HybridResearcher: superare il confine tra dati strutturati e non strutturati per gli agenti di ricerca approfondita

Abstract degli autori

Gli agenti basati su LLM sono sempre più capaci di raccogliere e sintetizzare evidenze da un’unica fonte omogenea, come tabelle strutturate o dati non strutturati, ma le domande analitiche del mondo reale coinvolgono spesso fonti eterogenee. Per rispondere a una domanda aziendale, per esempio, potrebbero servire sia un risultato calcolato su un database interno sia evidenze trovate sul web. Valutazioni recenti su benchmark come HybridDeepResearch mostrano che persino gli agenti più avanzati incontrano difficoltà quando le evidenze devono attraversare questo confine. Sebbene questi benchmark abbiano messo in luce il limite, mancano ancora metodologie per insegnare esplicitamente il ragionamento tra fonti diverse. Per affrontare il problema, presentiamo HybridResearcher, un agente 4B addestrato a collegare evidenze al di là del confine tra dati strutturati e non strutturati. Per costruirlo, sintetizziamo traiettorie che collegano fonti diverse partendo da task con una sola fonte già validati, come query text-to-SQL o di ricerca sul web, e creando artificialmente la fonte mancante attorno a un’entità ponte ricavata dall’output del task di partenza. Conserviamo un campione solo quando rigorosi criteri di costruzione confermano che nessuna delle due fonti, da sola, è sufficiente, assicurando che i dati richiedano un’autentica interdipendenza tra fonti diverse. Infine, addestriamo il modello su questo dataset selezionato mediante fine-tuning supervisionato, seguito da apprendimento per rinforzo. Valutato sul benchmark esistente HybridDeepResearch, HybridResearcher supera il nostro modello di partenza, Qwen3.5-4B, di 30,0 punti in pass@8 e il ben più grande Qwen3.5-397B-A17B di 8,3 punti. Migliora inoltre rispetto al proprio modello di partenza su benchmark consolidati basati su una sola fonte, esclusi dall’addestramento (BrowseComp e BrowseComp-Plus), dimostrando che questo complesso ragionamento tra fonti diverse può essere insegnato direttamente a modelli piccoli senza provocare un oblio catastrofico.