SearchWeaver: 에이전트 검색 인터페이스를 코퍼스에 맞게 자동 최적화와 세 가지 최적화 대상
핵심 — 인터페이스를 corpus에 맞게 자동 설계한다
- SearchWeaver는 agentic search의 interface를 corpus에 맞게 자동 최적화하는 프레임워크다. 검색 에이전트가 corpus를 접근·탐색하는 방식을 자동으로 설계한다.
- 기존 interface 설계는 손으로 고정한다. 모든 corpus에 그대로 적용한다. 효과적인 설계는 corpus에 따라 달라질 수 있다.
- 최적화 대상은 세 가지다. 사전에 준비할 정보, tools가 수행할 연산, 그리고 search agent에게 남길 결정이다.
- corpus artifacts, executable tools, usage instructions를 함께 최적화하는 게 효과적이라는 게 논문의 결론이다.
수치 — 두 벤치마크에서 동시에 올랐다
- GPT-5.4-nano 기준으로 최적화된 interface는 BrowseComp-Plus answer accuracy를 71.6%에서 78.4%로 올렸다.
- 4개 BRIGHT subsets에서 average nDCG@10은 Direct Corpus Interaction 대비 45.7에서 55.0으로 올랐다.
- 평가는 GPT-5.4-nano로 했다. BrowseComp-Plus는 answer accuracy, BRIGHT subsets는 nDCG@10 지표로 쟀다.
두 수치의 비교 기준이 다르다는 점에 주의한다. BrowseComp-Plus 수치는 최적화 전후 비교이고, BRIGHT 수치는 Direct Corpus Interaction이라는 별도 기준과의 비교다.
동작 — proposer가 궤적과 보상을 근거로 고친다
- proposer가 execution trajectories와 task rewards를 근거로 쓴다.
- proposer는 corpus artifacts, executable tools, usage instructions를 jointly revise한다. 하나씩 따로 고치는 게 아니라 세 가지를 함께 고친다.
- 손으로 인터페이스를 다듬는 시행착오를 downstream 검색 성능 기준의 자동 최적화로 바꾼다는 점이 이 프레임워크의 요지다.
왜 중요한지 — 사내 검색 에이전트에 바로 응용된다
에이전트 검색 성능은 모델 성능뿐 아니라 corpus 접근 인터페이스에 달려 있다. 언어모델 에이전트가 corpus를 어떻게 탐색하느냐가 답의 정확도를 좌우하는데, 인터페이스는 에이전트가 corpus를 접근하고 탐색하는 통로다. 사내 지식 검색·리서치 에이전트에 직접 응용 가능한 실용적 아이디어다. corpus를 다루는 에이전트를 여럿 운용하고 있어 인터페이스 개선이 체감 성능으로 바로 이어지는데, 검색이 핵심인 리서치 파이프라인에서 특히 그렇다. 툴과 프롬프트를 손으로 다듬는 대신 downstream 검색 성능으로 자동 최적화한다는 점이 실무적으로 매력적이고, 손으로 인터페이스를 다듬는 시행착오를 크게 줄인다.
아직 안 밝혀진 것 / 쟁점
- 4개 BRIGHT subset의 명칭은 미확인이다.
- proposer가 쓴 모델의 종류와 최적화에 든 비용은 미확인이다.
- 비교 기준인 Direct Corpus Interaction의 구체 정의는 미확인이다.
- BrowseComp-Plus와 4개 BRIGHT subsets 외의 벤치마크 결과는 미확인이다. 다른 검색 태스크에서의 효과는 알 수 없다.