論文の概要: RouteDRAG: Learning to Route and Control Agentic Execution for Multimodal Document RAG

• arxiv url: http://arxiv.org/abs/2610.36444v1
• Date: Tue, 27 Oct 2026 00:45:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-28 21:04:31.45455
• Title: RouteDRAG: Learning to Route and Control Agentic Execution for Multimodal Document RAG
• Title（参考訳）: RouteDRAG:マルチモーダル文書RAGのための経路学習とエージェント実行制御
• Abstract要約: エージェント実行はクエリ依存の利点を提供するが、追加の操作は回答の正確性を改善し、保存し、劣化させる可能性がある。 我々は4つのコンポーネントからなる学習ベースのフレームワークであるRouteDRAGを提案する。 RouteDRAGは、パスのみの実行よりも平均3.47ポイントの精度向上を実現している。
• 参考スコア（独自算出の注目度）: 25.447710228677405
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Web-based applications increasingly rely on understanding long multimodal documents, where answering questions often requires combining information across pages, tables, and figures. Agentic retrieval-augmented generation addresses these tasks through iterative retrieval and reasoning. However, Agentic execution is not always necessary, introducing additional computation and potentially incorrect answers. Our empirical analysis reveals that Agentic execution provides query-dependent benefits, while additional operations may improve, preserve, or degrade answer accuracy. These findings motivate controlling both Agent invocation and subsequent execution. To address these challenges, we propose RouteDRAG, a learning-based framework comprising four components. Unified Document Index organizes multimodal content into a graph-backed index and derives query representations from initial retrieval. Adaptive Path Routing preserves exact answering and predicts the relative benefit of Agent over shorter execution paths. Dynamic Agent Execution maintains an evolving workspace and refines Planner proposals to control tool use and termination. Sequential Policy Learning first trains operation control from observed outcomes and then trains path routing using the resulting Agent's performance. Across two benchmarks, RouteDRAG achieves an average accuracy improvement of 3.47 percentage points over shorter-path-only execution while assigning only 79.3% of queries to Agent. Notably, it also surpasses uniform Agent execution on both benchmarks while requiring fewer answering calls. Our code is now available at https://github.com/Ereshkigal1/RouteDRAG.
• Abstract（参考訳）: Webベースのアプリケーションは、長いマルチモーダル文書の理解にますます依存している。 エージェント検索拡張生成は、反復的な検索と推論を通じてこれらのタスクに対処する。 しかし、エージェントの実行は必ずしも必要ではなく、追加の計算と潜在的に誤った答えを導入する。 私たちの経験的分析によると、Agenticの実行はクエリ依存の利点を提供するが、追加の操作は回答の正確性を改善し、保存し、劣化させる可能性がある。 これらの知見は、エージェントの呼び出しとその後の実行の両方を制御する動機となっている。 これらの課題に対処するために,4つのコンポーネントからなる学習ベースのフレームワークであるRouteDRAGを提案する。 Unified Document Indexは、マルチモーダルコンテンツをグラフ支援インデックスに整理し、初期検索からクエリ表現を導出する。 Adaptive Path Routingは正確な回答を保持し、短い実行パスよりもAgentの相対的な利益を予測する。 Dynamic Agent Executionは進化するワークスペースを維持し、ツールの使用と終了を制御するためのPlanner提案を洗練する。 シークエンシャルポリシー学習 まず観察結果から操作制御を行い、次にエージェントのパフォーマンスを用いて経路ルーティングを訓練する。 RouteDRAGは2つのベンチマークで、短いパスのみの実行よりも平均3.47ポイントの精度向上を実現し、Agentにクエリの79.3%しか割り当てていない。 特に、両方のベンチマークでAgensの実行を均一に上回り、応答呼び出しを少なくする。 私たちのコードはhttps://github.com/Ereshkigal1/RouteDRAGで公開されています。

関連論文リスト

• NavHarness: Adaptive Goals for Agentic Vision-Language Navigation [74.28348892951908]
  Vision-Language Navigation (VLN) は、インボディードエージェントが指示や観察に基づいてアクションを生成する必要がある。 MethodはAgentic VLNフレームワークで、ローカルアクションの適応的な目標を設定するGoal Agentを含んでいる。 実世界の評価では、83.3%の成功と1.51,mの航法誤差が8つの挑戦ルートで3回評価されている。
  論文  参考訳（メタデータ） (2026-09-30T15:06:45Z)
• D2-ScaleAgent: Dual-Dimensional Scaling for Long Document Understanding [28.415704604103112]
  D2-ScaleAgentは、検索と推論のための2次元スケーリングパラダイムを導入するエージェントフレームワークである。 D2-ScaleAgentは、MMLongBench-Doc、LongDocURLなど、長く視覚的にリッチなドキュメントベンチマークに有効です。
  論文  参考訳（メタデータ） (2026-08-17T11:15:27Z)
• The Optimizer Is the Agent: Reasoning-Driven Search across Prompts, Programs, and ML Workflows [72.9051182568928]
  推論駆動最適化のための統合フレームワークであるReASearchを提案する。 共有エージェントループとドメイン固有のツールにより、ReASearchは、プロンプト、プログラム、MLを最適化するために、まったく同じスキャフォールドをインスタンス化する。 我々は,複雑な探索行動がエージェントの推論プロセスから自然に現れることを観察する。
  論文  参考訳（メタデータ） (2026-08-07T02:15:39Z)
• Multi-Agent Computer Use [72.79887808312706]
  我々はマルチエージェント・コンピュータ・ユース(MACU)システムの評価・構築に向けて進むべきであると論じる。 本稿では、マネージャモデルがコンピュータ使用タスクを有向非巡回グラフ(DAG)として分解する汎用マルチエージェント構成を提案する。 各イテレーションで、マネージャは並列CUAサブエージェントをディスパッチし、DAGの準備ができているフロンティアでノードを実行する。
  論文  参考訳（メタデータ） (2026-06-01T01:29:36Z)
• AgentSearchBench: A Benchmark for AI Agent Search in the Wild [21.739444037726418]
  本稿では,エージェント検索のための大規模ベンチマークであるAgentSearchBenchを紹介する。 このベンチマークは、エージェント検索を検索として形式化し、実行可能タスククエリと高レベルタスク記述の両方で問題を再分類する。 実行認識型探索を含む軽量な行動信号は、ランキング品質を大幅に向上させることができることを示す。
  論文  参考訳（メタデータ） (2026-04-24T10:53:54Z)
• TCAndon-Router: Adaptive Reasoning Router for Multi-Agent Collaboration [0.9564467981235256]
  マルチエージェントシステム(MAS)は、高性能なインテリジェントアプリケーションを構築するための強力なパラダイムとなっている。 これらのシステム内では、特定のクエリを処理する専門家エージェントを決定するルータが、全体的なパフォーマンスにおいて重要な役割を果たす。 これらの課題に対処するため,マルチエージェント協調のための適応推論ルータTCAndon-TCARを提案する。 公開データセットと実際のエンタープライズデータの実験は、TARがルーティングの正確性を大幅に改善し、ルーティングの競合を低減し、あいまいなシナリオで堅牢であることを示している。
  論文  参考訳（メタデータ） (2026-01-08T03:17:33Z)
• MoRAgent: Parameter Efficient Agent Tuning with Mixture-of-Roles [25.198556596878362]
  本稿では,エージェントタスクにおけるパラメータ効率細調整(PEFT)の3つの重要な戦略を紹介する。 より支配的なReason+Actionパラダイムに着想を得て、エージェントタスクに必要な機能を3つの異なる役割に分解する。 そこで我々は3つのLoRAグループからなるMixture-of-Roles(Mixture-of-Roles)フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-25T15:02:07Z)
• TeaRAG: A Token-Efficient Agentic Retrieval-Augmented Generation Framework [62.66056331998838]
  TeaRAGは、検索内容と推論ステップの両方を圧縮できるトークン効率のエージェントRAGフレームワークである。 報奨関数は,過剰な推論ステップをペナルティ化しながら,知識マッチング機構によって知識満足度を評価する。
  論文  参考訳（メタデータ） (2025-11-07T16:08:34Z)
• AgentRouter: A Knowledge-Graph-Guided LLM Router for Collaborative Multi-Agent Question Answering [51.07491603393163]
  tAgentは知識グラフ誘導ルーティング問題としてマルチエージェントQAを定式化するフレームワークである。 エージェントアウトプットのソフトな監督と重み付けされた集約を活用することで、エージェントは多様なエージェントの相補的な強みを捉える、原則化された協調スキームを学ぶ。
  論文  参考訳（メタデータ） (2025-10-06T23:20:49Z)
• AgentSwift: Efficient LLM Agent Design via Value-guided Hierarchical Search [58.98450205734779]
  大規模言語モデル(LLM)エージェントは、多様なドメインにまたがる強力な機能を示している。 既存のエージェントサーチ手法には3つの大きな制限がある。 これらの課題に対処するための包括的なフレームワークを導入します。
  論文  参考訳（メタデータ） (2025-06-06T12:07:23Z)

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。