Agent Planning Structured Search Data Lakes Exploration-Exploitation
摘要

针对数据湖深度研究中现有方法易陷入局部证据、缺乏全局覆盖的问题,本文提出 Baikal 框架。该框架将异构证据聚类为语义区域,将其转化为预算搜索问题,并采用自适应策略平衡探索与利用。通过在区域内生成子问题并利用发现质量更新价值估计,Baikal 指导智能体在有限预算下进行高效搜索。实验表明,该方法在 HybridQA 和 TAT-QA 数据集上显著优于基线,提升了报告的基础性、多样性和实用性。

AI 推荐理由

论文核心是将深度研究建模为预算搜索问题,通过自适应策略平衡探索与利用进行任务规划。

研究机构
University of Massachusetts Amherst
论文信息
作者 Dhruv Agarwal, Rishitha Guttapalle Mohan, Aarti Kumari, Ashi Sinha, Athulya Anil et al.
发布日期 2026-07-30
arXiv ID 2607.27726
相关性评分 9/10 (高度相关)