 Oct 2026 11:04:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 00:56:07.897928
• Title: Optimist Deep Research: An Iterative, State-Centric Agent for Autonomous Literature Research
• Title（参考訳）: Optimist Deep Research: 自律的な文学研究のための反復的で国家中心のエージェント
• Abstract要約: 我々は,文献研究を反復的エビデンス獲得プロセスとして運営するオープンソースエージェントであるOptimist Deep Researchを紹介する。 調査質問はサブクエストのツリーに分割され、それぞれがソース固有のクエリに変換される検索インテントによって処理される。 ドキュメントは、サポート、ロケーション、タイプ、強度を備えたクレームの構造化されたエビデンスストアに並行して読み込まれる。
• 参考スコア（独自算出の注目度）: 0.05076419064097732
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Most retrieval-augmented systems treat literature search as a single retrieval step followed by summarization. Real literature research works differently: the investigator's understanding of the question changes as they read, new subquestions appear, and evidence is weighed, not just collected. We present Optimist Deep Research, an open-source agent that runs literature research as an iterative evidence-acquisition process over an explicit, mutable research state. A research question is broken into a tree of subquestions, each served by search intents that are translated into source-specific queries over arXiv, OpenAlex, Crossref, PubMed, Semantic Scholar and the web. Results are merged into a canonical, provenance-preserving document registry through a conservative four-tier deduplication hierarchy. The registry is expanded by citation snowballing until a saturation criterion is met, and then screened, ranked and allocated to subquestions round-robin. Documents are read in parallel into a structured evidence store of claims with support, location, type and strength. A critic reviews the state along eight dimensions and returns research actions rather than a binary verdict: it can add, split, rephrase, deprioritize or close subquestions, so the research plan is an output of the investigation as well as an input. The final report is written section by section from the evidence store, and every citation resolves to a retrieved document. We describe the design, the deterministic machinery that keeps a language-model pipeline auditable, and a case study that read 28 of 237 retrieved documents in about three and a half minutes. We also report weaknesses the case study exposed.
• Abstract（参考訳）: ほとんどの検索拡張システムは、文献検索を単一の検索ステップとして扱い、次に要約する。 調査員の質問に対する理解は、読みながら変化し、新たなサブクエストが出現し、証拠は単に収集されるのではなく、評価される。 我々は,文献研究を明示的かつ不変な研究状態に対する反復的証拠取得プロセスとして運営する,オープンソースエージェントであるOptimist Deep Researchを紹介する。 調査質問はサブクエストのツリーに分割され、それぞれが、arXiv、OpenAlex、Crossref、PubMed、Semantic Scholar、Web上のソース固有のクエリに変換される検索インテントによって提供される。 結果は、保守的な4階層の重複の階層を通じて、標準的で証明可能なドキュメントレジストリにマージされる。 登録は、飽和基準が満たされるまで、引用スノーボールにより拡張され、その後、審査され、ランク付けされ、ラウンドロビンに割り当てられる。 ドキュメントは、サポート、ロケーション、タイプ、強度を備えたクレームの構造化されたエビデンスストアに並行して読み込まれる。 批判者は8つの次元に沿って状態をレビューし、二項の評定よりも研究行動を返す:それは追加、分割、言い換え、優先順位付け、もしくはクローズアップできるので、調査計画は調査のアウトプットであり、インプットでもある。 最後のレポートはエビデンスストアのセクションによって記述され、すべての引用は、検索されたドキュメントに解決される。 設計、言語モデルパイプラインの監査を可能にする決定論的機械、および237件のうち28件の文書を3分半で読み取るケーススタディについて説明する。 また,ケーススタディの弱点も報告した。

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)
• Deep Academic Survey: Stateful Agentic Closed-Loop Paradigm for Academic Survey Automation [60.151050016855834]
  DASは出版指向の学術調査を作成するためのステートフルなエージェント・フレームワークである。 その鍵となる考え方は、再利用可能な紙分析とトピック固有の原稿構築を分離することである。 DASは4つの次元で最高点に達し、総合スコアは4.34であり、最強の競争相手は4.03である。
  論文  参考訳（メタデータ） (2026-08-18T17:29:00Z)
• OpenNovelty: An LLM-powered Agentic System for Verifiable Scholarly Novelty Assessment [63.662126457336534]
  OpenNoveltyは、透明で証拠に基づく新規性分析のためのエージェントシステムである。 回収された実論文のすべての評価を根拠にし、検証可能な判断を確実にする。 OpenNoveltyは、公正で一貫性があり、エビデンスに支えられたピアレビューを促進するスケーラブルなツールで、研究コミュニティに力を与えることを目指している。
  論文  参考訳（メタデータ） (2026-01-04T15:48:51Z)
• 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)
• Patience is all you need! An agentic system for performing scientific literature review [0.0]
  大規模言語モデル(LLM)は、様々な分野にわたる質問応答のサポートを提供するために、その利用が増加している。 我々は、科学文献にカプセル化された情報の検索と蒸留を行うLLMベースのシステムを構築した。 提案するキーワードに基づく検索・情報蒸留システムについて, 生物関連質問の集合に対して, 先行する文献ベンチマークを用いて評価を行った。
  論文  参考訳（メタデータ） (2025-03-28T08:08:46Z)
• All That Glitters is Not Novel: Plagiarism in AI Generated Research [15.246406031450775]
  このような研究資料のかなりの部分は、巧妙に盗用されている。 専門家らは、50ドルの評価された研究資料のうち24%を、言い換えられるか、あるいは既存の研究からかなり借用されていると特定している。 残りの76%のドキュメントは、既存の作品と異なるレベルの類似性を示しており、ごくわずかしか全く新しいものではない。
  論文  参考訳（メタデータ） (2025-02-23T08:00:33Z)
• GERE: Generative Evidence Retrieval for Fact Verification [57.78768817972026]
  本稿では,ジェネレーション方式で証拠を検索する最初のシステムであるGEREを提案する。 FEVERデータセットの実験結果は、GEREが最先端のベースラインよりも大幅に改善されていることを示している。
  論文  参考訳（メタデータ） (2022-04-12T03:49:35Z)

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。