Test-Time Diffusion Deep Researcher

TL;DR

Google のメンバーが 2025 年 7 月に発表した、Deep Research の精度を上げるための手法。ユーザの質問に対してまず回答の下書きを作り、それを最大 20 回ブラッシュアップする。この改良の過程を Diffusion（拡散）と呼んでいる。

なぜ必要か

従来の Deep Research の実装（GPT Researcher、Open Deep Research など）は、アルゴリズムが直線的で柔軟性がなかった。検索中に重要な事実に気付いても、その後の調査は最初の計画どおりに進む。その結果、想定とは異なる方向に調査が進み、精度が低くなっていた。

仕組み

人間が文章を書くときの、下書きを書いては直すプロセスに着想を得ている。手順は次のとおりである。

1. 下書きと調査の計画を作る。
2. 現在の下書きと計画を基に Web 検索を行い、その結果を踏まえて下書き全体をブラッシュアップする。これをノイズ除去と呼ぶ。
3. 2 の検索を繰り返す間に、計画など各要素そのものも変えていく。これを自己進化（Self-Evolution）と呼ぶ。
4. ノイズ除去を最大 20 回繰り返したら、最終的な成果物を生成する。

ポイントは、検索のたびに一部を書き足すのではなく、下書き全体を直すことである。

関連

• Deep Research
• LLM

出典

• Deep Researcher with Test-Time Diffusion（arXiv）
• https://zenn.dev/knowledgesense/articles/5a341158c2c9ab
• https://note.com/rami_engineer/n/n94a918fc0b4b