研究者らは、外部コーパスと対話する大規模言語モデルエージェントにおける「証拠の盲点」に対処するために設計された永続的なマルチビュー・コーパスナビゲーションフレームワークであるAtlasNavを導入した。この状態は、必要な証拠が表面化しない、あるいは有限の対話予算内で利用可能でなくなる場合に発生する。

  • AtlasNavは、一度コーパスをコーパスアトラスに整理し、各クエリごとに共有構造を再構築するのではなく、クエリが適応的にナビゲートできるようにする。
  • BrowseComp-Plusにおいて、92.05%の厳密な精度を達成しつつ、従来の動的ワークスペース手法と比較して記録されたオンライン推論コストを30.21%削減した。
  • 一致した予算の下で、このフレームワークは必要な証拠をより早期に実現し、モデルが提供する証拠の経験的参照により急速に近づく。
  • このアプローチは、10Kから1MのスケーリングにおけるPhantomWikiのコーパス編成下でも効果的であり、異種エンタープライズ知識へも競合的に移行可能である。

これらの結果は、エージェント型検索の有効性がアクセス可能な証拠だけでなく、限られた対話が効果的なナビゲーションとなるようにコーパスがどのように表現されるかにも依存することを示している。