関連性の新たな役割：エージェンティック検索におけるコーパス相互作用の指針

要旨

関連性とは、文書や抜粋に有用な証拠が含まれているかどうかをクエリに依存して推定する指標である。既存の検索エージェントは、この関連性を用いて上位k件のコンテンツを選択するが、文書レベルの関連性だけでは、複雑な質問に必要な証拠の特定、構成、検証を行うことはできない。直接コーパス対話（DCI）は、grep形式の探索を通じてこのような細粒度の操作を可能にするが、関連性を考慮しない検索では有用な手がかりが後半に現れ、収束が遅れる可能性がある。近年の進展では、関連性を利用してコーパスを作業空間に絞り込み、対話を行う手法が提案されている。しかし、対話を開始した後も、関連性はgrepが最初にどの文書を検索するかを直接指示したり、広範な一致結果の中から有益な抜粋を識別してLLMに最初に提示したりすることはない。本稿では、関連性を考慮したRipGrep検索エージェント（RARG）を提案する。RARGは関連性をコーパス対話の実行時事前情報として利用する。RARGは粗密の関連性ガイダンスを提供する。すなわち、逐次的なripgrep走査のために文書を順序付け、大域的に重要な手がかりを早期に提示し、クエリに関連するパラグラフで有望なエントリポイントを初期化し、grepの一致結果を再順位付けすることで、文書レベルのランキングでは見逃されがちな有益な抜粋を表面化させる。挑戦的なブラウジング型質問応答や推論集約型検索において、RARGは検索ベースエージェントおよび直接対話エージェントと比較して、精度と効率のフロンティアを改善する。これらの結果は、関連性を考慮した対話がより高速で信頼性の高い検索収束を実現することを示している。

English

Relevance is a query-dependent estimate of whether a document or excerpt contains useful evidence. Existing retrieval agents use relevance to select top-k content, but document relevance alone cannot localize, compose, or verify the evidence required by complex questions. Direct Corpus Interaction (DCI) enables such fine-grained operations through grep-style exploration, but its relevance-agnostic search can expose useful clues late and delay convergence. Recent advances use relevance to narrow the corpus into a working space for interaction. Once interaction begins, however, relevance still does not directly guide which documents grep searches first or distinguish informative excerpts from a broad set of matches to let LLMs see them first. We introduce the Relevance-Aware RipGrep Search Agent (RARG), which turns relevance into an execution prior for corpus interaction. RARG provides coarse-to-fine relevance guidance: it orders documents for sequential 'ripgrep' traversal to expose globally relevant clues earlier, initializes promising entry points with query-relevant paragraphs, and reranks grep matches to surface informative excerpts that document-level ranking may otherwise obscure. Across challenging browse question answering and reasoning-intensive retrieval, RARG improves the accuracy--efficiency frontier over retrieval-based and direct-interaction agents. These results demonstrate that relevance-aware interaction enables faster and more reliable search convergence.