ATH-MaaS/Marco-DeepResearch

何を解決するか

Marco DeepResearch は、複雑な現実世界のタスクにおいて AI エージェントと人間の専門家とのギャップを埋めるために設計された包括的なイニシアチブです。ドメイン固有の推論、階層的なルール適用、大規模な情報検索における重要な制約を扱い、特に貿易、法務、医療などの垂直分野において顕著です。

仕組み

このプロジェクトは、エージェントのさまざまな能力をターゲットにしたベンチマーク、フレームワーク、モデルのセットで構成されています：

• Table-as-Search：長期間の検索をテーブル補完タスクとして定式化し、『広範（Tabular）』と『深層（Multi-hop）』の検索エージェントを調整する階層的マルチエージェントフレームワークを使用します。
• UMEM（Unified Memory Extraction and Management）：エージェントが対話トレースからインサイトを抽出・管理する方法を最適化する自己進化型メモリシステムで、単純な暗記を回避します。
• Search2Skill：基準に基づく強化学習を使用して、外部検索結果から再利用可能な専門ドメインスキルを抽出するフレームワークです。
• ベンチマーク（HSCodeComp および DeepWideSearch）：関税分類などの階層的ルール適用能力や、深層かつ広範な情報収集能力を評価するための専門的なデータセットです。

対象ユーザー

このプロジェクトは、複雑なビジネスインテリジェンス、国際貿易コンプライアンス、自動カスタマーサービス監査向けの本格的なエージェントを開発する AI リサーチャーおよび開発者向けです。

主な特徴

• 本格的なフレームワーク：高再現率のビジネス開発インテリジェンスに適した Table-as-Search を含む。
• 自己進化型メモリ：UMEM により、エージェントは専門家の正解から学び、数分で行動を更新可能（数日ではなく）。
• 専門的なベンチマーク：HSCodeComp は垂直分野における階層的ルール適用の厳密なテストを提供。
• 効率的なモデル：深層リサーチエージェントタスクに特に最適化された Marco-DeepResearch-8B モデルを含む。