Table-as-Search: Formulate Long-Horizon Agentic Information Seeking as Table Completion
Dieses Paper führt Table-as-Search (TaS) ein, ein strukturiertes Framework, das die langfristige Informationssuche als Tabellenvervollständigungsaufgabe neu formuliert, um die Kohärenz der Suche und das State-Tracking aufrechtzuerhalten, wodurch diverse Suchstrategien vereinheitlicht und die aktuellen State-of-the-Art-Baselines hinsichtlich Robustheit und Effizienz signifikant übertroffen werden.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Das Problem: Der „Lost in the Middle“-Agent
Stellen Sie sich vor, Sie stellen einen sehr intelligenten, aber etwas vergesslichen Forschungsassistenten (einen KI-Agenten) ein, um spezifische Informationen im Internet zu finden. Sie stellen ihm eine komplexe Frage, wie zum Beispiel: „Finde mir 30 Zoohandlungen in Nordamerika, die im letzten Jahr um über 50 % gewachsen sind, und ermittle die Telefonnummer des Verkaufsleiters.“
Aktuelle KI-Assistenten versuchen dies zu lösen, indem sie in ihrem Kopf eine lange, fortlaufende Geschichte schreiben. Sie denken: „Ich suche nach Geschäft A, dann nach Geschäft B, dann prüfe ich deren Wachstum...“ Während sie tiefer graben, wird diese mentale „Geschichte“ riesig. Irgendwann wird der Assistent überfordert. Er vergisst den Anfang der Geschichte, verliert den Überblick darüber, welche Geschäfte er bereits überprüft hat, oder kommt durch das schiere Volumen der Notizen durcheinander. In dem Paper wird dies als „Lost in the Middle“ bezeichnet. Er findet vielleicht die richtigen Geschäfte, vergisst aber, die Telefonnummern zu notieren, oder er halluziniert (erfindet) Fakten, weil sein „Gedächtnis“ zu überladen ist.
Die Lösung: Das „Table-as-Search“ (TaS) Framework
Die Autoren schlagen eine neue Art vor, diese Arbeit zu organisieren. Anstatt eine lange, chaotische Geschichte zu schreiben, verwandeln sie die Forschungsaufgabe in das Ausfüllen einer Tabelle (eines Spreadsheets).
Denken Sie an Folgendes:
- Der alte Weg: Zu versuchen, eine Einkaufsliste im Kopf zu behalten, während man durch ein riesiges Lagerhaus läuft, in der Hoffnung, dass man die Milch oder die Eier nicht vergisst.
- Der neue Weg (TaS): Sie haben ein Klemmbrett mit einem Raster. Jedes Mal, wenn Sie ein Produkt finden, schreiben Sie es in ein bestimmtes Feld. Wenn ein Feld leer ist, wissen Sie genau, was Sie noch finden müssen.
Wie es funktioniert: Die drei Rollen
Das System nutzt ein Team von KI-„Agenten“, die gemeinsam um diese digitale Tabelle herumarbeiten:
- Der Planer (Der Manager): Diese KI betrachtet die Frage des Nutzers und erstellt die Tabelle. Sie entscheidet, welche Spalten benötigt werden (z. B. „Name des Geschäfts“, „Wachstumsrate“, „Telefonnummer“). Sie sieht sich die leeren Felder an und sagt: „Okay, wir müssen 30 Geschäfte finden, um diese Zeilen auszufüllen.“
- Die Sub-Agenten (Die Arbeiter): Dies sind die Suchmaschinen. Der Manager schickt sie aus, um Kandidaten zu finden.
- Zeilen-Erweiterung (Row Expansion): Wenn die Tabelle noch nicht genug Geschäfte enthält, suchen die Arbeiter nach neuen, um sie als neue Zeilen hinzuzufügen.
- Zell-Befüllung (Cell Population): Wenn ein Geschäft gefunden wurde, aber das Feld „Telefonnummer“ noch leer ist, suchen die Arbeiter gezielt nach dieser einen Information, um dieses spezifische Feld auszufüllen.
- Die externe Datenbank (Der Aktenschrank): Anstatt zu versuchen, alle Suchergebnisse im Kurzzeitgedächtnis der KI zu halten (das begrenzt ist), existiert die Tabelle in einer externen Datenbank. Die KI schaut nur auf die Teile der Tabelle, die sie gerade jetzt benötigt. Das hält das „Gehirn“ der KI frei für das Denken, nicht nur für das Speichern von Daten.
Was sie getestet haben
Das Paper testete diese Methode bei drei Arten schwieriger Suchaufgaben:
- Tiefe Suche (Deep Search): Die Suche nach der einen Nadel im Heuhaufen (z. B. „Finde den einen Sänger, der diese 5 spezifischen Kriterien erfüllt“).
- Breite Suche (Wide Search): Das Finden eines riesigen Stapels Nadeln (z. B. „Liste jeden Preisträger von 2005 bis 2015 auf“).
- Tiefe-Breite Suche (DeepWide Search): Die schwierigste Variante. Einen riesigen Stapel Nadeln finden und gleichzeitig verifizieren, dass jede einzelne strengen Regeln entspricht (z. B. „Finde 30 Geschäfte, die diese 5 Regeln erfüllen UND ermittle deren Telefonnummern“).
Die Ergebnisse: Warum es besser ist
Das Paper behauptet, dass TaS signifikant besser ist als aktuelle State-of-the-Art-Methoden (wie die Standard-„ReAct“-Methode, die von vielen großen KI-Unternehmen verwendet wird).
- Es geht nicht verloren: Da die Tabelle genau verfolgt, was erledigt ist und was noch fehlt, verliert die KI nie ihren Plan, selbst bei sehr langen Suchen.
- Es ist effizienter: Es fand bessere Antworten mit weniger Suchversuchen als die Konkurrenz. Es musste sich nicht durch „Brute-Force“ hindurchkämpfen, sondern war präzise.
- Es funktioniert mit kleineren Gehirnen: Überraschenderweise schlug ein kleineres, günstigeres KI-Modell mit dieser „Tabellen“-Methode ein viel größeres, teureres KI-Modell mit der alten „Geschichten“-Methode. Die Struktur half dem kleineren Modell, über sich hinauszuwachsen.
- Es ist flexibel: Der „Manager“ kann die „Arbeiter“ austauschen. Wenn Sie ein spezialisiertes Werkzeug zur Suche von Telefonnummern haben, können Sie dieses einbinden, ohne das gesamte System zu unterbrechen.
Zusammenfassend
Das Paper argumentet, dass KI-Agenten, wenn sie lange, komplexe Internet-Schnitzeljagden durchführen, sich nicht auf einen chaotischen Bewusstseinsstrom verlassen sollten. Stattdessen sollten sie eine strukturierte Tabelle verwenden, um ihre Notizen organisiert zu halten. Diese einfache Änderung verhindert, dass sie verwirrt werden, hilft ihnen, genauere Antworten zu finden, und ermöglicht es ihnen, mit weniger Rechenleistung mehr zu erreichen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.