arXivに掲載された論文「Self-Evolving Search Index」（Sangam Lee氏ら8名）は、LLMエージェントの情報検索を改善するため、これまで人間主導だった検索インデックスの最適化を自動化するフレームワーク「SELF-INDEX」を提案しています。
オプティマイザーが検索の不足を自動診断し、原因となっているインデックスキーを選択的に修正する仕組みに加え、既存クエリ以外の潜在的な検索ニーズを先回りして探索する「Query Simulator」を備えています。複数のコーパス・検索器で検索性能が向上し、検索エージェントやエージェントメモリシステムの効率化にもつながるとしています。
出典が伝えている要点
- 論文タイトルは「Self-Evolving Search Index」
- 著者はSangam Lee, Wonjae Lee, Sunghwan Kim, Deogyong Kim, Jaehoon Kim, Daye Nam, SeongKu Kang, Dongha Leeの8名
- arXiv番号は2609.19656
- 論文はSELF-INDEXというフレームワークを提案している
- SELF-INDEXのオプティマイザーは検索の不足（retrieval shortfalls）を自動診断する
- オプティマイザーは診断結果に基づき、原因となっているインデックスキーを選別的に修正する
- SELF-INDEXにはQuery Simulatorという要素が含まれる
- Query Simulatorは既存クエリ以外の潜在的な検索ニーズを予測的に探索する
- SELF-INDEXは複数のコーパスおよび複数の検索器（retriever）で検索性能を向上させたと主張している
- SELF-INDEXは検索エージェントおよびエージェントメモリシステムの効率化にも効果があるとしている
- 従来、検索インデックスの最適化は人間主導（human-driven）で行われてきたと論文は述べている
原文より
Optimizer autonomously diagnoses retrieval shortfalls, selectively revises the responsible index keys
出典: arxiv.org