論文の概要: Retrieval Augmented Decision-Making: A Requirements-Driven, Multi-Criteria Framework for Structured Decision Support

• arxiv url: http://arxiv.org/abs/2505.18483v1
• Date: Sat, 24 May 2025 03:13:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-27 16:58:42.451522
• Title: Retrieval Augmented Decision-Making: A Requirements-Driven, Multi-Criteria Framework for Structured Decision Support
• Title（参考訳）: Retrieval Augmented Decision-Making: 構造化決定支援のための要求駆動型マルチキュートリアフレームワーク
• Authors: Hongjia Wu, Hongxin Zhang, Wei Chen, Jiazhi Xia,
• Abstract要約: 本稿では,LLMのセマンティック理解機能とマルチクリトリア意思決定を統合したRAD手法を提案する。 本手法は,産業文書から重要な基準を自動的に抽出し,重み付けされた階層的決定モデルを構築し,モデルガイダンスに基づいて構造化されたレポートを生成する。 様々な意思決定タスクにおいて、RADによって生成された決定報告は、詳細、合理性、構造の観点から、既存の手法よりも著しく優れていた。
• 参考スコア（独自算出の注目度）: 8.585671505840637
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Various industries have produced a large number of documents such as industrial plans, technical guidelines, and regulations that are structurally complex and content-wise fragmented. This poses significant challenges for experts and decision-makers in terms of retrieval and understanding. Although existing LLM-based Retrieval-Augmented Generation methods can provide context-related suggestions, they lack quantitative weighting and traceable reasoning paths, making it difficult to offer multi-level and transparent decision support. To address this issue, this paper proposes the RAD method, which integrates Multi-Criteria Decision Making with the semantic understanding capabilities of LLMs. The method automatically extracts key criteria from industry documents, builds a weighted hierarchical decision model, and generates structured reports under model guidance. The RAD framework introduces explicit weight assignment and reasoning chains in decision generation to ensure accuracy, completeness, and traceability. Experiments show that in various decision-making tasks, the decision reports generated by RAD significantly outperform existing methods in terms of detail, rationality, and structure, demonstrating its application value and potential in complex decision support scenarios.
• Abstract（参考訳）: 様々な産業が、産業計画、技術ガイドライン、構造的に複雑で内容的に断片化された規則など、多くの文書を作成した。 これは、専門家や意思決定者にとって、検索と理解の点で大きな課題となる。 既存のLLMベースのRetrieval-Augmented Generation法は、コンテキスト関連の提案を提供することができるが、量重み付けとトレース可能な推論経路が欠如しており、マルチレベルかつ透過的な意思決定支援が困難である。 この問題に対処するために,LLMの意味的理解機能とマルチクオリトリア意思決定を統合したRAD手法を提案する。 本手法は,産業文書から重要な基準を自動的に抽出し,重み付けされた階層的決定モデルを構築し,モデルガイダンスに基づいて構造化されたレポートを生成する。 RADフレームワークは、精度、完全性、トレーサビリティを保証するために、決定生成に明確な重み付けと推論チェーンを導入している。 様々な意思決定タスクにおいて、RADが生成した決定報告は、詳細、合理性、構造の観点から既存の手法を著しく上回り、複雑な意思決定支援シナリオにおけるアプリケーションの価値と可能性を示す。

関連論文リスト

• Lost in Models? Structuring Managerial Decision Support in Process Mining with Multi-criteria Decision Making [0.0]
  本稿では、プロセスモデルの評価と優先順位付けのためのマルチ基準意思決定(MCDM)アプローチについて検討する。 最初の洞察は、MCDMアプローチが文脈に敏感な意思決定を促進することを示唆している。
  論文  参考訳（メタデータ） (2025-05-15T12:49:56Z)
• Agentic LLM Framework for Adaptive Decision Discourse [2.4919169815423743]
  本研究では,実世界のエージェント型大規模言語モデル(LLM)フレームワークを紹介する。 従来の意思決定支援ツールとは異なり、このフレームワークは対話、トレードオフ探索、エージェント間の相互作用によって生成される創発的なシナジーを強調している。 その結果、第1次探索がいかに堅牢で公平なレコメンデーションパスを育むかが明らかとなった。
  論文  参考訳（メタデータ） (2025-02-16T03:46:37Z)
• Decision Making in Changing Environments: Robustness, Query-Based Learning, and Differential Privacy [59.64384863882473]
  本研究では,環境が時間とともに変化する対話的意思決定の課題について考察する。 意思決定の複雑さと敵意的な設定の複雑さを提供するフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-01-24T21:31:50Z)
• Cognitive LLMs: Towards Integrating Cognitive Architectures and Large Language Models for Manufacturing Decision-making [51.737762570776006]
  LLM-ACTRは、ヒトに適応し、多目的な意思決定を提供する新しいニューロシンボリックアーキテクチャである。 我々のフレームワークは、ACT-Rの内部決定過程の知識を潜在神経表現として抽出し、組み込む。 デザイン・フォー・マニュファクチャリング・タスクに関する我々の実験は、タスク性能の向上と基礎的意思決定能力の向上を両立させたものである。
  論文  参考訳（メタデータ） (2024-08-17T11:49:53Z)
• Multi-step Inference over Unstructured Data [2.169874047093392]
  医療、法律、金融などの分野における高い意思決定タスクは、精度、包括性、論理的一貫性のレベルを必要とする。 これらの問題に対処するための,ニューロシンボリックAIプラットフォームを開発した。 このプラットフォームは、知識抽出とアライメントのための微調整LDMと、堅牢なシンボリック推論エンジンを統合している。
  論文  参考訳（メタデータ） (2024-06-26T00:00:45Z)
• MR-Ben: A Meta-Reasoning Benchmark for Evaluating System-2 Thinking in LLMs [55.20845457594977]
  大規模言語モデル(LLM)は、問題解決と意思決定の能力の向上を示している。 本稿ではメタ推論技術を必要とするプロセスベースのベンチマークMR-Benを提案する。 メタ推論のパラダイムは,システム2のスロー思考に特に適しています。
  論文  参考訳（メタデータ） (2024-06-20T03:50:23Z)
• DeLLMa: Decision Making Under Uncertainty with Large Language Models [31.77731889916652]
  DeLLMaは不確実な環境での意思決定の精度を高めるために設計されたフレームワークである。 DeLLMaは主要な言語モデルの意思決定性能を継続的に向上し、競合する手法に比べて最大40%の精度向上を達成できることを示す。
  論文  参考訳（メタデータ） (2024-02-04T08:11:45Z)
• Solution-oriented Agent-based Models Generation with Verifier-assisted Iterative In-context Learning [10.67134969207797]
  エージェントベースのモデル(ABM)は、仮説的な解決策やポリシーの提案と検証に不可欠なパラダイムである。 大きな言語モデル(LLM)は、ドメイン間の知識とプログラミング能力をカプセル化することで、このプロセスの難しさを軽減できる可能性がある。 SAGEは、ターゲット問題に対する自動モデリングおよびソリューション生成のために設計された、汎用的なソリューション指向のABM生成フレームワークである。
  論文  参考訳（メタデータ） (2024-02-04T07:59:06Z)
• On strategies for risk management and decision making under uncertainty shared across multiple fields [55.2480439325792]
  本稿では、このような戦略の110以上の例を見つけ、リスクに対するこのアプローチをRDOT: Risk-reducing Design and Operations Toolkitと呼ぶ。 RDOT戦略は、構造的、反応性、形式的、敵対的、多段階、ポジティブの6つの幅広いカテゴリに分類される。 全体的なRDOTは、不確実性に対する多目的応答の見過ごされたクラスを表している。
  論文  参考訳（メタデータ） (2023-09-06T16:14:32Z)
• Rational Decision-Making Agent with Internalized Utility Judgment [91.80700126895927]
  大規模言語モデル(LLM)は目覚ましい進歩を示し、従来のNLPアプリケーションを超えて複雑な多段階決定タスクを実行できるエージェントにLLMを開発するための重要な努力を惹きつけている。 本稿では,RadAgentを提案する。このRadAgentは,経験探索とユーティリティ学習を含む反復的なフレームワークを通じて,合理性の発展を促進する。 ToolBenchデータセットの実験結果は、RadAgentがベースラインよりも優れていることを示している。
  論文  参考訳（メタデータ） (2023-08-24T03:11:45Z)
• Leveraging Expert Consistency to Improve Algorithmic Decision Support [62.61153549123407]
  建設のギャップを狭めるために観測結果と組み合わせることができる情報源として,歴史専門家による意思決定の利用について検討する。 本研究では,データ内の各ケースが1人の専門家によって評価された場合に,専門家の一貫性を間接的に推定する影響関数に基づく手法を提案する。 本研究は, 児童福祉領域における臨床現場でのシミュレーションと実世界データを用いて, 提案手法が構成ギャップを狭めることに成功していることを示す。
  論文  参考訳（メタデータ） (2021-01-24T05:40:29Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。