テーブル・アズ・サーチ：長期的エージェント型情報探索をテーブル完成として定式化する

Table-as-Search: Formulate Long-Horizon Agentic Information Seeking as Table Completion

February 6, 2026

著者: Tian Lan, Felix Henry, Bin Zhu, Qianghuai Jia, Junyang Ren, Qihang Pu, Haijun Li, Longyue Wang, Zhao Xu, Weihua Luo

cs.AI

要旨

現在の情報探索（InfoSeeking）エージェントは、長期的な探索において焦点と一貫性を維持するのが困難である。これは、計画手順や大量の探索結果を含む探索状態を、単一の平文コンテキスト内で追跡することが本質的に脆弱であるためだ。この問題に対処するため、我々はTable-as-Search（TaS）を提案する。これは情報探索タスクを表完成タスクとして再定義する構造化計画フレームワークである。TaSは各クエリを外部データベースで管理される構造化テーブルスキーマにマッピングし、行は探索候補を、列は制約や必要な情報を表す。このテーブルは探索状態を精密に管理する。すなわち、入力済みセルは探索履歴と結果を厳密に記録し、空セルは明示的な探索計画として機能する。重要な点として、TaSは「深層探索」「広域探索」、そして困難な「深層広域探索」という3種類の情報探索タスクを統一的に扱う。大規模な実験により、TaSがマルチエージェントフレームワークや商用システムを含む3種類のベンチマークにおいて、数多くの先進的なベースライン手法を大幅に上回ることを実証した。さらに分析により、TaSが長期的情報探索において優れた頑健性と効率性、拡張性、柔軟性を併せ持つことが検証された。コードとデータセットはhttps://github.com/AIDC-AI/Marco-Search-Agent で公開している。

English

Current Information Seeking (InfoSeeking) agents struggle to maintain focus and coherence during long-horizon exploration, as tracking search states, including planning procedure and massive search results, within one plain-text context is inherently fragile. To address this, we introduce Table-as-Search (TaS), a structured planning framework that reformulates the InfoSeeking task as a Table Completion task. TaS maps each query into a structured table schema maintained in an external database, where rows represent search candidates and columns denote constraints or required information. This table precisely manages the search states: filled cells strictly record the history and search results, while empty cells serve as an explicit search plan. Crucially, TaS unifies three distinct InfoSeeking tasks: Deep Search, Wide Search, and the challenging DeepWide Search. Extensive experiments demonstrate that TaS significantly outperforms numerous state-of-the-art baselines across three kinds of benchmarks, including multi-agent framework and commercial systems. Furthermore, our analysis validates the TaS's superior robustness in long-horizon InfoSeeking, alongside its efficiency, scalability and flexibility. Code and datasets are publicly released at https://github.com/AIDC-AI/Marco-Search-Agent.