ワークフロー誘導による多ターンエージェント型科学文献検索

要旨

科学文献検索は、単一のクエリから論文を取得する以上のものを必要とすることが多い。ユーザの意図は過少指定されており、選好に依存し、インタラクションを通じて進化する。既存の検索エージェントは通常、固定パイプラインや暗黙的な言語のみの推論に依存しており、その検索戦略は制御、検査、改善が困難である。本稿では、科学的検索をワークフロー誘導として捉えるマルチターン文献検索エージェントPaperPilotを紹介する。アンカー論文とユーザクエリが与えられると、PaperPilotはキーワード検索、引用拡張、フィルタリング、スコアリング、再ランキング、証拠抽出を含む論文検索オペレータからなる実行可能なDAGを構築する。そして、ユーザフィードバックを用いてクエリとワークフロー自体の両方を洗練する。PaperPilotは、教師ありワークフロー模倣と、制御されたワークフロー破壊に対する選好最適化により学習される。実験結果によれば、マルチターンインタラクションにおいて、PaperPilot-9BはベースのQwen3.5-9Bツールセットエージェントを上回り、Hit@5は58.0から77.0、MRRは47.5から59.4、nDCG@10は26.8から32.5に改善し、ワークフロー実行エラーは9.5%から0%に減少した。これらの結果は、明示的で編集可能な検索ワークフローが、複雑な科学的意図に文献検索エージェントを適合させるための効果的かつ制御可能なインターフェースを提供することを示している。

English

Scientific literature search often requires more than retrieving papers from a single query: users' intents are underspecified, preference-dependent, and evolve through interaction. Existing search agents typically rely on fixed pipelines or implicit language-only reasoning, making their search strategies difficult to control, inspect, and refine. We introduce PaperPilot, a multi-turn literature search agent that frames scientific search as workflow induction. Given an anchor paper and a user query, PaperPilot constructs an executable DAG of paper-search operators, including keyword search, citation expansion, filtering, scoring, reranking, and evidence extraction. User feedback is then used to refine both the query and the workflow itself. We train PaperPilot with supervised workflow imitation and preference optimization over controlled workflow corruptions. Experiments show that PaperPilot-9B improves over the base Qwen3.5-9B toolset agent under multi-turn interaction, increasing Hit@5 from 58.0 to 77.0, MRR from 47.5 to 59.4, and nDCG@10 from 26.8 to 32.5, while reducing workflow execution errors from 9.5% to 0%. These results show that explicit, editable search workflows provide an effective and controllable interface for aligning literature search agents with complex scientific intent.