RAG（検索拡張生成）が登場してから3年——誰もが一つのことだけを最適化し続けてきた：埋め込み（embedding）間の類似度計算。
より高性能な埋め込みモデル、より高速なベクトルデータベース、より洗練されたチャンキング戦略……手法は多様だが、その前提は一度も疑われたことがない：検索とは、すなわち類似度マッチングである。
しかし、ストーニー・ブルック大学のAI研究室「TIGER-Lab」がHugging Face Daily Papersに発表した論文は、この根幹的な前提に正面から挑んだ。投稿当日、87件の高評価を獲得し、ランキング第2位を記録した。
論文タイトルは：『Beyond Semantic Similarity: Rethinking Retrieval for Agentic Search via Direct Corpus Interaction』
（邦題：『意味的類似度を超えて：語料庫への直接インタラクションを通じたAgentic Searchのための検索パラダイム再考』）
要するに——検索を「意味的類似度」に頼るのをやめよ。代わりに、検索エージェントが語料庫と直接対話し、自ら探索することを可能にすべきだ。
意味的類似度検索の本質的限界
論文は、ある特定の状況において意味的類似度検索が原理的に不十分であるという問題を指摘している：ユーザーのクエリに必要な情報が、単一のテキスト断片ではなく、文書内の複数の離れた箇所に分散している場合である。
具体例を挙げよう：
ユーザーが「この企業の財務状況はどうか？」と尋ねたとする。
意味的類似度検索は、このクエリを埋め込みベクトル化し、文書群から「企業の財務状況」という表現と意味的に近い断片を検索しようとする。
しかし、文書中に「当社の財務状況は～である」といった一文が存在しない場合、どうなるだろうか？
収益明細、支出記録、キャッシュフロー報告書、経営陣による討議など、複数のセクションに財務情報が分散している場合、どうだろうか？
意味的類似度検索は、「関連しそうな」断片をいくつか返すだろうが、肝心な情報を見落とす可能性が高い——なぜなら、それらの情報はテキストレベルでユーザーのクエリと類似していないからだ。
「Direct Corpus Interaction」の発想
論文が提案する代替アプローチはこうである：検索システムに類似度マッチングをさせるのではなく、エージェント自身が語料庫の中で「探索」し、「照会」する能力を付与する。
比喩で説明すると：
- 意味的類似度検索：図書館司書が、あなたの要望を聞いて、書棚から「関連しそうな」何冊かの本を選び出す。
- Direct Corpus Interaction：あなた自身が図書館に入り、目次を調べ、相互参照を辿り、手がかりを追跡しながら必要な情報を自ら探す。
後者は柔軟性が高い一方で、より高度な能力を要求する。すなわち、エージェントには以下の機能が不可欠となる：
- 文書構造（目次、章立て、相互参照）を理解する能力
- 探索戦略を動的に調整する能力（ある手がかりから次の手がかりへと遷移する）
- 分散した情報を統合・合成する能力（複数の断片をパズルのように組み立てる）
技術的実装
論文の記述によれば、「Direct Corpus Interaction」の核となるのは、エージェント主導の検索プロセスである：
- 初期探索：エージェントが文書全体の構造（タイトル、目次、概要など）を読み取り、語料庫に対する「地図」を構築する
- 目的指向型照会：ユーザーのクエリに基づき、どのセクションに深く掘り下げるかを自主的に判断する
- クロスバリデーション：異なるセクション間で得られた情報を相互に照合し、整合性を検証する
- 情報統合：収集した情報を統合し、一貫性のある回答を生成する
このプロセスでは、埋め込みも、ベクトルデータベースも、チャンキングも不要である。必要なのは、文書構造を理解し、探索経路を計画し、情報間の関係を推論できるエージェントである。
その代償とは
このアプローチのコストは明確である：各検索ごとにLLMによる推論を実行しなければならず、ベクトル近傍探索のような一回限りの軽量処理ではない。
- ベクトル検索：ミリ秒単位、実質ゼロコスト
- エージェント検索：秒単位、毎回LLMトークンを消費
論文が直視しなければならない問いは極めてシンプルである：精度向上という成果が、この追加コストを正当化するに足るのか？
ある種のユースケースでは、その答えは明確に「イエス」である：
- 法的相談：一つの条項を見落とすだけで、結論が根本から覆る可能性がある
- 医療診断：異なる検査レポートに散在する手がかりが、唯一の診断鍵となることがある
- 学術研究：複数論文にまたがる情報の統合は、本質的な要請である
一方で、以下のようなシナリオでは、依然として意味的類似度検索が現実的かつ効率的な選択肢である：
- FAQ型の質問応答
- 単純なドキュメント検索
- 遅延に極めて敏感なアプリケーション
より深い示唆
本論文が持つ真の意義は、研究の方向性そのものを変えるものにある：「検索をいかに良くするか？」という問いから、「検索とはそもそも何か？」という問いへと、パラダイムシフトが起こっているということである。
過去3年のRAG研究のほとんどは、既存の検索パラダイムの枠組み内で最適化を追求してきた——より良い埋め込み、より高速なベクトルインデックス、より精密な再順位付け。しかし、TIGER-Labの本論文は、もっと根源的な問いを投げかけている：もし検索が単なる「類似テキストの抽出」ではなく、「知識空間におけるナビゲーション」であるならば、そのアーキテクチャ全体をどのように設計すべきか？
この問いは、当メディアが以前に報じたPageIndex社の「ベクトルレスRAG（vectorless RAG）」の方向性とも共鳴するが、TIGER-Labのアプローチはさらに具体的である——それは単に「ベクトルを使わない」という技術的選択ではなく、エージェントが主体的にインタラクションするという「能動的探索」のモードに焦点を当てている点にある。
総合評価
「Direct Corpus Interaction」は、特に複雑な文書理解やマルチホップ推論を要する領域において、高い潜在的可能性を秘めている。しかし、これは意味的類似度検索を「置き換える」ものではなく、両者の役割分担が異なるという認識が重要である。
最も現実的な将来像は、両者を併用するハイブリッドアプローチだろう：
- 単純なクエリにはベクトル検索を、
- 複雑なクエリにはエージェントによる探索を適用する。
あるいは、さらに先進的な形として——エージェント自身が、状況に応じてどちらの検索戦略を採用するかを自律的に判断することも考えられる。
主要出典：
- Hugging Face Daily Papers - 2026年5月8日号
- TIGER-Lab, "Beyond Semantic Similarity: Rethinking Retrieval for Agentic Search via Direct Corpus Interaction"