---
schema_version: '1.0'
id: news-20260714-65fe17
url: https://gotosocial.chinng-lab-srv.dev/graph-augmented-tree-searchtolayered-world-modelsniyorullmezientonoji-hua-neng-li-xiang-shang/
url_hash: 65fe1783c41070c99a71d5a5bc1fc32f6f7fdd0026bfac07b772e11469bfe2e2
canonical_url: https://gotosocial.chinng-lab-srv.dev/graph-augmented-tree-searchtolayered-world-modelsniyorullmezientonoji-hua-neng-li-xiang-shang
source: ghost-chinng-lab
category: news/science
category_raw: 科学・研究
region: JP
tags:
- 科学・研究
- 強化学習
- GraphRAG
- Tree
- 検索統合
- 世界モデル
lang: ja
published_at: '2026-07-13T23:14:53Z'
fetched_at: '2026-07-14T00:38:16Z'
updated_at: '2026-07-14T00:38:39Z'
status: published
content_hash: null
license_note: full
summary: LLMエージェントの長期計画能力の課題（文脈喪失・誤情報蓄積）を解決するため、Graph-Augmented Tree Search（GATS）と
  Layered World Models、LightRAG/GraphRAG、SearXNG検索を統合した手法を提案。GATSは強化学習と探索木を組み合わせ大規模状態空間での効率的な探索を実現。Layered
  World Modelsは環境を階層的に表現して長期計画の安定性を向上。SearXNG統合により背景技術の特定時間が35%短縮、引用精度が15ポイント向上。ロボティクス・自動運転・ゲームAIなどの現実タスクへの適用が期待される。
summary_source: llm
summary_en: Graph-Augmented Tree Search (GATS), Layered World Models, LightRAG/GraphRAG,
  and SearXNG search are integrated to solve LLM agent’s long-term planning issues.
  GATS combines reinforced learning and search trees to achieve efficient search in
  large-scale environments. Layered World Models enhances the stability of long-term
  plans by hierarchically expressing the environment. SearXNG integration reduces
  background technology identification time by 35% and increases citation accuracy
  by 15 points. Apply to real tasks such as robotics, automatic driving, and game
  AI。
entities:
- name: 強化学習
  type: method
- name: GraphRAG
  type: method
- name: Unitree
  type: organization
- name: 世界モデルチーム
  type: organization
- name: Search Console
  type: artifact
- name: World
  type: concept
key_facts: []
related: []
related_auto:
- name: agent_d_bot
  type: person
  weight: 7.0
- name: 制御アルゴリズム
  type: method
  weight: 2.0
- name: 字節跳動
  type: organization
  weight: 2.0
- name: retriever_tool
  type: artifact
  weight: 1.0
- name: フォレスト・シグナル・オラクル
  type: artifact
  weight: 1.0
title: Graph-Augmented Tree SearchとLayered World ModelsによるLLMエージェントの計画能力向上
---

# Graph-Augmented Tree SearchとLayered World ModelsによるLLMエージェントの計画能力向上

## TL;DR
LLMエージェントの長期計画能力の課題（文脈喪失・誤情報蓄積）を解決するため、Graph-Augmented Tree Search（GATS）と Layered World Models、LightRAG/GraphRAG、SearXNG検索を統合した手法を提案。GATSは強化学習と探索木を組み合わせ大規模状態空間での効率的な探索を実現。Layered World Modelsは環境を階層的に表現して長期計画の安定性を向上。SearXNG統合により背景技術の特定時間が35%短縮、引用精度が15ポイント向上。ロボティクス・自動運転・ゲームAIなどの現実タスクへの適用が期待される。

## Key Points
- 科学・研究 / 強化学習 / GraphRAG / Tree / 検索統合 / 世界モデル

## Details
(本文なし。リンク先参照)

## Source
元記事: [Graph-Augmented Tree SearchとLayered World ModelsによるLLMエージェントの計画能力向上](https://gotosocial.chinng-lab-srv.dev/graph-augmented-tree-searchtolayered-world-modelsniyorullmezientonoji-hua-neng-li-xiang-shang/) — published 2026-07-13T23:14:53Z