表示
超・人工知能研究所 Super AI Research Lab トップへ超・人工知能研究所AI Research Lab / ぱそ太郎工事中

since
平成38年9月29日

← 検索結果に戻る

深い調査の最初の検索を設計する――質問の手掛かりを分けて探すQuestion’s Gambit

Question’s Gambit

保存した記事を見るこのブラウザに保存します。無料会員で端末間の同期・フォルダ整理
原論文の図

最初の検索だけを詳しく組み立てる流れです。質問を手掛かりに分け、それぞれで検索した文書を集め直して順位付けします。チェック印は回答に必要な根拠文書を表します。

原論文の図の説明を読む

Figure 1: Overview of Question’s Gambit . The module runs once as the agent’s first retrieval move, decomposing the question into clues, retrieving and unioning per-clue results, reranking the candidate pool, and returning a curated top- k k opening context before the standard ReAct loop continues. Check marks over the document snippets denote evidence documents, those required to answer the question.

出典:Question’s Gambit / arXiv ↗

概要

  • 質問を手掛かりに分けて文書を探し、統合・再順位付けした上位5件を調査エージェントの最初の資料にする。
  • 著者らのBrowseComp-Plus評価では、GPT-5.5の正答率が同じ検索器を使うPi-Seriniの83.1%から90.5%に上がった。
  • MultiHop-RAGでの改善は81.0%から81.5%と小さく、導入時は根拠文書の閲覧率と追加費用・待ち時間を測る必要がある。
補足:編集した模式図で仕組みを確認する

VISUAL EXPLAINER

図でつかむ、Question’s Gambitの仕組み

左から右へ読む
  1. 01複合質問
  2. 02手掛かり抽出
  3. 03手掛かり別検索
  4. 04統合・再順位付け
  5. 05冒頭資料5件

原論文の説明をもとにした模式図です。処理の細部は省略しています。

研究の背景

複数の文書を調べて答える調査エージェントは、検索、閲覧、推論を繰り返す。質問に日付、場所、所属など異なる手掛かりが混ざると、最初の検索で一部だけが見つかり、残りの根拠へ進めないことがある。

この初動は後の検索方針にも影響する。関連文書が検索可能でも、エージェントが実際に読み、答えとの関係を確かめられるとは限らない。限られた操作回数を有効に使うため、最初に何を見せるかが実務上の問題になる。

手法

質問から、答えを絞る条件を「手掛かり」としてモデルが抽出する。各手掛かりでまず文書を検索し、得た文書の表現を参考に検索語を広げる。例えば質問に時期と所属があれば、それぞれを検索対象にし、元の質問も加えた検索文で候補を集める。これは別々の小問に答える工程ではなく、関連文書を拾うための工程である。

手掛かりごとの候補を重複除去して統合し、各文書が元の質問全体にどれほど関係するかを採点して並べ直す。これを再順位付けという。実験設定では各手掛かりの検索結果を最大1000件取り、上位5文書を最初の資料として渡す。その後、エージェントは通常どおり検索や閲覧を続け、残る条件を確認して回答する。

新規性

著者らの主張する前進は、調査エージェントが自分で検索を始める前に、質問内の複数の手掛かりから冒頭資料を一度だけ組み立てる点にある。

検索結果を増やすだけでなく、手掛かり別の候補を元の質問に照らして再順位付けし、最初に見せる資料を選ぶ。その後の検索・閲覧の反復や検索器は変更せず、学習し直す必要もない。

従来手法との違い

最も直接的な比較対象はPi-Seriniで、同じBM25検索器と、その後の検索・資料閲覧の流れを使う。BM25は、質問と文書に共通する語の重要度から順位を付ける検索方式である。

Question’s Gambitは、この流れに入る最初の観測だけを変える。質問全体から始める場合と異なり、手掛かりごとに集めた候補を統合して提示する。著者らは他方式の結果も掲載するが、モデルや検索手順が異なるため、効果を切り分けるにはPi-Seriniとの比較が中心になる。

実験結果

著者らはBrowseComp-Plusの830問、100,195文書で評価した。GPT-5.5と同じBM25検索器を使うPi-Seriniでは正答率83.1%、Question’s Gambitでは90.5%だった。答えを含む正解文書の検索結果内での再現率は94.4%から98.1%、実際に開く・読む・引用する段階では56.1%から75.9%に上がった。

各問の制限時間は900秒。別のMultiHop-RAGでは、4種類の問題を含む200問でGPT-5.5の正答率が81.0%から81.5%になった。著者らの計測ではBrowseComp-PlusのGPT-5.5設定で平均総ツール呼び出し回数は19.3回から22.1回、検索呼び出しは13.5回から14.5回に増えた。

応用の可能性

編集上の応用案 · 論文が実証した用途とは区別しています。

編集上の応用案:社内の過去案件を横断して、ある顧客への対応経緯を調べる。入力は「時期、製品、担当部署、発生した事象」を含む質問と、検索対象の社内文書群とする。

最初に条件を個別の手掛かりとして検索し、重複を除いた資料を質問全体との関連度で並べる。担当者または調査エージェントは冒頭資料を読み、未確認の条件だけを追加検索する。出力には結論と各条件を裏付ける文書を対応付け、判断を後から点検できる形にする。

応用先の候補からNauhに相談できます。

導入時の検証

導入時の検証案 · 対象データでの再評価が必要です。

導入時の検証案:社内文書から、複数の条件を照合しないと答えられない質問を少数選び、条件ごとの根拠文書と許容できる回答を事前に記録する。同じ検索器と回答手順を使い、通常の初回検索を基準として冒頭資料の作成だけを切り替える。

正答率に加え、必要な根拠文書が検索結果に現れた割合、実際に読まれた割合、条件ごとの裏付け漏れを確認する。1問当たりの検索・閲覧回数、待ち時間、費用も記録し、改善が冒頭処理の負担に見合うかを判断する。

限界と課題

著者らの結果では、MultiHop-RAGでの正答率の伸びはBrowseComp-Plusより小さい。また、冒頭処理には追加の時間と費用がかかり、BrowseComp-PlusのGPT-5.5設定では1問当たり平均28.5秒、概算0.05ドルと報告される。

編集上の検証課題は、社内文書でも質問から有効な手掛かりを抽出できるか、再順位付け後の上位5件が必要な根拠を含むか、追加の待ち時間と費用に見合うかである。掲載結果は指定された文書集合とモデル、時間制限での評価であり、別の文書群で同じ改善幅が得られるとは示していない。

応用先の候補
研究内容と応用案に基づく分類です。業界での導入実績を示すものではありません。

出典

元のタイトル・要旨を確認する(英語)

Question's Gambit: The First Move Matters in Agentic Deep Search

Deep research agents answer complex questions through iterative loops of searching, reading, and reasoning. Recent work on reasoning-intensive benchmarks such as BrowseComp-Plus shows that well-configured lexical retrieval can surface high-quality evidence, yet agents may still fail to connect documents carrying evidence to the gold documents. We identify a deep research agent's first retrieval move as an important design decision for this setting. We introduce Question's Gambit, a first-move retrieval module that decomposes the question into a set of clues, reformulates them into complementary searches, consolidates the retrieved results, and reranks the candidate pool before the agent begins its iterative search-and-reasoning process. This produces an opening context designed to support both clue aggregation and final-answer verification. We further evaluate on MultiHop-RAG to test whether these benefits transfer beyond BrowseComp-Plus to a more conventional multi-hop question structure. Experiments on BrowseComp-Plus show that Question's Gambit improves retrieval recall and downstream agent accuracy over strong baselines, improving answer accuracy from 83.1% to 90.5% with gpt-5.5 over Pi-Serini, the strongest reported agentic baseline. Our results confirm that effective agentic deep research depends not only on the tools available inside the loop, but also on the quality of the first move. We published our implementation publicly at https://github.com/radinhamidi/Question-s-Gambit.

論文本体の取得範囲に基づく解説。AIが作成した未校閲の記事です。性能の数値は著者の評価条件に依存します。応用例と検証計画は編集上の提案です。解説更新:2026-09-29