論文の概要: The Scheduler Is a Hidden Retriever: How Asynchrony Shapes Evidence Acquisition in Search Agents

• arxiv url: http://arxiv.org/abs/2610.26310v1
• Date: Mon, 19 Oct 2026 12:55:12 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:45:51.72563
• Title: The Scheduler Is a Hidden Retriever: How Asynchrony Shapes Evidence Acquisition in Search Agents
• Title（参考訳）: スケジューラは隠れたレトリバー: 検索エージェントのエビデンス獲得をいかに形作るか
• Abstract要約: 配信タイミングは、同じ初期証拠にもかかわらず、全ての結果が到着する前に行われた検索決定をリダイレクトすることを示す。 ここでは,各サブクエストが完了したときの局所的推論を解放するConfluent Acquisition Evidenceを紹介する。 CEAは、繰り返し変動の1.0パーセント以内に買収の不一致をもたらし、完全入力制御に匹敵する精度を達成する。
• 参考スコア（独自算出の注目度）: 43.59282896809185
• License:
• Abstract: Language-model agents increasingly solve complex tasks through parallel reasoning and asynchronous information gathering. Controlled replay across two model families and three benchmarks shows that delivery timing redirects search decisions made before all results arrive, despite identical initial evidence. Acquisition disagreement reaches up to 24 percentage points above same-order repeat variation. This dependence persists after all initial evidence arrives and through a second search, turning temporary differences in what agents have seen into lasting differences in what they acquire. An acquisition-regret bound with a matching construction shows that invariance at a fixed early arrival count can limit the use of evidence already received. We introduce Confluent Evidence Acquisition (CEA), which instead releases local reasoning when each subquestion's evidence is complete and allocates shared search independently of completion order. For a fixed plan and stable conditional response law, we prove joint invariance of decisions, acquisitions, and answers. With question-only plans across three benchmarks, CEA brings acquisition disagreement to within 1.0 percentage point of repeat variation and achieves accuracy comparable to complete-input controls, improving over early commitment by up to 12.6 percentage points. Replacing CEA's fixed allocation with first-ready allocation under contention adds 21.6 percentage points of acquisition disagreement, while local query-target disagreement remains near repeat variation. Timed comparisons show that CEA reaches decisions earlier and responds faster than the same program waiting for all initial evidence.
• Abstract（参考訳）: 言語モデルエージェントは、並列推論と非同期情報収集によって、複雑なタスクをますます解決します。 2つのモデルファミリと3つのベンチマークで制御されたリプレイは、配信タイミングが全ての結果が到着する前に行われた検索決定をリダイレクトすることを示している。 買収不一致は、同次反復変動よりも最大24パーセントのポイントに達する。 この依存は、最初の証拠がすべて届き、第2の検索を通じて、エージェントが見たものの一時的な違いを、彼らが取得したものの持続的な相違に変えることによって持続する。 一致する構成で拘束された取得-回帰は、固定された早期到着数における不変性が、既に受け取った証拠の使用を制限することを示している。 提案手法では,各サブクエストの証明が完了したときの局所的推論を公開し,完了順序とは独立して共有検索を割り当てる。 定型計画法と安定条件対応法では,決定・獲得・回答の連立不変性を証明している。 3つのベンチマークにわたる質問のみの計画により、CEAは取得の不一致を繰り返し変動の1.0パーセンテージ以内にし、完全インプット制御に匹敵する精度を達成し、早期のコミットメントを最大12.6パーセンテージまで改善する。 CEAの固定割当を競合下での初回割当に置き換えると、買収不一致の21.6ポイントが増加し、一方、ローカルクエリターゲット不一致は繰り返し変動に近いままである。 時間比較は、CEAが早期に決定に達し、すべての初期証拠を待っている同じプログラムよりも早く反応することを示している。

関連論文リスト

• PACE-Mem: Prefix-Aware Complementary Evidence for Multimodal Agents [22.298735041137405]
  相補的なエビデンスシーケンスを構築し,同じ選択軌道から長さを決定するPACE-Memを提案する。 構造化メモリの場合、クエリ誘導プーリングは各クリップ内のレコードを組み合わせて、関連スコアと表現を取得する。 PACE-Memは、Adaptive-kよりも平均1.6%精度が向上する。
  論文  参考訳（メタデータ） (2026-10-17T02:24:19Z)
• RAG-Stress: Probing the Limits of Evidence Reliance in Retrieval-Augmented Generation [8.913068656400208]
  RAG-Stress(英語版)は、検索強化世代における証拠依存の限界を調べるための診断プロトコルである。 本研究では,各モデルの質問に対する誤解率(MR)を,検索なしで正確に解答する。 我々は、APIモデル、オープンモデル、強化学習で訓練された検索エージェントにまたがる15のシステムを評価する。
  論文  参考訳（メタデータ） (2026-10-08T03:40:48Z)
• FunnelAudit: Responsibility Auditing in Multi-Route Recommender Systems [6.810073531792462]
  マルチルートレコメンデータシステムは、検索、アロケーション、融合、ランキングを組み合わせることで、個別のインクルージョンと除外を監査しにくくする。 本稿では,インシデントレベルの責任監査を行うためのフレームワークであるFunnelAuditを紹介する。 我々は、固定ユニオン、重み付きクォータ割り当て、重み付き相互ランク融合を用いて、2段9ルートのファネルでフレームワークをインスタンス化し、次にSASRecランキングを付ける。
  論文  参考訳（メタデータ） (2026-09-07T03:01:07Z)
• 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)
• Same Agent, Different Answers: A Repeat-Aware Audit of Corpus-Induced Answer Churn in Retrieval-Augmented QA [0.4351760066527804]
  検索強化されたQAシステムは、要求されたモデル識別子、プロンプト、検索ポリシー、エビデンス深さ、レンダリング、露出した生成制御が固定された場合でも、インデックス展開後に異なる回答を返すことができる。 我々は、隠れた現象の正確さを正解とみなし、クロスショットの相違から反則を減じて過剰な解答を推定するemphSnapshot Compatibility Auditを導入する。
  論文  参考訳（メタデータ） (2026-08-24T06:40:09Z)
• SEER: A Self-Grounded Evidence Interface for Controlled Spatial Relation Classification [71.9783246097687]
  SEERは、ペアローカライゼーション中の候補関係を隠蔽し、明示的な主観的/対象的役割を持つクエリ固有ビューを構築し、補完的な証拠として完全なイメージとスパースボックス幾何学を保持する。 正確な逆サポートを持つ関係選択プロトコルでは、オプションリファインメントがエンティティロールを交換し、正確に1つの視覚状態が対応する逆関係に従う場合にのみ前方決定を変更する。 変更されていないプロトコルは、3つのモデルにまたがる2,434個のフィルター付きEmbSpatialペア関係質問に対して +4.35 から +11.79 を得る。
  論文  参考訳（メタデータ） (2026-08-04T13:16:15Z)
• Visual Credit Audit for Multimodal Spatial Reasoning [70.16915309526443]
  Visual Credit Auditは、ベンチマーク画像がテキストのみとブランクコントロールよりもモデルの宣言された決定をもっとサポートするかどうか、モデルが関係性固有の視覚的エビデンスに反応するかどうかの2つの評価を分離する。 ラベルを適用すれば依存性認定正当性(D-CC)が得られる 4つのオープンMLLMと2つの空間ベンチマーク、12.73-26.25%の判定は正確であるが、証明されていない。
  論文  参考訳（メタデータ） (2026-07-29T15:55:31Z)
• Eigen-1: Adaptive Multi-Agent Refinement with Monitor-Based RAG for Scientific Reasoning [53.45095336430027]
  暗黙的な検索と構造化された協調を組み合わせた統合フレームワークを開発する。 Humanity's Last Exam (HLE) Bio/Chem Goldでは,48.3%の精度を実現している。 SuperGPQAとTRQAの結果はドメイン間の堅牢性を確認した。
  論文  参考訳（メタデータ） (2025-09-25T14:05:55Z)

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。