証拠は届いているのに使われないAIエージェントの検索がすり抜ける「Evidence Blindness」という現象

AIエージェントに文書を調べさせるとき、たいていの人は「RAG（検索拡張生成）」を思い浮かべる。だが最近のエージェントは、あらかじめベクトル検索で断片を拾ってくるRAGを飛び越えて、コーパス（文書群）そのものにブラウザのように直接アクセスし、フォルダを開き、ファイルを開き、必要な箇所を読みにいく作り方に移りつつある。この「Direct Corpus Interaction（DCI）」という設計を、arXivに2026年8月25日付で公開された論文が正面から検証している。

DCIは「証拠が届いているのに使われない」

論文はまず、DCIの利点を確認する。RAGと違い、コーパス全体に常時アクセスできるため、検索漏れのリスクは原理的に小さくなるはずだ。しかし著者らは、実際にはそうならないケースがあると指摘する。要旨の該当箇所はこうだ。

"Required evidence may fail to surface, a surfaced supporting document may remain unopened, or an opened document may fail to expose its decisive fragment. We call this progressive silent loss Evidence Blindness and quantify it through stage-wise evidence realization."

必要な証拠がそもそも表面化しない、表面化した支援文書が開かれないまま終わる、あるいは開かれた文書がその核心となる断片を提示し損なう——この3段階のいずれかで静かに証拠が失われていく現象を、論文は「Evidence Blindness（証拠の見落とし）」と名付け、段階ごとの「証拠実現率」で定量化している。

「探せていない」のではなく、「探した先に証拠はあったのに、拾い切れなかった」という点が、この命名の芯にある。有限の対話予算（finite interaction budgets）の中で、コーパスへのアクセス権があること自体は、証拠を実際に使い切れることを保証しない、というのが論文の出発点だ。

提案手法AtlasNav:コーパスを「一度だけ」地図化する

問題を整理したうえで、論文は対策として「AtlasNav」という枠組みを提示する。従来の動的ワークスペース型手法は、クエリごと・軌跡ごとにその場でコーパスの構造を組み立て直していたのに対し、AtlasNavはコーパス全体を一度だけ「Corpus Atlas」として組織化し、個々のクエリはそのアトラスの上を適応的にナビゲートする、という設計に切り替えている。

"We introduce AtlasNav, a persistent multi-view corpus-navigation framework that retains direct corpus interaction but organizes the corpus once into a Corpus Atlas, allowing each query to navigate adaptively rather than reconstruct shared structure."

再構築のコストを毎回払うのではなく、事前に地図を作っておいて使い回す発想と言えば分かりやすい。

数字:BrowseComp-Plusで92.05%、コストは3割削減

論文が示す主要な結果は次の一文にまとまっている。

"On BrowseComp-Plus, AtlasNav achieves 92.05% strict accuracy while reducing recorded online inference cost by 30.21% relative to the prior dynamic-workspace state of the art."

BrowseCompベースのベンチマークで厳格正答率92.05%を達成しつつ、従来の動的ワークスペース方式より推論コストを30.21%削減した、という結果だ。加えて、PhantomWikiという別のコーパス構成や、1万件から100万件規模までのスケーリング条件でも同じ設計原理が有効であることを確認し、企業向けの雑多な知識ベース（heterogeneous enterprise knowledge）にも一定の再現性をもって転用できたとしている。

社内文書エージェントに要るのは検索精度だけじゃない

この論文の主張が実務者にとって意味を持つのは、「社内wikiやドキュメント群をAIエージェントに直接読ませる」タイプのツールを検討している場面だ。RAGのベクトル検索を経由せず、フォルダ構造をそのままエージェントに渡すアプローチは直感的には万能に見えるが、この研究は「アクセスできる」と「実際に読み切れる」は別問題であることを、段階別の指標という形で可視化している。エージェントに文書探索をさせる設計をする際は、単に検索精度だけでなく「開いたのに核心を読み落とす」という最終段階の歩留まりまで見ておく必要がある、という示唆になる。

RAGの基本的な仕組みについてはRAG（検索拡張生成）とはを、エージェントに渡す情報設計全般についてはコンテキストエンジニアリングとはを参照してほしい。

要旨より先には進めていない範囲

本記事は、当サイトが論文のAbstract（要旨）を読んで書いている。AtlasNavの内部アルゴリズム（Corpus Atlasの具体的な構築手順、各クエリでのナビゲーション判定ロジック）は要旨には詳細が書かれておらず、本文PDF・付録の実験設定までは読み込んでいない。BrowseComp-Plus・PhantomWikiという2つのベンチマークについても、要旨に登場する固有名詞として扱っているだけで、それぞれの構成内容までは確認できていない。また日本語圏での言及状況は、Zenn記事検索APIで「Evidence Blindness」を検索した時点（2026年8月27日）で該当記事0件だったことのみ確認しており、今後増える可能性はある。