MindDR 1.5 - Li Autoが発表したマルチエージェント深層研究フレームワーク

MindDR 1.5とは何ですか？

MindDR 1.5は、Li Auto Information Agent Teamが開発したマルチエージェント深層学習フレームワークです。わずか約30バイトのパラメータで、DeepResearch Benchにおいて52.54という業界トップレベルのスコアを達成しました。このフレームワークは、Planning、DeepSearch、Reportの3つのエージェントによる協調アーキテクチャを採用し、SFTコールドスタート、Search-RL、Report-RL、および選好アライメントの4段階のトレーニングパイプラインを組み合わせています。高コストな中間トレーニングを省略することで、トレーニングトークンを71.4%、トレーニング時間を60%削減し、低コストで高性能な深層学習機能を実現しています。現在、Li Autoのオンライン製品に導入されています。

MindDR 1.5の主な機能

• インテリジェントなタスクプランニングプランニングエージェントは、ユーザーからの問い合わせを自動的に独立したサブタスクに分解します。
• ディープ並列検索DeepSearchエージェントは、複数回の探索、検証、および長距離推論を実行します。
• 高品質なレポート生成レポートエージェントは、複数の情報源からの証拠を統合し、構造化された長文レポートを出力します。
• メモリの共有とトレースこれは、拡張思考連鎖（XoT）とツールメモリを通じて、エージェント間の情報フローとトレーサビリティを実現します。
• マルチツール環境呼び出しWeb、データベース、ブラウザ、Pythonなどに対応した統一ツールインターフェースをサポートします。

MindDR 1.5の技術的原則

• マルチエージェント協調アーキテクチャ深層研究プロセス全体は、プランニングエージェント、ディープサーチエージェント、レポートエージェントという3つの明確に定義されたインテリジェントエージェントに分割されます。XoT推論軌跡とツール呼び出し記録はメモリモジュールを介して共有されるため、単一モデルの長時間のコンテキスト展開や機能結合による干渉を回避できます。
• 4段階のトレーニングパイプライン：
  • SFTコールドスタートツール呼び出し、フォーマット準拠、および複数ラウンドの推論に関する基本的な動作を確立する。
  • Search-RL実際のツール環境に基づいて、オンライン強化学習が実装され、動的な報酬スケジューリング（ツール呼び出し→フォーマット→PRM→ORM進行）を用いて、ロングリンク検索と意思決定の効率を最適化します。
  • Report-RL主な報酬は、RACEルーブリック（包括性、洞察力、読みやすさ、指示への準拠）に基づき、引用と書式設定に関する報酬と組み合わせることで、長文レポート作成の質を最適化するものです。
• 優先順位の一致DPOとSelf-SFTを使用することで、時間的な一貫性や表の書式設定といった、きめ細かなユーザーエクスペリエンスの問題を解決し、人間の好みに合わせることができます。
• データ合成Baidu百科事典と英語版Wikipediaを基に知識グラフを構築する。サブグラフサンプリング、マルチホップQA生成、条件の難読化、品質フィルタリングを経て、高品質な複雑推論トレーニングデータを生成する。このデータを実際のユーザークエリと組み合わせることで、分布のギャップを埋める。

MindDR 1.5の主要情報と使用要件

• 開発チームLi Auto情報インテリジェンスエージェントは、Li Autoチームによって独自に開発および保守されています。
• オープンソースのステータス技術報告書と論文は既に公開されている（arXiv 2604.14518）が、モデルの重みと製品インターフェースはまだオープンソース化されていない。
• パラメータサイズ本システムは、約300億個のパラメータを持つ高密度モデルとMoEモデルを用いたデュアルパスアプローチを採用し、同規模のオープンソースシステムにおいて卓越した性能を実現している。
• 研修費用MindDR 1.0と比較して、トレーニングトークンの数は71.4%削減され、トレーニング時間は60%短縮され、大幅な効率向上を実現しました。
• 製品形態これはLivisオンライン製品の中核機能として導入されており、実際のユーザーシナリオに基づいた詳細な調査サービスを提供しています。
• 評価基準これには、DeepResearch Bench、MindDR Bench、BrowseComp、xbench-DS、WideSearchなど、複数の詳細検索および調査レポート評価システムが含まれます。

MindDR 1.5の主な利点

• 低コストで高性能30Bレベルの小型モデルでトレーニングの途中段階を省略し、マルチステージトレーニングによって業界トップクラスのパフォーマンスを実現することで、トレーニングと推論のコストを大幅に削減します。
• 知能エージェントには明確な分業体制がある3つのエージェントを用いることで、探索と書き込みを分離し、エンドツーエンドのトレーニングにおける報酬の疎性や能力の干渉といった問題を回避し、並列サブタスクの実行をサポートする。
• ダイナミックで段階的な報酬Search-RLは、閾値に基づいて動的に報酬をスケジュールする方式を採用し、基本的なツール呼び出しから深層推論による最適化へと段階的に移行することで、能力の「洞察力」の飛躍をシミュレートします。
• 現実世界との整合性MindDR Benchは、500件の実際のユーザークエリに基づいて構築されており、評価項目はコンテンツの品質とプレゼンテーション形式を網羅し、ユーザーエクスペリエンスに直接的に結びついています。
• 効率的な検索決定同レベルの精度において、ツール呼び出し回数とコンテキストトークン消費量は、同規模の競合製品と比較して大幅に少なく、精度と効率性の両方を実現しています。

MindDR 1.5プロジェクトのアドレス

• ハギングフェイスモデルライブラリ：https://huggingface.co/papers/2604.14518
• arXiv技術論文：https://arxiv.org/pdf/2604.14518

MindDR 1.5と類似製品との比較

MindDR 1.5の応用シナリオ

• 自動車産業に関する詳細な調査市場競争のパターン、価格競争戦略、技術革新の方向性といった複雑なビジネス課題を分析する。
• 学術研究支援文献を自動的に検索し、複数の情報源からの証拠を統合し、引用基準に準拠した研究レビューを生成します。
• 金融投資調査上場企業および業界動向に関する情報検証を複数回実施し、構造化されたレポートを作成する。
• 製品意思決定支援膨大な量の公開データとユーザー行動ログに基づいて、実用的なビジネス分析レポートを生成します。
• スマートコックピットに関するQ&AIdeal Classmateの中核的な強みとして、自動車所有者に対して非常に信頼性が高く、詳細な知識に関するQ&Aを提供しています。