論文の概要: Let Agents Design How They Search: Automatic Interface Optimization for Agentic Search
- arxiv url: http://arxiv.org/abs/2610.29250v1
- Date: Wed, 21 Oct 2026 05:56:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-23 00:40:06.254236
- Title: Let Agents Design How They Search: Automatic Interface Optimization for Agentic Search
- Title（参考訳）: エージェントが検索方法を設計する:エージェント検索のための自動インタフェース最適化
- Abstract要約: 本稿では,下流の検索性能によって誘導される自動検索インタフェース最適化のためのフレームワークであるSearchWeaverを紹介する。
提案者は、実行軌跡とタスク報酬を使用して、コーパスアーティファクト、実行可能なツール、使用指示を共同で修正する。
GPT-5.4-nanoでは、最適化されたインタフェースはBrowseComp-Plusで71.6%から78.4%に、NDCG@10で45.7から55.0に改善された。
- 参考スコア（独自算出の注目度）: 55.952459955360354
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Agentic search depends on the interface through which a language-model agent accesses and explores a corpus. Existing interface designs are fixed by hand and applied unchanged to every corpus, although effective designs may depend on the corpus. We introduce SearchWeaver, a framework for automatic search interface optimization guided by downstream search performance. A proposer uses execution trajectories and task rewards to jointly revise corpus artifacts, executable tools, and usage instructions. This pro cess optimizes what information is prepared in advance, which operations tools perform, and which decisions remain with the search agent. With GPT-5.4-nano, the optimized interfaces improve answer accuracy from 71.6% to 78.4% on BrowseComp-Plus and average nDCG@10 from 45.7 to 55.0 across four BRIGHT subsets over Direct Corpus Interaction. These findings highlight the value of jointly optimizing corpus artifacts, executable tools, and usage instructions to develop effective search interfaces.
- Abstract（参考訳）: エージェント検索は、言語モデルエージェントがコーパスにアクセスして探索するインターフェースに依存する。
既存のインターフェース設計は手動で固定され、すべてのコーパスに変更されないが、効果的な設計はコーパスに依存する可能性がある。
本稿では,下流の検索性能によって誘導される自動検索インタフェース最適化のためのフレームワークであるSearchWeaverを紹介する。
提案者は、実行軌跡とタスク報酬を使用して、コーパスアーティファクト、実行可能なツール、使用指示を共同で修正する。
このプロセッサは、事前に準備されている情報、どの操作ツールが実行され、どの決定がサーチエージェントに残されているか、を最適化する。
GPT-5.4-nanoでは、最適化されたインタフェースはBrowseComp-Plusで71.6%から78.4%に、NDCG@10で45.7から55.0に改善された。
これらの知見は,効率的な検索インタフェースを開発するために,コーパスアーティファクト,実行可能なツール,利用指示を共同で最適化することの価値を強調した。
関連論文リスト
- RLMOpt: Adaptive Prompt Optimization via Recursive Language Models [0.023287537590495223]
我々は、検索ポリシー自体を言語モデル駆動にするプロンプトであるRLMOptを紹介する。
構造化された臨床情報抽出(Chia)、マルチホップ質問応答(HotpotQA)、命令追従(IFBench-2025)、マルチターンツール呼び出しエージェント(BFCL)の4つのベンチマークでRLMOptを評価した。
論文 参考訳（メタデータ） (2026-08-11T04:35:05Z) - Towards Retrieving Interaction Spaces for Agentic Search [62.666902610940525]
最近の直接コーパス(DCI)の研究は、エージェントが5.4のインタラクションやファイル読み取りといったシェルツールを通じて生コーパスと対話できることを示している。
エージェント検索における検索の役割は, LLMコンテキストウィンドウに適合する文書を選択することだけではなく, インタラクション空間を構築することにある。
論文 参考訳（メタデータ） (2026-06-05T03:47:40Z) - 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) - optimize_anything: A Universal API for Optimizing any Text Parameter [98.42497715725356]
単一タスク検索をサポートする1つのAIベースの最適化システム、クロスプロブレム転送によるマルチタスク検索、および目に見えない入力への一般化を示す。
LLMに基づく検索によるテキストの最適化は汎用的な問題解決パラダイムであることを示す。
論文 参考訳（メタデータ） (2026-05-19T10:18:12Z) - 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) - Planning Agents on an Ego-Trip: Leveraging Hybrid Ego-Graph Ensembles for Improved Tool Retrieval in Enterprise Task Planning [0.0]
本稿では,ツール間のセマンティックな関係と機能的依存関係をキャプチャする,知識グラフに基づくツール検索フレームワークを提案する。
検索アルゴリズムは1-hop egoツールグラフのアンサンブルを利用して,ツール間の直接的および間接的な接続をモデル化する。
その結果,ツールグラフに基づく手法は,マイクロアベレージ・コンプリート・リコール・メトリックにおいて91.85%のツールカバレッジを実現していることがわかった。
論文 参考訳（メタデータ） (2025-08-07T22:41:12Z) - Efficient Non-Parametric Optimizer Search for Diverse Tasks [93.64739408827604]
興味のあるタスクを直接検索できる,スケーラブルで汎用的なフレームワークを初めて提示する。
基礎となる数学表現の自然木構造に着想を得て、空間を超木に再配置する。
我々は,モンテカルロ法を木探索に適用し,レジェクションサンプリングと等価形状検出を備える。
論文 参考訳（メタデータ） (2022-09-27T17:51:31Z)
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。