AgentCPM-Report: Interleaving Drafting and Deepening for Open-Ended Deep Research

Created by

Haebom

저자

Yishan Li, Wentong Chen, Yukun Yan, Mingwei Li, Sen Mei, Xiaorong Wang, Kunpeng Liu, Xin Cong, Shuo Wang, Zhong Zhang, Yaxi Lu, Zhenghao Liu, Yankai Lin, Zhiyuan Liu, Maosong Sun

💡 개요

본 논문은 대규모 정보 습득과 통찰력 있는 분석 종합이 요구되는 심층 연구 보고서 생성의 어려움을 해결하기 위해 AgentCPM-Report를 제안합니다. 기존의 계획 후 작성 방식의 한계를 극복하기 위해, 인간의 글쓰기 과정을 모방한 프레임워크와 80억 개 파라미터의 연구 에이전트를 활용하여, 증거 기반 초안 작성과 추론 기반 심층 연구를 반복적으로 수행하며 개요를 동적으로 수정합니다. 이를 통해 정보 습득, 지식 정제, 개요 발전을 통합적으로 지원하며, 소형 모델에서도 높은 성능을 달성할 수 있도록 다단계 에이전트 훈련 전략을 개발했습니다.

🔑 시사점 및 한계

•

경량화된 로컬 솔루션으로 기존의 폐쇄형 또는 온라인 대형 모델 의존성을 줄이고, 배포 장벽 및 개인 정보 보호 문제를 완화할 수 있습니다.

•

증거 기반 초안 작성과 추론 기반 심층 연구를 번갈아 수행하는 WARP(Writing As Reasoning Policy) 프레임워크는 연구 보고서 생성의 질적 향상에 기여합니다.

•

DeepResearch Bench, DeepConsult, DeepResearch Gym 등 다양한 벤치마크에서 선도적인 폐쇄형 시스템 대비 우수한 성능, 특히 통찰력 측면에서 상당한 개선을 보였습니다.

•

제안된 다단계 에이전트 훈련 전략은 소형 모델이 복잡한 심층 연구 능력을 갖추도록 효과적으로 지원합니다.

•

본 연구는 향후 더욱 복잡한 추론 능력이나 다국어 지원과 같은 기능을 추가하여 연구 보고서 생성 시스템의 성능을 더욱 향상시킬 수 있는 가능성을 제시합니다.

PDF 보기

Made with Slashpage