AREX：検証を起点に自己改善する深層リサーチエージェント

導入

深層リサーチ型の AI エージェントに求められる能力は、単に検索回数を増やすことではなくなりつつある。現実の調査課題では、回答が複数の条件を同時に満たす必要がある。事実に基づいているか、証拠があるか、問いの制約を満たしているか、途中の推論に抜けがないか。AREX は、こうした長期的で複雑な研究タスクに向けて提案された再帰的自己改善型エージェントである。

論文の中心にあるのは「発見」と「検証」の非対称性だ。すべての条件を満たす回答を最初から見つけるのは難しい。しかし、候補回答が特定の制約を満たすかどうかを個別に確認することは、比較的分解しやすい。AREX はこの性質を利用し、暫定回答を作り、制約ごとに検証し、未解決点を次の調査へ戻す。

核心ポイント

• 二重ループ構造：AREX は内側のリサーチループと外側の自己改善ループを交互に動かす。内側では情報収集と暫定回答の構築を行い、外側では回答を制約ごとに監査し、根拠のある部分と未解決の主張を切り分ける。
• 広い検索から狙いを定めた修正へ：従来型のエージェントは、失敗するとさらに検索を続けがちだ。AREX では検証結果が次の行動を決める信号となり、足りない証拠や満たされていない制約に絞って追跡調査を行う。
• 自律的なコンテキスト更新：長期の相互作用では履歴が膨らみ、すべてをそのまま保持するのは非効率になる。AREX は外部モデルに依存せず、履歴をコンパクトな改善状態へ圧縮するツールを学習する。この状態には、検証済みの証拠と未解決の制約が保存される。
• 長期学習への工夫：著者らは、検証済み合成タスクや高品質な軌跡を用いた agentic mid-training、さらに長期ホライズンの強化学習について述べている。最終報酬が疎になりやすい問題に対しては、決定的証拠の獲得や誤った調査方針の修正といった重要ステップを重視する。
• モデル公開：dense 4B モデルと 122B-A10B の Mixture-of-Experts モデルが実装され、重みも公開されている。またオンラインアプリケーションへの統合も示されている。

意義と影響

AREX の意義は、深層リサーチを「長く検索する問題」ではなく、「検証可能な状態を更新し続ける問題」として捉え直した点にある。暫定回答は最終成果物ではなく、監査され、分解され、修正される作業対象になる。これは文献調査、ファクトチェック、競合分析、複数条件を含む質問応答などで重要な考え方だ。

また、コンテキスト管理への注目も見逃せない。エージェントが長期タスクを扱うほど、過去の履歴をどのように残すかが性能に影響する。単純にコンテキスト長を伸ばすのではなく、検証済み情報と未解決課題を構造化して残す設計は、より持続可能な長期エージェントへの一歩といえる。

提供された素材には具体的なベンチマーク数値までは含まれていないため、BrowseComp、WideSearch、DeepSea などでの実力は論文本体で確認する必要がある。それでも AREX は、検索中心から検証中心へという深層リサーチエージェントの流れを明確に示している。

出典：Hugging Face Daily Papers