Ziyuan Liu氏らの研究チームは9月3日(現地時間)、機械学習分野の論文公開サイトarXiv cs.AIにて、新しいウェブ検索エージェント「Iris-mini」と「Iris-pro」に関する研究論文を発表した。これらのエージェントは、それぞれ35B-A3Bおよび397B-A17Bの規模で訓練されており、オープンソースの検索エージェントとして、各パラメーター範囲で最も強力な総合的な検索性能を達成している。
発表された論文では、2つの検索エージェント「Iris-mini」と「Iris-pro」、およびそれらを支えるデータパイプラインとトレーニングレシピが詳細に説明されている。研究チームは、ウェブコーパスのハイパーリンク構造からタスクを逆構築する手法を採用した。具体的には、シードページとそのアウトリンクから抽出されたエンティティグラフ上でマルチホップチェーンを作成する。さらに、文字列マッチングでは解決できないよう、非回答エンティティを記述的な参照に書き換える工夫が施されている。採用される質問は、参照モデルが閉鎖的な設定では解決できないものの、補足情報が提供されれば解決できるものに限定されている。
これらの質問は軌跡（trajectories）に変換され、教師ありファインチューニング（SFT）の前に軌跡レベルおよびターンレベルで厳密にフィルタリングされる。その後、ポリシーはライブ検索に対して強化学習（RL）を用いて最適化される。このプロセスでは、報酬ジャッジと観測サマライザーがトレーニングクラスター内で提供され、長時間にわたるロールアウトはリクエストレベルで中断され、コミットされたプレフィックスから次のステップで再開されるよう設計されている。
SFTとRLの2つのステージは「SFT-RL climbing」と称される手順で交互に実施される。これにより、各RLラウンドで最も困難な解決済みかつ最も効率的なロールアウトが次の教師ありパスにフィードバックされ、モデルの性能向上に寄与する。推論時のコンテキスト管理は、ベンチマークにおけるシステム間の差以上に重要であるとされ、ツールセット、コンテキスト制限、およびジャッジを固定した上で、すべてのベンチマークでコンテキスト管理の有無が評価された。
すべての結果は単一のReActエージェントによるものであり、サブエージェントやテスト時検証は行われていない。コンテキスト管理を有効にした場合、Iris-miniはBrowseComp、BrowseComp-ZH、DeepSearchQA、およびHLEのベンチマークにおいてそれぞれ82.2、84.8、86.9、52.3のスコアを達成した。一方、Iris-proはこれらのベンチマークで88.6、85.1、92.9、56.4という結果を示している。これらは、対応するパラメータ範囲のオープンソース検索エージェントの中で最も強力な総合結果であると研究チームは主張している。研究チームは、モデルのウェイトとデータ構築、トレーニング、評価に関する完全なレシピを公開する計画である。
参考: arXiv cs.AI (アーカイブ) — 2026年9月7日 13:00 (JST)
原文ハイライト"Iris: Climbing to the Search Frontier"