독점에서 오픈소스로: Agentic Search에서 멀티 에이전트 프로토콜 증류를 통한 배포 격차 해소

연구진은 에이전틱 검색 학습을 위한 하이브리드 distillation+RL 프레임워크인 MAPD를 제안했다.

오프라인 멀티에이전트 파이프라인이 검색 흔적을 task type, reasoning plan, grounding facts가 담긴 정규화된 JSON 프로토콜로 변환한다.

이 구조화된 프로토콜은 privileged student branch에 밀집한 감독 신호를 제공해, hidden logits나 직접적인 텍스트 모방에 의존하지 않게 한다.

MAPD는 Qwen3 기반 모델을 포함해 7개 QA 벤치마크에서 기존 distillation 및 RL 방법을 능가했다.

이 방식은 proprietary teacher의 검색·추론 행동을 오픈소스 에이전트로 이전해 지식집약적 작업의 학습을 개선한다.