会話型助成金発見のためのコンパウンドAIエージェント

要旨: 研究資金の発見は、根本的に断片化したままです。研究者は、（たとえば米国では）NSF、NIH、DARPA、Grants.gov といったさまざまな機関のポータルを、インターフェース、検索機能、データスキーマが異なる状態でそれぞれ個別に行き来しています。本研究では、この状況を密に結合した2つの構成要素によって統合する複合AIシステムを提示します。(1) LLM搭載のブラウザエージェントを用いて、断片化された情報源からほぼ12,000件の連邦および非営利の機会を自律的に収集し、正規化し、インデックス化し、隔週更新される統一データベースを維持する集約レイヤー。および(2) PDF文書を含む研究コンテキストを解釈し、構造化されたインデックスと選択的なウェブ検索を組み合わせたハイブリッド検索によって関連する機会を取得する、ReActベースのエージェント型クエリ処理レイヤー――ただし、LLMの幻覚を回避します。対話型インターフェースは、複数ターンのやり取りによって反復的な改善を可能にし、研究者が核となる研究記述を言い換えずに、制約を段階的に適用できるようにします。結果は中間の推論に対する完全な透明性とともにリアルタイムで逐次出力されるため、ユーザーの信頼の適切な調整が可能になります。現在、ほぼ3,000人以上のユーザーが利用しており、本アプローチは、採択助成金の発見にかかる時間を30--45分（手作業で断片化されたポータルを検索）から10分未満（統一された対話型検索）へと削減するうえで、複合AIの実現可能性を示しています。