論文の概要: SteerSearch: Interactive Search Reasoning with Mid-Response Steering

• arxiv url: http://arxiv.org/abs/2610.24287v1
• Date: Fri, 16 Oct 2026 22:38:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-26 02:38:33.712141
• Title: SteerSearch: Interactive Search Reasoning with Mid-Response Steering
• Title（参考訳）: SteerSearch:ミッドレスポンスステアリングによる対話型検索推論
• Abstract要約: 本研究では,現在進行中の推論や検索において,ユーザがモデルをリダイレクトする,応答中型のステアリングについて検討する。 本稿では,対話型検索トラジェクトリをインジェクションでトレーニングするRLフレームワークであるSteerSearchを紹介し,コンテキスト保存対象再割り当てを可能にする。
• 参考スコア（独自算出の注目度）: 20.66418462803588
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Search-augmented language models increasingly serve as long-horizon research agents, yet most open training methods assume a fixed user goal throughout search. We study mid-response steering, where users redirect a model during ongoing reasoning or retrieval. We identify answer-target anchoring, a failure mode in which fixed-query search agents retrieve evidence for the updated request but still answer an earlier question. We introduce SteerSearch, an RL framework that trains on interactive search trajectories with injected interventions to enable context-preserving target reassignment, and SteerSearch-Bench, a benchmark adapted from multi-hop QA datasets. We also investigate Contrastive Context Reward (CCR), an auxiliary signal for aligning post-intervention reasoning with the updated goal. Without CCR, SteerSearch improves average steering accuracy over Search-R1 from 11.1% to 31.3% on Qwen2.5-3B and from 36.6% to 44.6% on Qwen3-4B, while preserving standard single-query performance. Gains also extend to larger Qwen2.5 models and natural multi-turn conversations.
• Abstract（参考訳）: 検索強化言語モデルは、長期研究エージェントとしての役割をますます担っているが、ほとんどのオープントレーニング手法は、検索全体を通じて固定されたユーザー目標を前提としている。 本研究では,現在進行中の推論や検索において,ユーザがモデルをリダイレクトする,応答中型のステアリングについて検討する。 固定クエリ検索エージェントが更新された要求の証拠を検索するが、まだ以前の質問に答える失敗モードである回答ターゲットアンカーを特定する。 我々は、コンテキスト保存対象の再割り当てを可能にするために、対話型検索トラジェクトリをインジェクトでトレーニングするRLフレームワークであるSteerSearchと、マルチホップQAデータセットから適応したベンチマークであるSteerSearch-Benchを紹介する。 また,CCR(Contrastive Context Reward)についても検討した。 CCRがなければ、SteerSearchは検索-R1の平均ステアリング精度をQwen2.5-3Bで11.1%から31.3%、Qwen3-4Bで36.6%から44.6%に改善し、通常のシングルクエリのパフォーマンスを維持している。 ゲインはまた、より大型のQwen2.5モデルと自然なマルチターン会話にも拡張されている。

関連論文リスト

• AgentIR: Reasoning-Aware Retrieval for Deep Research Agents [76.29382561831105]
  ディープリサーチエージェントは、各検索の前に明示的な自然言語推論を生成する。 Reasoning-Aware Retrievalは、クエリと一緒にエージェントの推論トレースを埋め込む。 DR-Synthは、標準的なQAデータセットからDeep Researchレトリバーのトレーニングデータを生成する。 AgentIR-4Bは、オープンウェイトエージェントであるTongyi-DeepResearchで68%の精度を達成する。
  論文  参考訳（メタデータ） (2026-03-04T18:47:26Z)
• SE-Search: Self-Evolving Search Agent via Memory and Dense Reward [87.79131676521656]
  Retrieval augmented generation (RAG)は、検索した外部知識を条件づけることにより、大規模言語モデル(LLM)における幻覚や事実エラーを低減する。 既存の手法は、無関係または騒々しい文書を蓄積し、希少な強化学習信号に依存することが多い。 我々は,3つのコンポーネントによるオンライン検索行動を改善するセルフ進化検索エージェントであるtextbfSelf-textbfEvolving textbfSearchを提案する。
  論文  参考訳（メタデータ） (2026-02-06T09:14:07Z)
• Agentic-R: Learning to Retrieve for Agentic Search [82.43426728778418]
  エージェント検索に適した新しい検索学習フレームワークを提案する。 単一ターン検索拡張生成(RAG)用に設計された検索器とは違って,局所的なクエリ・パスの関連性とグローバルな回答の正当性を両立することを提案する。 我々のレトリバーは、我々のものとよばれ、異なる検索エージェント間で強いベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2026-01-17T02:59:54Z)
• RAVine: Reality-Aligned Evaluation for Agentic Search [7.4420114967110385]
  RAVineは、検索を伴うエージェントLLMのための現実対応eValuationフレームワークである。 RAVineは、マルチポイントクエリと、ユーザの意図を反映した長文の回答をターゲットにしている。 RAVineを使って一連のモデルをベンチマークし、いくつかの洞察を得た。
  論文  参考訳（メタデータ） (2025-07-22T16:08:12Z)
• ReSearch: Learning to Reason with Search for LLMs via Reinforcement Learning [74.65632662894086]
  本稿では,強化学習を通じてLLMをReason with Searchに学習するフレームワークであるReSearchを提案する。 提案手法では,検索操作を推論チェーンの不可欠な要素として扱う。 分析によると、ReSearchは自然にリフレクションや自己訂正のような高度な推論機能を引き出す。
  論文  参考訳（メタデータ） (2025-03-25T09:00:58Z)

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。