Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Enterprise Deep Research: Steerable Multi-Agent Deep Research for Enterprise Analytics

Created by
  • Haebom
Category
Empty

저자

Akshara Prabhakar, Roshan Ram, Zixiang Chen, Silvio Savarese, Frank Wang, Caiming Xiong, Huan Wang, Weiran Yao

개요

본 논문은 급증하는 비정형 데이터를 분석하여 실행 가능한 통찰력을 얻기 위한 다중 에이전트 시스템인 Enterprise Deep Research (EDR)을 제시한다. EDR은 적응형 쿼리 분해를 위한 Master Planning Agent, 4개의 전문 검색 에이전트(General, Academic, GitHub, LinkedIn), NL2SQL, 파일 분석, 엔터프라이즈 워크플로우를 지원하는 확장 가능한 MCP 기반 도구 생태계, 데이터 기반 통찰력을 위한 Visualization Agent, 그리고 지식 격차를 감지하고 연구 방향을 업데이트하는 반사 메커니즘을 통합한다. EDR은 자동 보고서 생성, 실시간 스트리밍 및 원활한 엔터프라이즈 배포를 가능하게 하며, 딥리서치 벤치 및 딥컨설트와 같은 개방형 벤치마크에서 기존 에이전트 시스템보다 우수한 성능을 보인다.

시사점, 한계점

시사점:
다중 에이전트 시스템을 활용하여 비정형 데이터 분석의 자동화 및 효율성 향상.
도메인 특화 검색 에이전트 및 확장 가능한 도구 생태계를 통해 다양한 데이터 소스 및 작업 지원.
반사 메커니즘을 통한 지식 격차 감지 및 연구 방향 조정으로 정확성 향상.
DeepResearch Bench 및 DeepConsult와 같은 개방형 벤치마크에서 SOTA 달성.
EDR 프레임워크 및 벤치마크 궤적 공개를 통한 연구 발전에 기여.
한계점:
논문 자체에서 명시된 한계점은 없음.
👍