EviSeek、質問に必要な証拠を明示して行動を選ぶ枠組みを発表

何が起きたか

EviSeekに関する論文が2026年11月4日、arXivで公開された。質問に答えるために必要な証拠を明示的な取得目標とし、観察に応じた行動と、選択的に保持する情報を結びつける学習不要の枠組みを提案している。ESI-Benchの3,436問では、単一モデルのエージェントと比べ、Qwen3-VL-32Bで正答率が7.1ポイント、Gemini 3.1 Proで3.7ポイント向上した。

詳細

論文は、行動計画や過去の履歴だけでは、各行動が回答に必要な何の情報を得るためのものかが明確にならない場合があると指摘する。EviSeekは質問から証拠の要求を定め、観察に条件づけた行動の選択と、得た証拠の選択的な保持を、その要求に沿って組織する。 著者らは、視覚的根拠で重み付けした正答率も改善し、平均トークン使用量も減少したと報告している。抄録には、それぞれの改善幅や評価条件の詳細は示されていない。

Key Facts

本紙の見方

EviSeekの特徴は、身体を動かして情報を集めるエージェントの行動を、単に「次に何をするか」ではなく「回答に必要な何を確かめるか」から組み立てる点にある。行動計画と履歴を持たせるだけでは、行動の情報上の目的が暗黙のまま残り得るという問題設定に対し、質問由来の証拠要求を取得目標として明示する。新しさは、行動選択と情報の保持を同じ証拠要求に結びつけた設計にあり、身体性を伴う情報探索そのものを新たに実現した、あるいは特定のロボットで実証したという主張ではない。 評価では同じ3,436問のベンチマーク上でも、Qwen3-VL-32Bの改善幅が7.1ポイント、Gemini 3.1 Proが3.7ポイントと異なる。したがって、報告された結果は証拠中心の設計が両条件で有効だったことを示す一方、改善の大きさが基盤モデルに左右される可能性も示している。ただし、抄録だけでは比較対象となる単一モデルの具体的構成や、問題群の内訳は確認できず、この差をモデル特性の違いに結びつけることはできない。 構造面では、質問から必要な証拠を定め、それを得るための観察・行動を選び、取得した情報を選択して残す、という処理の連鎖が中核になる。平均トークン使用量の減少と視覚的根拠を考慮した正答率の改善が併記されたことから、情報を多く蓄積するより、回答に関係する証拠を選ぶことを重視する設計と読める。ただし、削減量や両指標の算出条件が示されていないため、効率と回答の根拠性の改善幅を比較したり、実運用での計算コストに換算したりはできない。 次に確認すべきなのは、ESI-Benchでの問題構成、各モデルの評価条件、視覚的根拠の採点方法、トークン使用量の減少幅である。また、論文の抄録はベンチマーク結果を示すにとどまり、実機での行動性能や安全性、異なる環境への適用性、証拠の選択的保持が長い探索でどう働くかは記していない。ベンチマーク上の改善を、物理環境での信頼性にそのまま拡張できるかが未確定の論点となる。

なぜ重要か

身体を使って情報を集める質問応答では、行動が回答に必要な証拠の取得につながるかが重要になる。EviSeekはその目的を明示し、証拠に沿った行動選択と情報保持を結びつける設計を提示したが、報告された改善はベンチマーク上の結果であり、実機での有効性を示すものではない。