論文の概要: PatchScout: Thematic Web Data Collection via Information Foraging
- arxiv url: http://arxiv.org/abs/2611.00169v1
- Date: Fri, 30 Oct 2026 12:50:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 02:57:15.128241
- Title: PatchScout: Thematic Web Data Collection via Information Foraging
- Title（参考訳）: PatchScout:情報転送によるテーマWebデータ収集
- Abstract要約: 研究者は、単一のクエリに対する回答ではなく、多くの分散ソースにまたがる再利用可能なドキュメントのコレクションであるWebコーパスを必要とすることが多い。
共通テーマを共有するが、ウェブの異質で構造的に不連結な領域に分散している意味的関連ドキュメントを組み立てる。
そこで我々はPatchScoutを提案する。PatchScoutは、パッチ変更ポリシーのクラスをインスタンス化し、固定予算の下で局所的な利用と適応的なパッチスイッチングのバランスをとる。
- 参考スコア（独自算出の注目度）: 0.2373619665251551
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Researchers often need web corpora that are not answers to a single query, but reusable collections of documents spanning many decentralized sources. We refer to this problem as thematic web data collection: assembling semantically relevant documents that share a common theme but are scattered across heterogeneous and structurally disconnected regions of the web. Existing approaches, including traversal-based methods and LLM-driven web agents, are limited by local exploration or short-horizon stopping, preventing comprehensive collection. We formulate this task as a long-horizon information foraging problem over query-induced semantic patches, where the central challenge is deciding when to continue local exploitation and when to switch to new regions. We propose PatchScout, a multi-agent framework that instantiates a class of patch-switching policies to balance local exploitation and adaptive patch switching under a fixed budget. Experiments on four live-web topics show that PatchScout substantially improves yield and domain coverage over traversal-based and search-augmented reasoning agent baselines. In an applied social science setting with an incomplete prior collection, PatchScout discovers 102 previously unidentified entities, illustrating its ability to expand existing thematic datasets.
- Abstract（参考訳）: 研究者は、単一のクエリに対する回答ではなく、多くの分散ソースにまたがる再利用可能なドキュメントのコレクションであるWebコーパスを必要とすることが多い。
共通テーマを共有するが、ウェブの異質で構造的に不連結な領域に分散している意味的関連ドキュメントを組み立てる。
トラバース方式やLLM方式のWebエージェントを含む既存のアプローチは、局所的な探索や短地停止によって制限されており、包括的な収集を妨げている。
我々は、このタスクを、問い合わせによって引き起こされるセマンティックパッチに対する長期情報収集問題として定式化し、そこでは、いつローカルなエクスプロイトを継続するか、いつ新しいリージョンに切り替えるかを決める。
そこで我々はPatchScoutを提案する。PatchScoutは、パッチ変更ポリシーのクラスをインスタンス化し、固定予算の下で局所的な利用と適応的なパッチスイッチングのバランスをとる。
4つのライブWebトピックの実験により、PatchScoutは、トラバーサルベースおよび検索強化推論エージェントベースラインよりも、収量とドメインカバレッジを大幅に改善することが示された。
不完全な事前コレクションを備えた応用社会科学設定では、PatchScoutは、すでに特定されていない102のエンティティを発見し、既存のテーマデータセットを拡張する能力を示している。
関連論文リスト
- Semantics Delivery Network: Rethinking Web Retrieval Infrastructure for LLM Agents [0.4859781642217615]
セマンティックチャンク検索はネットワーク配信の第一級の抽象化となるべきだと我々は主張する。
SemDNは、Webコンテンツを大まかな粒度でインデックスし、検索し、スマートキャッシュする、原産地認可の階層的なエッジ基板である。
共有可能な検索状態、階層的なキャッシュ、カバレッジリスク、デプロイメントに関するオープンな疑問が提起される。
論文 参考訳（メタデータ） (2026-09-18T18:49:38Z) - 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) - WebSwarm: Recursive Multi-Agent Orchestration for Deep-and-Wide Web Search [104.75798763084424]
大規模言語モデル(LLM)ベースのWeb検索エージェントは、情報検索を複雑で広範囲な検索と研究指向のタスクに変換する。
本稿では,タスクの分解と拡張を共同で構築するプログレッシブ・プログレッシブ・プログレッシブ・デリゲート・フレームワークであるWebSwarmを提案する。
WebSwarmは、ディープ・ワイド・インターリーブされたディープ・アンド・ワイド・タスクにおいて、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を一貫して上回ります。
論文 参考訳（メタデータ） (2026-07-09T16:28:49Z) - SWE-Explore: Benchmarking How Coding Agents Explore Repositories [20.73123882302075]
SWE-benchのようなリポジトリレベルのコーディングベンチマークは、コーディングエージェントの能力の急激な急上昇を引き起こしている。
本稿では,リポジトリ探索の評価を分離するベンチマークであるSWE-Exploreを紹介する。
論文 参考訳（メタデータ） (2026-06-05T14:08:27Z) - TIDE: Proactive Multi-Problem Discovery via Template-Guided Iteration [74.97459526627395]
2つの補完機構を備えたテンプレート誘導反復フレームワークであるTIDEを紹介する。
我々は,すでに発見されているものを条件付けながら,ラウンド毎に少数の候補を探索する反復探索を提案する。
単一ショットと並列マルチエージェントのベースラインをタスクカバレッジ,識別,解像度で比較すると,大幅に向上した。
論文 参考訳（メタデータ） (2026-06-03T11:23:08Z) - Generalization Under Scrutiny: Cross-Domain Detection Progresses, Pitfalls, and Persistent Challenges [3.5942496616930435]
クロスドメインオブジェクト検出(CDOD)は依然として重要な研究領域である。
既存の文献は断片化され続けており、ドメインシフトの根底にある構造的課題について統一的な視点が欠如している。
本調査はCDODを理解するための統一的なフレームワークの提供と,より堅牢な検出システムの開発を導くことを目的としている。
論文 参考訳（メタデータ） (2026-04-09T13:21:25Z) - Rethinking Deep Research from the Perspective of Web Content Distribution Matching [86.90255285277256]
WeDasは,検索空間の構造的特徴をエージェントの観察空間に組み込んだWebコンテンツ配信アウェアフレームワークである。
本稿では,Query-Result Alignment Scoreを反復的に推定する数ショットの探索機構を提案する。
プラグイン・アンド・プレイモジュールとして、WeDasは4つのベンチマークのサブゴール補完と精度を一貫して改善している。
論文 参考訳（メタデータ） (2026-03-07T14:51:17Z) - ReposVul: A Repository-Level High-Quality Vulnerability Dataset [13.90550557801464]
自動データ収集フレームワークを提案し,ReposVulと呼ばれる最初のリポジトリレベルの高品質な脆弱性データセットを構築した。
提案するフレームワークは,主に3つのモジュールから構成されている。(1)脆弱性解消モジュールは,脆弱性修正に関連するコード変更を,大規模言語モデル (LLM) と静的解析ツールを併用した,絡み合ったパッチから識別することを目的としたもので,(2)脆弱性の相互呼び出し関係の把握を目的とした多言語依存性抽出モジュールで,リポジトリレベル,ファイルレベル,関数レベルを含む各脆弱性パッチに対して,複数の粒度情報を構築する。
論文 参考訳（メタデータ） (2024-01-24T01:27:48Z) - DIVKNOWQA: Assessing the Reasoning Ability of LLMs via Open-Domain
Question Answering over Knowledge Base and Text [73.68051228972024]
大きな言語モデル(LLM)は印象的な生成能力を示すが、内部知識に依存すると幻覚に悩まされる。
検索拡張LDMは、外部知識においてLLMを基盤とする潜在的な解決策として出現している。
論文 参考訳（メタデータ） (2023-10-31T04:37:57Z) - Spatial Attention Pyramid Network for Unsupervised Domain Adaptation [66.75008386980869]
教師なし領域適応は様々なコンピュータビジョンタスクにおいて重要である。
教師なし領域適応のための新しい空間注意ピラミッドネットワークを設計する。
我々の手法は最先端の手法に対して大きなマージンで好適に機能する。
論文 参考訳（メタデータ） (2020-03-29T09:03:23Z)
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。