AI Flow
記事一覧へ
研究論文

「SearchOS」発表、検索エージェントの繰り返しループ問題をマルチエージェント基盤で解決

検索の進捗状態を明示的・永続的に共有することで、複数エージェントによる情報探索の非効率な繰り返しを防ぐシステム「SearchOS」が発表された。WideSearchとGISAのベンチマークで既存の単一・複数エージェント手法を上回る性能を示している。

Web検索を活用する情報探索エージェントは、対話履歴が長くなるにつれてタスクの進捗を見失いやすくなる。検索が有用な証拠を得られなかった場合、既存の単一・複数エージェントシステムは同じ検索パターンを繰り返すループに陥り、検索予算を浪費した末に最終出力の質と網羅性を損なうことがある。こうした課題を解決するため、システムレベルのマルチエージェントフレームワーク「SearchOS」が発表された。

検索状態を「明示化」する設計

SearchOSは、オープンドメインの情報探索を「根拠付きの関係スキーマ補完」問題として定式化する。エージェントはエンティティを発見し、リンクされたテーブル間の属性を埋め、各値を出典情報に紐付けていく。

この枠組みの中核となるのが「Search-Oriented Context Management(SOCM)」だ。従来は暗黙的で脆弱だった検索の進捗状態を、Frontier Task(未処理タスク)、Evidence Graph(証拠グラフ)、Coverage Map(網羅状況マップ)、Failure Memory(失敗履歴)という形で外部化・永続化・共有する。

パイプライン並列とスキル再利用による効率化

SOCMを基盤に、SearchOSはサブエージェントの実行を重ね合わせるパイプライン並列スケジューリング機構を採用し、未解決のカバレッジギャップを対象とするタスクで空いたスロットを継続的に補充することで、利用効率とスループットを向上させる。

さらに、モデルとツールのやり取りを傍受して根拠を記録し、停滞や予算枯渇に対応する「Search Tool Middleware Harness」や、戦略スキルとアクセススキルからなる再利用可能な階層的スキルシステムを導入し、実行間で失敗した検索パターンの繰り返しを避ける仕組みを備える。

WideSearchとGISAという2つのベンチマークにおいて、SearchOSは評価対象となった単一・複数エージェントのベースライン全てを上回る結果を示し、堅牢な情報探索エージェント連携への道を開くものとなっている。

#マルチエージェント #LLM #情報検索 #AIエージェント #arXiv
シェア

原文ソース

arXiv

関連記事