CORE: Coarse-to-Fine Search with Context Management for Deep Research

이 논문은 깊은 연구 에이전트의 검색 하네스 문제를 굵게-가늘게 검색과 문맥 관리로 풀어, 학습 없이도 정확도와 근거 재현율을 함께 올렸다.

이 논문은 한마디로 깊은 연구 에이전트에게 짧고 관련 있는 근거만 주는 학습 불필요 검색 하네스 CORE를 제안한 연구다. 하네스는 조밀한 검색기로 넓은 문단을 찾은 뒤, 재랭킹에 쓴 토큰 유사도를 재사용해 각 문단에서 가장 관련 있는 조각만 돌려준다. 문맥 관리는 이미 찾은 원문 주변을 펼쳐 보게 하고 반복 조각을 참조로 바꾼다. 세 에이전트 모델과 세 벤치마크에서 정확도와 근거 재현율 모두 최고 성적을 냈다.

핵심 요약

• CORE는 학습 없이 쓸 수 있는 깊은 연구 검색 하네스로, 굵게-가늘게 검색과 문맥 관리를 함께 쓴다.
• 하네스는 조밀한 검색기로 문단을 굵게 찾은 뒤, 늦은 상호작용 재랭커의 토큰 단위 유사도를 다시 써서 각 문단에서 가장 관련 있는 짧은 조각만 에이전트에게 돌려준다.
• 문맥 관리는 에이전트가 이미 찾은 원문 주변을 펼쳐 보게 하고, 검색에 반복되는 조각을 간단한 참조로 바꿔 문맥 낭비를 줄였다.
• 세 에이전트 모델과 세 벤치마크에서 CORE는 최고 수준의 정답 정확도와 근거 재현율을 보였고, 553M 문서까지 있는 말뭉치에서도 그랬다.
• 가장 큰 ClimbMix 말뭉치에서 GPT-5.4와 함께 CORE는 정확도 68.42%로 OpenResearcher의 56.14%와 Tongyi DeepResearch의 50.88%보다 높았다.
• 구성 요소 분석에서 굵은 검색만 쓸 때 62.61%였던 정확도가 굵게-가늘게 검색으로 70.84%, 문맥 관리를 더한 완전한 CORE에서 80.12%로 올랐다.

논문 링크

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