公開：2026年9月7日, 最終更新：2026年9月7日
30秒サマリー
- 35B・397B規模の2モデルからなる検索エージェント「Iris」の訓練手法と評価結果をarXiv論文で公開
- ウェブコーパスのハイパーリンク構造から多段推論問題を自動生成し、SFTとRLを交互に繰り返す独自訓練法を採用
- BrowseCompなど主要4ベンチマークでオープンソース勢最高水準のスコアを達成し、モデル重みと訓練レシピを公開予定
何が起きたか
2026年9月3日、Ziyuan Liuら9名の研究者がarXivに論文「Iris: Climbing to the Search Frontier」を投稿した。論文では、35B-A3Bパラメータ規模の「Iris-mini」と397B-A17Bパラメータ規模の「Iris-pro」という2つの検索エージェントと、その訓練パイプライン・レシピを報告している。
訓練データの生成手法が特徴的で、ウェブコーパスのハイパーリンク構造を逆利用し、シードページとその外部リンクから抽出したエンティティグラフ上で多段（マルチホップ）推論チェーンを自動生成する。回答エンティティ以外を記述的な言い換えに置き換えることで文字列マッチングによる解答を防ぎ、参照モデルがクローズドブック（資料なし）では解けないがエビデンスが与えられれば解ける問題のみを採用する設計となっている。
訓練手順は「SFT-RLクライミング」と呼ばれる交互反復方式で、教師あり微調整（SFT）とライブ検索に対する強化学習（RL）を交互に実施する。評価は推論時のコンテキスト管理あり・なしの両条件で実施し、サブエージェントやテスト時検証を使わない単一のReActエージェントで行われた。BrowseComp、BrowseComp-ZH、DeepSearchQA、HLEの4ベンチマークにおいて、Iris-miniは82.2/84.8/86.9/52.3、Iris-proは88.6/85.1/92.9/56.4のスコアを記録し、各パラメータ規模のオープンソース検索エージェントとして最高水準の総合結果と論文は主張している。モデル重みとデータ構築・訓練・評価の完全なレシピを公開する計画が示されている。
原典ハイライト
論文が強調するのは「推論時のコンテキスト管理」の重要性で、「ほとんどのシステム間で報告されている差異より、このベンチマーク上では価値が高い」と明記している。また、サブエージェントや外部検証なしの単一ReActエージェントで最高水準を達成した点も特筆されている。
出典: arXiv cs.AI（論文）
So What?（なぜ重要か）
大規模言語モデルを使った検索エージェントの性能は、モデルサイズだけでなく「訓練データの質とコンテキスト管理の設計」が決定的な差を生むことを、この研究は示唆している。モデル重みと訓練レシピが公開予定であるため、企業が自社環境に応用できる実装の参照点が増える可能性がある。
日本企業への示唆
社内検索や競合調査・規制リサーチなど多段推論が必要な業務にAIエージェントを導入する際、本論文の訓練手法（ハイパーリンク構造からの問題自動生成、SFT-RLの交互訓練）とコンテキスト管理の設計は実装指針として参照価値がある。モデル重みとレシピの公開後は、クローズドモデルに依存しない自社運用型エージェントの構築コストを下げられる可能性があり、情報管理上の要件が厳しい日本企業にとって特に注目に値する。ただし論文段階であり、実務適用には追加検証が必要な点に留意が必要。
背景・経緯
検索エージェント研究では、複数ステップの推論と外部情報取得を組み合わせるReActフレームワークが広く用いられている。BrowseCompやHLEはウェブ検索能力を評価する代表的なベンチマーク。本論文はオープンソースモデルとして最高水準を主張しているが、比較対象の詳細は原文では限定的な記述にとどまっている。
