Dr-DCI: Escalando la Interacción Directa con Corpus mediante Expansión Dinámica del Espacio de Trabajo

Resumen

La búsqueda agéntica sobre grandes corpus depende de interfaces mediadas por recuperadores (p. ej., BM25 o ColBERT) para el descubrimiento escalable de candidatos. Si bien son efectivas para clasificar documentos relevantes, estas interfaces presentan la evidencia únicamente como resultados clasificados o vistas acotadas de documentos, lo que limita la capacidad de los agentes para reorganizar el material y verificar restricciones entre documentos. La Interacción Directa con el Corpus (DCI) aborda esta limitación al exponer operaciones de corpus ejecutables en shell para búsqueda, filtrado, comparación y verificación flexibles. Sin embargo, los comandos de terminal sobre el corpus completo se vuelven lentos e inestables a medida que el corpus crece, degradando el rendimiento y la eficiencia. Presentamos DR-DCI, un marco DCI guiado por recuperador que trata la recuperación como una acción invocable por el agente para expandir un espacio de trabajo local. En lugar de operar directamente sobre el corpus completo, el agente extrae dinámicamente documentos relevantes hacia un espacio de trabajo en evolución y realiza operaciones DCI dentro de este. Este diseño combina la cobertura a nivel de recuperador con la precisión de tipo DCI: la recuperación mantiene la exploración escalable, mientras que la DCI preserva las operaciones locales necesarias para una resolución efectiva de evidencia. Los experimentos muestran que DR-DCI es efectivo y eficiente a distintas escalas. En Browsecomp-Plus, DR-DCI alcanza un 71,2% de precisión, mejorando hasta en 8,3 puntos sobre la DCI pura y variantes ablacionadas, al tiempo que reduce el uso de herramientas, el tiempo de ejecución y el costo estimado. Con un reinicio de contexto que preserva el espacio de trabajo, la precisión mejora aún más hasta un 73,3%. En experimentos de escalado de corpus, DR-DCI se mantiene efectivo desde 100K hasta 10M de documentos, mientras que la DCI pura se vuelve inestable y BM25 presenta un rendimiento sustancialmente peor. DR-DCI también se escala a un entorno Wiki-18 QA de 20M de escala con un archivo por documento, logrando una puntuación promedio de 63,0 en seis puntos de referencia y superando a las líneas base basadas en recuperación y en agentes de búsqueda entrenados. El análisis de ablación muestra, además, que las vistas previas clasificadas y la DCI entre documentos son clave para el rendimiento.

English

Agentic search over large corpora relies on retriever-mediated interfaces (e.g., BM25 or ColBERT) for scalable candidate discovery. While effective at ranking relevant documents, these interfaces expose evidence only as ranked results or bounded document views, limiting agents' ability to reorganize material and verify constraints across documents. Direct Corpus Interaction (DCI) addresses this limitation by exposing shell-executable corpus operations for flexible search, filtering, comparison, and verification. However, full-corpus terminal commands become slow and unstable as the corpus grows, degrading performance and efficiency. We introduce DR-DCI, a retriever-steered DCI framework that treats retrieval as an agent-callable action for expanding a local workspace. Rather than operating directly over the full corpus, the agent dynamically pulls relevant documents into an evolving workspace and conducts DCI operations within it. This design combines retriever-level recall with DCI-style precision: retrieval keeps exploration scalable, while DCI preserves the local operations needed for effective evidence resolution. Experiments show that DR-DCI is both effective and efficient across scales. On Browsecomp-Plus, DR-DCI reaches 71.2\% accuracy, improving over raw DCI and ablated variants by up to 8.3 points while reducing tool usage, wall time, and estimated cost. With workspace-preserving context reset, accuracy further improves to 73.3\%. In corpus-scaling experiments, DR-DCI remains effective from 100K to 10M documents, whereas raw DCI becomes unstable and BM25 performs substantially worse. DR-DCI also scales to a 20M-scale file-per-document Wiki-18 QA setting, achieving an average score of 63.0 across six benchmarks and outperforming retrieval-based and trained search-agent baselines. Ablation analysis further shows that ranked previews and inter-document DCI are key to performance.