MIRA: A Multimodal Illustrated Deep Research Agent for Controllable Reports

이 논문은 그림이 들어간 연구 보고서를 사용자 요구에 맞춰 내주는 멀티모달 딥리서치 에이전트 문제를 생성 계약과 피드백 수정 구조로 풀었다.

이 논문은 한마디로 웹에서 글과 그림 증거를 모아 사용자가 정한 길이·그림 수·출처 기준을 지키는 삽화 보고서를 만드는 에이전트 MIRA를 소개한다. 저자들은 MIRA-Harness라는 실행 틀에서 사용자 요구를 생성 계약으로 바꾸고, 증거 수집에서 제출·검사·수정·최종 전달까지 한 줄로 연결했다. 학습 자료 MIRA-Data를 만들어 Qwen3.6-35B-A3B 모델을 이 작업 흐름에 맞게 미세조정했다. 그 결과 비교한 공개 에이전트 가운데 8개 벤치마크 중 7개에서 가장 좋은 성적을 냈다.

핵심 요약

• MIRA-Harness는 사용자 요구를 생성 계약으로 바꿔 보고서 길이, 그림 구성, 출처 근거에 대한 통과 조건을 정하고 증거 수집, 보고서 제출, 피드백 수정, 최종 전달 네 단계를 연결했다.
• 보고서 검사 문(report gate)을 켜자 모든 조건을 통과한 보고서는 32건 중 0건에서 25건으로 늘었고 인용된 그림 비율은 23.5%에서 92.6%로 올랐다.
• 저자들은 Kimi K2.6으로 MIRA-Harness 안에서 궤적을 만들고 합성 문(synthesis gate)으로 품질을 확인한 약 4.6K의 Harness-Native 궤적과 33K의 일반 검색 궤적을 합쳐 MIRA-Data를 구성했다.
• MIRA-Data로 학습한 MIRA-SFT는 같은 백본을 쓰는 MIRA-Base보다 8개 벤치마크에서 평균 5.50점이 올라갔고 VDR-Bench에서 10.80점, FVQA에서 9.33점이 올라갔다.
• MIRA-SFT는 비교한 공개 에이전트 가운데 8개 벤치마크 중 7개에서 가장 좋은 성적을 냈고 훨씬 큰 Qwen3.5-397B-A17B를 6개 벤치마크에서 앞질렀다.
• 한계로 저자들은 외부 검색 인프라의 일시적 오류와 웹 문서 파싱 실패가 증거 수집을 방해할 수 있고 증거를 잘못 읽거나 약한 근거로 주장을 쓰는 환각이 생길 수 있다고 적었다.

논문 링크

외부 연구를 정리한 자료입니다. HDATF가 발표한 논문이나 제품 성능을 측정한 결과는 아닙니다.