에이전트 검색 및 검색(Agentic Search and Retrieval) 분야는 전통적인 키워드 기반 검색을 넘어 자율 AI 에이전트로 구동되는 지능형 시스템으로 이동하는 혁신적인 패러다임으로 부상했습니다.
주요 연구 분야는 다음과 같습니다.
이 표는 계속해서 정기적으로 업데이트될 예정이므로 계속해서 업데이트를 기다려 주세요!
| 설명 | 태그 | 월 | |
|---|---|---|---|
| WideSeek-R1: 육군 소수 축 회전을 위한 광범위한 정보 탐색을 축소 규모 링 탐색 | 이 논문에서는 광범위한 정보 검색 작업을 위한 깊이 스케일링의 보완 차원으로 "폭 스케일링"을 도입하는 강화 학습을 통해 훈련된 다중 에이전트 시스템인 WideSeek-R1을 제안합니다. | 다중 에이전트 시스템 | 2026년 2월 |
| A-RAG: 스테이션적 서비스를 베어링 에이전트 생성 확장 | 이 문서에서는 계층적 검색 인터페이스(키워드 검색, 의미 체계 검색 및 청크 읽기)를 모델에 직접 노출하여 여러 세분화에 걸쳐 검색 결정을 동적으로 조정할 수 있는 에이전트 RAG 프레임워크를 소개합니다. | 심층 연구 요원 | 2026년 2월 |
| MARS: 자동화된 AI 연구를 위해 반사 검색 기능을 제공하는 모듈형 에이전트 | 이 문서에서는 비용이 제한된 몬테카를로 트리 검색을 통한 예산 인식 계획, 설계-분해-구현 파이프라인을 통한 모듈식 구성 및 크레딧 할당을 해결하기 위한 비교 반사 메모리를 사용하는 AI 연구 자동화를 위한 모듈식 프레임워크인 MARS를 제시합니다. | 심층 연구 요원 | 2026년 2월 |
| SAGE: 기지국 연구 에이전트를 벤치마킹 및 검색 개선 | 이 문서에서는 4개 도메인에 걸쳐 1,200개의 쿼리와 200,000개의 종이 자료를 사용하여 과학 문헌 검색을 위한 벤치마크를 소개하며, 기존 에이전트가 키워드 중심 하위 쿼리를 생성하기 때문에 기존 BM25가 LLM 기반 검색기보다 약 30% 정도 성능이 크게 향상되었음을 보여줍니다. | 에이전트 벤치마크 및 평가 | 2026년 2월 |
| DeepResearchEval: 데이터베이스 연구 주제 구성 및 에이전트 평가를 기반으로 한 프레임워크 | 본 논문은 2단계 필터링(과제 자격 및 검색 필요성)을 통한 페르소나 중심 생성을 통해 복잡한 연구 과제를 생성하고 과제별 차원 및 기준을 동적으로 도출하는 적응형 포인트별 품질 평가를 통해 이를 평가하기 위한 자동화된 프레임워크를 제시합니다. | 에이전트 벤치마크 및 평가 | 2026년 1월 |
| 호환되는 버전을 교체할 수 있습니다. | 이 문서에서는 대규모 언어 모델에 대한 행위적 추론 기능을 탐색하고, 다단계 추론 및 적응 전략이 필요한 복잡한 작업을 처리하기 위해 자율적 추론, 계획 및 의사 결정 능력을 통해 LLM을 향상할 수 있는 방법을 검토합니다. | 에이전트 메모리 및 추론 | 2026년 1월 |
| 존재하고 검색: 에이전트 적 비디오 효과를 추출하는 개방형 웹의 비디오 자료 연구 벤치 | 이 문서에서는 비디오 이해와 웹 검색 기능을 결합한 에이전트 비디오 추론 시스템을 평가하기 위한 벤치마크를 소개합니다. | 에이전트 벤치마크 및 평가 | 2026년 1월 |
| InteractComp: 모호한 쿼리로 검색 에이전트 평가 | 이 문서에서는 검색 에이전트가 쿼리 모호성을 인식하고 이를 해결하기 위해 적극적으로 상호 작용할 수 있는지 평가하기 위해 대상 분산 방법을 사용하여 9개 도메인에 걸쳐 전문가가 선별한 210개의 질문이 포함된 벤치마크인 InteractComp를 소개합니다. | 에이전트 벤치마크 및 평가 | 2025년 10월 |
| WebWeaver: 개방형 형태 연구를 추상화하여 사용하여 웹 크기 증거 구조화 | 본 논문에서는 Planner Agent(개요 최적화를 통해 증거 획득을 반복적으로 인터리빙) 및 Writer Agent(계층적 검색 및 섹션별 구성 실행)를 통해 인간의 연구 프로세스를 에뮬레이션하는 이중 에이전트 프레임워크인 WebWeaver를 제시합니다. | 심층 연구 요원 | 2025년 9월 |
| WideSearch: 에이전트 기반의 광범위한 정보 탐색 벤치마킹 | 이 문서에서는 대규모 정보 수집 작업에 대한 상담원 신뢰성을 평가하기 위해 설계된 15개 이상의 도메인에서 수동으로 선별된 200개의 질문(영어 100개, 중국어 100개)이 포함된 벤치마크인 WideSearch를 소개합니다. | 에이전트 벤치마크 및 평가 | 2025년 8월 |
| 연구 연구: 자율 연구 기관에 대한 질문 조사 | 이 포괄적인 설문조사에서는 대규모 언어 모델이 계획, 질문 개발, 웹 탐색 및 보고서 생성의 4단계를 통해 어떻게 자율 에이전트를 강화하는지 조사합니다. | 에이전트 검색 설문조사 | 2025년 8월 |
| WebWatcher: 개념 자료 연구 에이전트의 새로운 지평을 열다 | 본 논문에서는 연구 작업 중에 텍스트 정보와 시각적 정보를 모두 처리할 수 있는 심층 연구 및 웹 탐색을 위해 설계된 비전 언어 에이전트인 WebWatcher를 소개합니다. | 심층 연구 요원 | 2025년 8월 |
| Cognitive Kernel-Pro: 인터페이스 연구 에이전트 및 에이전트 기반 모델 교육을 제공하는 프레임워크 | 이 문서에서는 폐쇄 소스 시스템의 접근성 제한을 해결하는 완전 오픈 소스 다중 모듈 에이전트 프레임워크인 Cognitive Kernel-Pro를 소개합니다. | 에이전트 프레임워크 | 2025년 8월 |
| ComoRAG: 상태 기반의 긴 서명을 축하하며 메모리 구성 RAG | 본 논문에서는 동적 메모리 작업 공간과 상호 작용하면서 반복 주기를 통해 인간의 추론을 모방하는 인지 기반 RAG 시스템인 ComoRAG를 소개합니다. | 에이전트 메모리 및 추론 | 2025년 8월 |
| 웹 검색에서 Agentic Deep Research로: 에이전트를 지원합니다. | 이 논문은 전통적인 키워드 기반 검색에서 추론 및 에이전트 기능이 부여된 LLM이 피드백 루프의 반복 검색 및 합성과 결합된 자율 추론을 가능하게 하는 대화형 에이전트 기반 시스템으로의 패러다임 전환을 주장합니다. | 에이전트 검색 설문조사 | 2025년 6월 |
| 오픈 소스 데이터베이스를 호스팅합니다. | 이 문서에서는 새로운 웹 검색 도구와 작업을 해석하고 작업 순서를 조정하는 개방형 추론 에이전트로 구성된 두 가지 구성 요소 프레임워크인 ODS(Open Deep Search)를 소개합니다. | 에이전트 검색 향상 | 2025년 3월 |
| Search-R1: 학습을 통해 검색 엔진을 활성화하고 활용하도록 LLM 교육 | 이 논문에서는 강화 학습을 사용하여 단계별 추론 중에 여러 검색 쿼리를 자동으로 생성하도록 LLM을 교육하여 DeepSeek-R1을 확장합니다. | 에이전트 검색 향상 | 2025년 3월 |
| PaSa: 종합 학술 논문 검색을 통해 LLM 에이전트 | 이 문서에서는 자동으로 검색 도구를 호출하고, 논문을 읽고, 포괄적인 학술 쿼리에 대한 관련 참고 자료를 선택하는 LLM으로 구동되는 고급 논문 검색 에이전트인 PaSa를 소개합니다. | 심층 연구 요원 | 2025년 1월 |
| Search-o1: 요원 검색으로 강화된 권한 모델 | 이 논문에서는 에이전트 검색 워크플로를 o1과 유사한 추론 프로세스에 통합하는 최초의 프레임워크인 Search-o1을 소개하고, 모델이 불확실한 지식 포인트에 직면할 때 동적 검색을 활성화하여 확장 추론 중 지식 부족을 해결합니다. | 에이전트 검색 향상 | 2025년 1월 |
| 에이전트 연구소: LLM 에이전트를 연구 보조원으로 활용 | 이 문서에서는 문헌 검토, 실험, 보고서 작성의 3단계를 통해 초기 아이디어부터 최종 보고서까지 전체 프로세스를 자동화하여 과학 연구를 가속화하는 LLM 기반 자율 프레임워크인 Agent Laboratory를 제시합니다. | 심층 연구 요원 | 2025년 1월 |