리서치 연구
LongCat 기반 심층 연구 보고서 생성 시스템 공개
LongCat-DeepResearch Technical Report
arXivLongCat-DeepResearch는 강화된 모델과 다중 에이전트 워크플로우를 결합하여 전문적인 연구 보고서를 생성하는 시스템입니다.
세 줄 요약
- 글로벌 계획 수립, 세부 조사, 섹션 단위 검토 과정을 분리한 독특한 구조로 보고서 작성의 효율성과 체계성을 극대화했습니다.
- 외부 출처 기반으로 근거가 확실한 전문 보고서 생성이 가능하며, 여러 벤치마크에서 높은 성능을 입증하여 활용도가 높습니다.
- 복잡한 연구 자동화에 유용하지만, 계획 정교화 과정은 상황별로 효과가 다를 수 있으므로 세부 검토가 필요합니다.
LongCat-DeepResearch는 강화된 LongCat 모델과 다중 워크플로우를 결합하여 포괄적이고 근거에 기반한 심층 연구 보고서를 생성하는 시스템입니다. 이 워크플로우는 글로벌 계획 수립, 세부 조사, 섹션 단위 검토 과정을 분리함으로써 보고서 작성의 효율성과 체계성을 극대화했습니다.
시스템은 여러 계획 에이전트가 외부 출처를 탐색하고 실행 가능한 연구 계획(ResearchSpec)을 정교화하는 것부터 시작합니다. 이후 조사 에이전트들이 할당된 섹션을 병렬로 작성하며 분석 과정에서 추가적인 증거를 수집합니다. 최종적으로 글로벌 검토 가이드가 개별 수정 사항을 안내하여, 전체 보고서를 반복해서 다시 쓰는 의존도를 줄이는 구조입니다.
LongCat-DeepResearch는 DeepResearchBench에서 55.25, DeepResearchBench II에서 51.35, ResearchRubrics에서 79.83의 성능을 달성했습니다. 자체 에서는 비교된 네 개 시스템 중 두 번째로 높은 점수인 76.04를 기록했으나, 개발 세트 분석에 따르면 계획 정교화 과정은 상황별로 효과가 다르게 나타날 수 있습니다.
용어 풀이
- 에이전트
- 목표를 받으면 스스로 계획을 세우고 도구를 써서 여러 단계의 작업을 해내는 AI.
- 벤치마크
- 모델 성능을 같은 조건에서 비교하려고 만든 시험 문제 모음.