arXivは7月16日(現地時間)、コンピュータサイエンスカテゴリで、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 (サーチオーエス)」を発表しました。このフレームワークは、ツール統合型大規模言語モデル (LLM) における情報探索エージェントが直面する、タスク進捗の追跡困難や繰り返しの探索ループといった課題解決を目指しています。SearchOSは、不安定な探索進捗を明示的で永続的な共有状態へと変換し、検索予算の無駄や最終出力の品質低下を防ぐことを目標としています。
SearchOSは、オープン領域における情報探索を、根拠となる引用を伴う関係スキーマ補完として定式化します。これにより、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で属性を埋め込み、各値をソースの証拠に固定することが可能になります。
さらに、SearchOSは探索指向コンテキスト管理 (SOCM) を導入しています。これにより、進化する状態がFrontier Task (フロンティア・タスク)、Evidence Graph (エビデンス・グラフ)、Coverage Map (カバレッジ・マップ)、Failure Memory (フェイル・メモリ) として外部化されます。SOCMを基盤として、SearchOSはパイプライン並列スケジューリング機構を適用し、サブエージェントの実行を重複させることで、利用率とスループットの向上を図ります。
探索エージェントのスケジューリングと実行制御のため、SearchOSはSearch Tool Middleware Harness (サーチ・ツール・ミドルウェア・ハーネス) を導入し、モデルとツールのインタラクションを傍受して根拠となる証拠を記録します。また、停止や予算の枯渇に反応し、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提供することで、エージェントの探索プロセスを強化し、繰り返し失敗する探索パターンを回避します。
WideSearch (ワイドサーチ) とGISA (ジーアイエスエー) での評価では、SearchOSは評価対象のシングルエージェントおよびマルチエージェントの全てのベースラインにおいて、各指標で上位の性能を示したと発表されています。この研究は、頑健な情報探索協調に向けた道筋を示すものと見られます。
参考: arXiv cs.AI — 2026年7月17日 02:51 (JST)