Pi-Serini을 이용한 에이전트 검색 재고찰: 어휘적 검색만으로 충분할까?

대규모 언어 모델(LLMs)이 에이전트 루프에서 더 능숙해짐에 따라, 어휘적 리트리버가 충분할까요? 이 질문은 심층 연구 시스템을 구축할 때 자연스럽게 발생합니다. 우리는 BM25를 추론 및 도구 사용 능력이 뛰어난 최첨단 LLMs와 결합하여 이를 재검토합니다. 같은 질문을 하는 연구자들을 지원하기 위해, 문서를 검색(retrieving), 탐색(browsing), 읽기(reading) 위한 세 가지 도구를 갖춘 검색 에이전트 Pi-Serini를 소개합니다. 우리의 결과는 BrowseComp-Plus에서 충분한 검색 깊이를 가진 잘 구성된 어휘적 리트리버가 더 능숙한 LLMs와 결합될 때 효과적인 심층 연구를 지원할 수 있음을 보여줍니다. 구체적으로, gpt-5.5와 함께 사용된 Pi-Serini는 83.1%의 답변 정확도(answer accuracy)와 94.7%의 표면화 증거 회수율(surfaced evidence recall)을 달성하여, 밀집 리트리버(dense retrievers)를 사용하는 공개 검색 에이전트를 능가합니다. 통제된 제거 실험(Controlled ablations)은 또한 BM25 튜닝이 기본 BM25 설정 대비 답변 정확도를 18.0% 향상시키고 표면화 증거 회수율을 11.1% 향상시키는 동시에, 검색 깊이를 늘리는 것이 얕은 검색 설정 대비 표면화 증거 회수율을 25.3% 추가로 개선함을 보여줍니다. 소스 코드는 https://github.com/justram/pi-serini에서 확인할 수 있습니다.