DualResearch는 단일 대형 언어 모델의 한계를 넘어 복잡한 다단계 과학적 추론을 수행하기 위해 외부 도구를 조율하는 심층 연구 프레임워크를 개선하는 것을 목표로 합니다. 문맥 오염, 약한 증거 지원, 취약한 실행 경로와 같은 문제를 해결하기 위해, 배경 지식을 인코딩하는 폭넓은 의미 그래프와 실행 출처를 캡처하는 깊이 인과 그래프라는 두 개의 보완적인 그래프를 공동으로 모델링하여 도구 집약적 추론의 인식 구조를 일치시키는 검색 및 융합 프레임워크를 제안합니다. 각 그래프는 레이어 고유 관련성 함수, 시드 앵커 의미 확산, 깊이 신뢰성 가중치를 사용한 인과-의미 경로 매칭을 갖습니다. 이질성과 쿼리 종속 불확실성을 해결하기 위해, DualResearch는 레이어별 경로 증거를 답변 분포로 변환하고 전역 보정을 사용한 엔트로피 게이트 규칙을 통해 로그 공간에서 융합합니다. 융합은 더 확실한 채널을 높이고 일치를 증폭시킵니다. 심층 연구 시스템의 보완재로서 DualResearch는 긴 다중 도구 실행 로그를 간결한 추론 그래프로 압축하며, 안정적이고 효과적으로 답변을 재구성할 수 있음을 보여줍니다. 과학적 추론 벤치마크 HLE 및 GPQA에서 경쟁력 있는 성능을 달성했으며, InternAgent의 로그 파일을 사용하여 HLE에서 7.7%, GPQA에서 6.06%의 정확도를 향상시켰습니다.
