테이블 기반 검색: 장기적 에이전트 정보 탐색을 테이블 완성으로 공식화

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

February 6, 2026

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

cs.AI

초록

현재 정보 탐색(InfoSeeking) 에이전트는 장기적인 탐색 과정에서 집중력과 일관성을 유지하는 데 어려움을 겪습니다. 이는 계획 절차와 대량의 탐색 결과를 포함한 검색 상태를 일반 텍스트 컨텍스트 내에서 추적하는 것이 본질적으로 취약하기 때문입니다. 이를 해결하기 위해 우리는 정보 탐색 작업을 테이블 완성 작업으로 재구성하는 구조화된 계획 프레임워크인 Table-as-Search(TaS)를 소개합니다. TaS는 각 쿼리를 외부 데이터베이스에 유지되는 구조화된 테이블 스키마로 매핑하며, 여기서 행은 검색 후보를 나타내고 열은 제약 조건이나 필수 정보를 나타냅니다. 이 테이블은 검색 상태를 정밀하게 관리합니다. 채워진 셀은 이력과 검색 결과를 엄격히 기록하고, 빈 셀은 명시적인 검색 계획 역할을 합니다. 중요한 것은 TaS가 심층 탐색(Deep Search), 광역 탐색(Wide Search), 그리고 어려운 심층-광역 탐색(DeepWide Search)이라는 세 가지 별개의 정보 탐색 작업을 통합한다는 점입니다. 대규모 실험을 통해 TaS가 다중 에이전트 프레임워크와 상용 시스템을 포함한 세 종류의 벤치마크에서 수많은 최첨단 기준 모델들을 크게 능가함을 입증했습니다. 더 나아가, 우리의 분석은 TaS의 장기 정보 탐색에서의 우수한 강건성과 효율성, 확장성 및 유연성을 검증합니다. 코드와 데이터셋은 https://github.com/AIDC-AI/Marco-Search-AI 에 공개되어 있습니다.

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.