論文の概要: Deep Search in Real-World Web Environments

• arxiv url: http://arxiv.org/abs/2610.30181v1
• Date: Mon, 19 Oct 2026 18:59:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:08:44.0779
• Title: Deep Search in Real-World Web Environments
• Title（参考訳）: 現実世界のWeb環境におけるディープサーチ
• Abstract要約: 現実世界のオープンなWeb環境において、Deep Searchエージェントがエンドツーエンドの研究を行う能力は、まだ十分に評価されていない。 我々は,オープンなWebで複数ステップの深層検索を行うエージェントの能力を評価するために,OpenDSタスクを導入した。 多様な情報モダリティにまたがる200の課題からなるベンチマークであるOpenDS-Worldを構築した。 最高の性能モデルは39.0%の精度を達成し、1,000の独立した試みに対する人間の評価は21.1%の精度を得る。
• 参考スコア（独自算出の注目度）: 45.87404510325016
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Despite substantial progress in Deep Search agents, their ability to conduct end-to-end research in real-world open Web environments remains insufficiently evaluated. Unlike static retrieval settings, information on the real-world Web is distributed across diverse sources, modalities, and heterogeneous formats, often involving complex interaction mechanisms that require agents to autonomously search for, access, and integrate relevant evidence during execution. To address this gap, we introduce the OpenDS task, designed to evaluate agents' ability to perform multi-step deep search in the live, open Web. This task requires agents to autonomously explore the real Web, discover and connect relevant evidence from multiple independent sources through Web search, browser interaction, and evidence processing, and ultimately determine a unique factual answer. Building on this task formulation, we construct OpenDS-World, a benchmark comprising 200 challenging tasks spanning diverse information modalities, heterogeneous file formats, and interactive access requirements, with independent human verification to ensure evidence validity and answer uniqueness. We evaluate 12 frontier models under a unified tool environment and execution protocol. The best-performing model achieves 39.0% accuracy, while human evaluation across 1,000 independent attempts yields 21.1% accuracy. Further analyses of tool usage, search cost, termination behavior, and failure recovery reveal substantial differences in research strategies across models, as well as persistent challenges in tool coordination and long-horizon search management. OpenDS-World provides a unified evaluation platform for systematically assessing and advancing agents' autonomous deep search capabilities in real-world open Web environments.
• Abstract（参考訳）: ディープサーチエージェントの大幅な進歩にもかかわらず、現実世界のオープンなWeb環境でエンド・ツー・エンドの研究を行う能力は依然として不十分である。 静的な検索設定とは異なり、現実世界のWeb上の情報は様々なソース、モダリティ、異質なフォーマットに分散しており、多くの場合、エージェントが実行中に関連する証拠を自律的に検索、アクセス、統合することを要求する複雑な相互作用機構を含んでいる。 このギャップに対処するため,オープンウェブにおけるエージェントの多段階深層検索能力を評価するために設計されたOpenDSタスクを導入した。 このタスクでは、エージェントが実際のWebを自律的に探索し、Web検索、ブラウザのインタラクション、エビデンス処理を通じて複数の独立したソースから関連するエビデンスを発見し、接続し、最終的にユニークな事実の答えを決定する必要がある。 このタスクの定式化に基づいて,多種多様な情報モダリティ,異種ファイルフォーマット,対話的アクセス要件にまたがる200の課題からなるベンチマークOpenDS-Worldを構築する。 統合されたツール環境と実行プロトコルの下で,12のフロンティアモデルを評価する。 最高の性能モデルは39.0%の精度を達成し、1,000の独立した試みに対する人間の評価は21.1%の精度を得る。 ツールの利用状況,検索コスト,終了動作,障害回復のさらなる分析は,ツールコーディネートや長期検索管理における永続的な課題だけでなく,モデル間の研究戦略の大幅な差異を明らかにしている。 OpenDS-Worldは、現実世界のオープンなWeb環境でエージェントの自律的な深層検索機能を体系的に評価し、推進するための統一的な評価プラットフォームを提供する。

関連論文リスト

• SearchOS-V1: Towards Robust Open-Domain Information-Seeking Agent Collaboration [77.28003194268977]
  SearchOSは、脆弱で暗黙的な検索進捗を明示的で永続的で共有状態に変換するシステムレベルのマルチエージェントフレームワークである。 SOCM上に構築されたSearchOSは、サブエージェントの実行を重複させるパイプライン並列スケジューリングメカニズムを適用している。 SearchOSは評価されたシングルエージェントとマルチエージェントのベースラインの中で、すべてのメトリクスをリードする。
  論文  参考訳（メタデータ） (2026-07-16T17:51:23Z)
• Benchmarking Deep Search over Heterogeneous Enterprise Data [73.55304268238474]
  検索強化生成(RAG)の形式を評価するための新しいベンチマークを提案する。 RAGは、多種多様な、しかし関連するソースに対して、ソースを意識したマルチホップ推論を必要とする。 製品計画、開発、サポートステージをまたいだビジネスをシミュレートする合成データパイプラインを使用して構築します。
  論文  参考訳（メタデータ） (2025-06-29T08:34:59Z)
• From Web Search towards Agentic Deep Research: Incentivizing Search with Reasoning Agents [96.65646344634524]
  推論とエージェント能力を備えた大規模言語モデル(LLM)は、エージェントディープリサーチ(Agenic Deep Research)と呼ばれる新しいパラダイムを取り入れている。 静的なWeb検索から,計画,探索,学習を行う対話型エージェントベースのシステムへの進化を辿ります。 我々はエージェントディープリサーチが既存のアプローチを著しく上回るだけでなく、将来の情報探索において支配的なパラダイムになることを実証する。
  論文  参考訳（メタデータ） (2025-06-23T17:27:19Z)
• REAL: Benchmarking Autonomous Agents on Deterministic Simulations of Real Websites [9.58858258192147]
  実世界のWebサイトの決定論的シミュレーションにおけるマルチターンエージェント評価のためのベンチマークおよびフレームワークであるREALを紹介する。 また、日々の複雑なユーザインタラクションを反映した112の実践的なタスクからなるベンチマークもリリースしています。 我々のフレームワークは、新しいタスクの容易な統合、再現可能な評価、スケーラブルな後学習データ生成をサポートします。
  論文  参考訳（メタデータ） (2025-04-15T18:22:55Z)
• DeepResearcher: Scaling Deep Research via Reinforcement Learning in Real-world Environments [20.498100965239818]
  我々は、LLMベースのディープリサーチエージェントのエンドツーエンドトレーニングのための、初の総合的なフレームワークであるDeepResearcherを紹介する。 固定コーパス内にすべての必要な情報が存在すると仮定するRAGベースのアプローチとは異なり、我々の手法はオープンウェブのノイズ、非構造化、動的性質をナビゲートするエージェントを訓練する。 オープンドメインの研究タスクに関する大規模な実験は、DeepResearcherがエンジニアリングベースの素早いベースラインよりも最大28.9ポイントの大幅な改善を達成していることを示している。
  論文  参考訳（メタデータ） (2025-04-04T04:41:28Z)

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。