Our paper on state-of-the-art AI agents has been accepted at IEEE Big Data, a world-leading conference

論文採択

株式会社mignのメンバーと技術顧問による最新のAIエージェントに関する論文「MARC-RAG: Multi-Agent Routing and Co-adaptation for RAG」が、世界トップカンファレンスであるIEEE International Conference on Big Data（IEEE Big Data 2026）に採択されました。

IEEE Big Dataについて

IEEE Big Dataは、電気・情報工学分野の世界最大の学会であるIEEEが主催する、ビッグデータ分野を代表する世界トップレベルの国際会議です。世界中の研究者・企業から投稿される論文は厳格な査読を経て選抜され、ビッグデータに関する基礎研究から産業応用まで、最先端の研究成果が毎年発表されます。IEEE Big Data 2026は、2026年12月14日から17日にかけて米国アリゾナ州フェニックスで開催されます。

IEEE Big Data 2026 公式サイトへ

採択論文の概要

採択されたのは、文書検索と言語モデルによる生成を組み合わせるRAG（Retrieval-Augmented Generation、検索拡張生成）を、複数のAIエージェントの協調によって高度化する研究です。以下は、最終提出前の原稿のAbstractに基づく概要です。

RAGは、固定的な検索パイプラインから、計画・検索・情報の取捨選択・回答生成を複数ターンにわたって自律的に行うエージェント型のシステムへと進化しつつあります。しかし既存の手法には、処理の流れを固定すれば全体を一括で学習できる一方で問い合わせごとに構成を変えられず、逆に構成を動的に変えられる手法では計画を立てるPlannerだけを学習して実行役のExecutorを固定してしまうため、戦略と実行がかみ合わないという本質的なトレードオフがありました。本論文で提案するMARC-RAGは、計画と実行を協調的なマルチエージェント過程として捉え、共通の言語モデルを基盤にPlannerと専門化された各Executorを構成し、成果と効率の両方を報酬として全体を同時に最適化する動的なAgentic RAGフレームワークです。これによりPlannerはExecutorの能力を踏まえたワークフローを学び、ExecutorはPlannerの戦略意図に沿って専門化するという相互適応（co-adaptation）が実現します。7つのオープンドメイン質問応答ベンチマークでの実験では平均F1スコア53.86を達成し、最も強力な比較手法の平均を8.29ポイント上回りました。また、コストペナルティの調整によって精度と効率のトレードオフを制御できること、固定的なルールではなくタスクに応じたワークフローと文書選択の方針を学習していることも示されています。

著者

Harsh Chandra（株式会社mign）
對間昌宏（Masahiro Taima、株式会社mign）
Jikai Li（株式会社mign）
Hiroki Yoda（株式会社mign）
Bui Quang Thanh（株式会社mign）
河原大輔（Daisuke Kawahara、早稲田大学）
池田靖史（Yasushi Ikeda、東京大学）

河原大輔氏は、早稲田大学理工学術院基幹理工学部教授で、自然言語処理・大規模言語モデルを専門とし、株式会社mignの技術顧問を務めています（河原研究室）。

池田靖史氏は、東京大学特任教授で、建築情報学・コンピュテーショナルデザイン・デジタルコンストラクションを専門とし、株式会社mignの技術顧問を務めています（池田研究室）。

mignは今後も、大学・研究機関と連携しながらAIエージェントの研究開発を推進し、その成果をプロダクトとして社会に実装してまいります。