※本記事は一次情報をもとにAI支援によって構成・作成し、事実関係の照合を行っています。
発表内容（事実）
2026年10月27日、Meituan LongCatチームのHe Zhu氏ら30名の著者により、ディープリサーチシステム「LongCat-DeepResearch」に関する技術レポートがarXiv上で公開されました。本作は、拡張されたLongCatモデルとマルチエージェントワークフローを組み合わせることで、証拠に基づいた包括的なレポートを作成するシステムです。
本システムのワークフローは、グローバルな計画の策定と詳細な調査を分離し、セクション単位での修正を調整する仕組みを採用しています。複数のプランニングエージェントが外部ソースを探索して「ResearchSpec」と呼ばれる実行可能な調査計画を精査し、その後にリサーチエージェントが割り当てられたセクションを並行して調査・ドラフト作成します。セクションが組み立てられた後は、グローバルレビューによって局所的な修正が誘導され、レポート全体の繰り返し書き換えへの依存が軽減されます。
性能評価において、LongCat-DeepResearchは「DeepResearchBench」で55.25、「DeepResearchBench II」で51.35、「ResearchRubrics」で79.83のスコアを記録しました。また、社内ベンチマークでは76.04を記録し、比較された4システムの中で第2位にランクインしています。
この記事のポイント
- Meituan LongCatチームが「LongCat-DeepResearch」の技術レポートを公開した
- グローバルな計画策定と詳細な調査を分離し、セクション単位で修正を行うマルチエージェントワークフローを採用している
- DeepResearchBenchで55.25、DeepResearchBench IIで51.35、ResearchRubricsで79.83のスコアを記録した
- 社内ベンチマークでは76.04を記録し、4システム中第2位に位置付けられている
考察（筆者の見解）
事実として、LongCat-DeepResearchはグローバル計画と詳細調査を分離するワークフローを導入し、複数のベンチマークテストにおいて具体的な数値を達成しています。推測として、セクション単位での並行処理や個別コンテキストでの証拠収集を取り入れた設計は、大規模なレポート生成における処理効率やコンテキスト管理の課題に対するアプローチとして機能していると見られます。筆者は、全体を一度に書き直す従来の手法から脱却し、セクションごとの計画とレビューを組み合わせる手法が、今後の自律型リサーチエージェントの標準的なアーキテクチャに影響を与える可能性があると考えます。
コメント