QuarkMedSearch：医療インテリジェンスを探索するための長期ホライゾン・ディープサーチエージェント

要旨: エージェント型基盤モデルが進化し続ける中で、縦型領域における性能をさらに向上させるにはどうすればよいかが重要な課題となっています。そこで本研究では、強力なエージェント型基盤モデルであるTongyi DeepResearchを基盤として、主に中国の医療向けディープサーチのシナリオに焦点を当て、医療のマルチホップデータ構築、学習戦略、評価ベンチマークにまたがる完全なパイプラインアプローチを体系的に探究することで、縦型領域におけるその性能の上限をさらに押し上げ、評価するQuarkMedSearchを提案します。具体的には、データ合成に関しては、医療領域におけるディープサーチの学習データが希少であるという課題に対処するため、大規模な医療知識グラフとリアルタイムのオンライン探索を組み合わせることで、長期的な医療ディープサーチの学習データを構築します。事後学習では、ディープサーチに必要な計画、ツール呼び出し、そしてリフレクション能力を段階的に高める、二段階のSFT（教師あり微調整）とRL（強化学習）の学習戦略を採用しつつ、探索効率を維持します。評価では、医療専門家と協力して、厳密な手動検証によりQuarkMedSearch Benchmarkを構築します。実験結果は、QuarkMedSearchがQuarkMedSearch Benchmarkにおいて、同程度の規模のオープンソースモデルの中で最先端の性能を達成していることを示すと同時に、一般ベンチマークでも強い競争力を維持していることを明らかにしています。