Web2BigTable: 검색을 표로 — OnePageDaily

Agentic Search

웹 검색의 다음 병목
답변이 아니라 BigTable

Web2BigTable은 에이전트 검색을 ‘잘 찾기’에서 ‘검증 가능한 행·열·셀 생산’으로 옮긴다.

웹 검색 에이전트가 가장 난감해지는 순간은 긴 답변을 쓰는 때가 아닙니다. 여러 회사, 여러 출처, 여러 속성을 한 표에 맞춰 채워야 할 때입니다. Web2BigTable은 이 문제를 오케스트레이터와 병렬 워커로 나눕니다. 위에서는 질문을 쪼개고, 아래에서는 워커들이 웹을 뒤지며 shared workboard에 흔적을 남깁니다. 핵심은 멋진 챗봇 UI가 아니라, 분해·실행·검증의 루프입니다. WideSearch와 XBench-DeepSearch 숫자가 보여주는 것도 바로 그 운영 구조의 힘입니다.

38.50

WideSearch Avg@4 성공률

80.12

WideSearch Item F1

73.0%

XBench-DeepSearch 정확도

▼ SCROLL

왜 Web2BigTable이 눈에 띄는가

Scene

검색이 표가 되는 순간

한 문장 답변보다 어려운 일

자연어 질문과 목표 스키마를 받아 구조화된 표를 만든다
행은 엔티티, 열은 속성, 셀은 웹 근거로 채운다
wide search와 deep search를 같은 프레임에서 다룬다

Architecture

위에서 쪼개고 아래서 판다

Bi-Level Multi-Agent 구조

상위 오케스트레이터가 하위 문제로 분해한다
최대 10개 Memento-S 워커가 병렬 실행한다
각 워커는 부분 결과를 BigTable로 합친다

Coordination

에이전트들이 같은 칠판을 본다

Shared Workboard의 역할

워커가 진행 상황과 부분 근거를 공유한다
중복 탐색을 줄이고 빈 칸을 찾아 메운다
상충하는 증거를 조정해 표의 일관성을 높인다

Learning

모델을 고치지 않고 전략을 고친다

Run-Verify-Reflect 루프

학습 때 gold reference와 출력 표를 대조한다
오류 패턴을 묶어 decomposition skill을 갱신한다
실행 skill도 외부 메모리에 사람 readable 형태로 남긴다

Evidence

숫자는 넓은 검색에서 튄다

WideSearch 결과의 의미

Avg@4 성공률 38.50으로 두 번째 5.10 대비 7.5배
Row F1 63.53으로 행 커버리지를 크게 끌어올린다
Item F1 80.12로 셀 단위 속성 추출도 강하다

Caveat

추론 때는 반성하지 않는다

운영 품질은 메모리에 달린다

Evolve 단계는 training only로 동작한다
추론 때는 frozen skill bank를 읽고 single forward pass를 돈다
워크보드와 외부 메모리 품질이 실제 신뢰도를 좌우한다

일반 웹 검색 vs Web2BigTable

쟁점	Naive web search	Web2BigTable
여러 엔티티를 표로 모을 때	검색 결과를 순서대로 읽고 사람이 행을 맞춘다	오케스트레이터가 엔티티·카테고리·시간 등으로 분해한다
속성별 근거가 충돌할 때	마지막으로 본 출처나 더 그럴듯한 문장에 끌린다	shared workboard에서 부분 결과와 충돌을 조정한다
긴 multi-hop 단서가 필요할 때	한 에이전트가 긴 탐색 경로에서 맥락을 잃기 쉽다	deep search도 하위 문제와 실행 skill로 나눠 추적한다
시스템이 나아지는 방식	프롬프트를 사람이 다시 손본다	run-verify-reflect가 분해 전략과 실행 skill을 외부 메모리에 갱신한다

어디에 특히 맞는가

🏢

기업·제품 속성 테이블

wide search

🧾

규제·등록기관 목록 정리

schema extraction

🕵️

간접 단서 기반 심층 조사

deep search

📊

벤치마크·랭킹 데이터 수집

cross-source aggregation

웹 검색 에이전트가 진짜 어려워지는 순간은 ‘답을 찾아줘’가 아니라 ‘이 스키마에 맞춰 표로 채워줘’가 붙을 때다. 출처는 흩어져 있고, 엔티티마다 빠진 속성이 다르며, 같은 셀에도 서로 다른 근거가 붙는다.

Web2BigTable은 이 병목을 bi-level multi-agent 구조로 푼다. 상위 오케스트레이터가 질문을 분해하고, 하위 워커들이 병렬로 웹을 뒤지며, 결과를 행·열·셀 단위의 BigTable로 합친다.

눈에 띄는 지점은 shared workboard와 외부 메모리다. 워커들은 같은 작업판에 부분 결과를 남겨 중복 탐색을 줄이고, 학습 단계에서는 run-verify-reflect 루프가 오류 패턴을 decomposition skill과 execution skill에 다시 쓴다.

다만 이것은 추론 중에도 계속 자가반성하는 마법 상자가 아니다. README 기준으로 Evolve 단계는 training only이고, 추론 때는 얼린 skill bank를 읽어 single forward pass를 수행한다. 그래서 실제 품질은 메모리, 스키마, 워크보드 운영에 크게 의존한다.

그래도 방향은 선명하다. 에이전트 검색의 경쟁축이 ‘더 긴 답변’에서 ‘넓은 커버리지와 셀 단위 검증이 가능한 구조화 출력’으로 이동하고 있다. Web2BigTable의 숫자는 그 전환을 꽤 크게 보여준다.

검색은 이제
답변보다 표를 요구한다

Web2BigTable은 웹 에이전트의 다음 전장을 보여준다. 병렬 검색, 공유 작업판, 외부 메모리, 그리고 검증 가능한 구조화 출력.

원문 보기 · arXiv 2604.27221 · Web2BigTable README

웹 검색의 다음 병목답변이 아니라 BigTable

왜 Web2BigTable이 눈에 띄는가

일반 웹 검색 vs Web2BigTable

어디에 특히 맞는가

검색은 이제답변보다 표를 요구한다

웹 검색의 다음 병목
답변이 아니라 BigTable

검색은 이제
답변보다 표를 요구한다

Web2BigTable: 검색은 이제 표를 요구한다

Reference Links

Comments (0)