ScaffoldAgent: 유틸리티 기반의 동적 개요 최적화 방법론을 활용한 자유로운 심층 연구

ScaffoldAgent: Utility-Guided Dynamic Outline Optimization for Open-Ended Deep Research

자유로운 심층 연구(OEDR)는 시스템이 다단계 정보 검색을 통해 지식을 습득하고 일관성 있는 장문 보고서를 생성해야 하는 것을 요구합니다. 이때 개요는 검색, 증거 구성 및 생성 과정을 조율하는 핵심적인 구조적 기반 역할을 합니다. 그러나 기존 방법들은 대부분 개요를 사전에 고정하거나, 국소적인 휴리스틱을 사용하여 개요를 수정하는데, 이는 지속적인 정보 축적 과정에서 개요가 왜곡되는 현상(scaffold drift)과 함께 개요 수정에 대한 피드백이 지연되는 문제를 야기합니다. 본 논문에서는 OEDR을 위한 유틸리티 기반의 동적 개요 최적화 프레임워크인 ScaffoldAgent를 제안합니다. ScaffoldAgent는 개요 진화를 구조적인 의사 결정 과정으로 모델링하며, 확장(Expansion), 축소(Contraction), 수정(Revision)이라는 세 가지 연산을 통해 보고서 개요를 체계적으로 업데이트할 수 있도록 합니다. 또한, 검색 효율성, 구조적 일관성 및 생성 품질을 기반으로 각 개요 연산의 잠재적인 가치를 추정하는 유틸리티 기반 피드백 메커니즘을 도입했습니다. 이러한 유틸리티 신호는 추론 과정에서 노드 선택, 연산 스케줄링 및 종료 시점을 결정하는 데 활용됩니다. DeepResearch Bench와 DeepResearch Gym에서의 실험 결과, ScaffoldAgent가 기존의 심층 연구 에이전트에 비해 장문 보고서 생성 성능과 사실 기반 정확도를 지속적으로 향상시키는 것을 확인했습니다.

Open-ended deep research (OEDR) requires systems to acquire knowledge through multi-round retrieval and generate coherent long-form reports. The outline plays a central role as a structural scaffold that coordinates retrieval, evidence organization, and generation. However, existing methods either fix the outline before writing or refine it with local heuristics, leading to scaffold drift under continuous information accumulation and delayed feedback for evaluating outline modifications. We propose ScaffoldAgent, a utility-guided dynamic outline optimization framework for OEDR. ScaffoldAgent models outline evolution as a structured decision process with three operations: Expansion, Contraction, and Revision, enabling controlled updates to the report scaffold. It further introduces a utility-guided feedback mechanism that estimates the downstream value of each outline operation from retrieval gain, structural coherence, and trial-generation quality. The resulting utility signal guides node selection, operation scheduling, and termination during inference. Experiments on DeepResearch Bench and DeepResearch Gym show that ScaffoldAgent consistently improves long-form report generation and factual grounding over existing deep research agents.