論文の概要: TreeRare: Syntax Tree-Guided Retrieval and Reasoning for Knowledge-Intensive Question Answering

• arxiv url: http://arxiv.org/abs/2506.00331v1
• Date: Sat, 31 May 2025 01:07:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-05 04:22:50.630846
• Title: TreeRare: Syntax Tree-Guided Retrieval and Reasoning for Knowledge-Intensive Question Answering
• Title（参考訳）: TreeRare: 知識集約型質問応答のための構文木ガイド検索と推論
• Authors: Boyi Zhang, Zhuo Liu, Hangfeng He,
• Abstract要約: 反復的かつ適応的な検索は、複雑で知識集約的な質問を解決するための有望なアプローチであることが示されている。 本研究では,構文木を利用した質問応答のための情報検索と推論のためのフレームワークであるTreeRareを提案する。 TreeRareは、既存の最先端メソッドよりも大幅に改善されている。
• 参考スコア（独自算出の注目度）: 10.597526246308938
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In real practice, questions are typically complex and knowledge-intensive, requiring Large Language Models (LLMs) to recognize the multifaceted nature of the question and reason across multiple information sources. Iterative and adaptive retrieval, where LLMs decide when and what to retrieve based on their reasoning, has been shown to be a promising approach to resolve complex, knowledge-intensive questions. However, the performance of such retrieval frameworks is limited by the accumulation of reasoning errors and misaligned retrieval results. To overcome these limitations, we propose TreeRare (Syntax Tree-Guided Retrieval and Reasoning), a framework that utilizes syntax trees to guide information retrieval and reasoning for question answering. Following the principle of compositionality, TreeRare traverses the syntax tree in a bottom-up fashion, and in each node, it generates subcomponent-based queries and retrieves relevant passages to resolve localized uncertainty. A subcomponent question answering module then synthesizes these passages into concise, context-aware evidence. Finally, TreeRare aggregates the evidence across the tree to form a final answer. Experiments across five question answering datasets involving ambiguous or multi-hop reasoning demonstrate that TreeRare achieves substantial improvements over existing state-of-the-art methods.
• Abstract（参考訳）: 実際には、質問は通常複雑で知識集約的であり、複数の情報ソースにまたがる質問と理由の多面的な性質を認識するために、LLM(Large Language Models)が必要である。 反復的かつ適応的な検索では、LLMが推論に基づいていつ、何を取得するかを決定するが、複雑で知識集約的な質問を解決するための有望なアプローチであることが示されている。 しかし、そのような検索フレームワークの性能は、推理誤差の蓄積と不整合検索結果の蓄積によって制限される。 このような制約を克服するために,構文木を利用した質問応答の探索と推論を行うフレームワークであるTreeRare(Syntax Tree-Guided Retrieval and Reasoning)を提案する。 合成の原則に従い、TreeRareは構文木をボトムアップ方式で横断し、各ノードでサブコンポーネントベースのクエリを生成し、局所的な不確実性を解決するために関連するパスを取得する。 サブコンポーネントの質問応答モジュールは、これらの節を簡潔で文脈対応の証拠に合成する。 最後に、TreeRareは木全体に証拠を集約し、最終回答を形成する。 曖昧さやマルチホップ推論を含む5つの質問応答データセットの実験は、TreeRareが既存の最先端メソッドよりも大幅に改善されていることを示している。

関連論文リスト

• ReTreever: Tree-based Coarse-to-Fine Representations for Retrieval [64.44265315244579]
  そこで本研究では,様々なレベルで参照文書を整理し,表現するためのツリーベース手法を提案する。 我々の手法はReTreeverと呼ばれ、クエリと参照ドキュメントが同様のツリーブランチに割り当てられるように、バイナリツリーの内部ノード毎のルーティング関数を共同で学習する。 我々の評価では、ReTreeverは一般的に完全な表現精度を保っている。
  論文  参考訳（メタデータ） (2025-02-11T21:35:13Z)
• Tree of Reviews: A Tree-based Dynamic Iterative Retrieval Framework for Multi-hop Question Answering [0.18849131083278733]
  マルチホップ質問応答のための動的検索フレームワークであるTree of Reviews (ToR)を提案する。 ToRは検索および応答生成の両方において最先端の性能を達成する。
  論文  参考訳（メタデータ） (2024-04-22T09:25:05Z)
• Probabilistic Tree-of-thought Reasoning for Answering Knowledge-intensive Complex Questions [93.40614719648386]
  大規模言語モデル(LLM)は、知識集約的な複雑な質問にチェーン・オブ・シント(CoT)推論で答えることができる。 最近の研究は、CoT推論を強化するための外部知識の回収に向けられている。 確率的ツリー・オブ・シント推論(ProbTree)という新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2023-11-23T12:52:37Z)
• Reasoning over Hierarchical Question Decomposition Tree for Explainable Question Answering [83.74210749046551]
  ヘテロジニアス知識統合のための質問分解手法を提案する。 階層的質問分解木(RoHT)を用いた新しい2段階XQAフレームワークを提案する。 複雑なQAデータセットKQA ProとMusiqueの実験は、我々のフレームワークがSOTAメソッドを著しく上回っていることを示している。
  論文  参考訳（メタデータ） (2023-05-24T11:45:59Z)
• RLET: A Reinforcement Learning Based Approach for Explainable QA with Entailment Trees [47.745218107037786]
  本稿では,強化学習に基づくEntailment Tree生成フレームワークであるRLETを提案する。 RLETは文の選択と推論生成モジュールによる単一ステップ推論を反復的に行う。 EntailmentBankデータセットの3つの設定の実験では、RLフレームワークを使用することの強みが示されている。
  論文  参考訳（メタデータ） (2022-10-31T06:45:05Z)
• DecAF: Joint Decoding of Answers and Logical Forms for Question Answering over Knowledge Bases [81.19499764899359]
  本稿では,論理形式と直解の両方を共同で生成する新しいフレームワークDecAFを提案する。 DecAFはWebQSP、FreebaseQA、GrailQAベンチマークで新しい最先端の精度を実現している。
  論文  参考訳（メタデータ） (2022-09-30T19:51:52Z)
• Explaining Answers with Entailment Trees [16.555369850015055]
  我々は,証拠が回答にどのようにつながるのかを体系的に示すことで,回答を説明することを目的とする。 私たちのアプローチは、エンテイメントツリー、すなわち、中間的な結論を通じて知られている事実から最終的な答えまで、エンテイメントステップのツリーの形で説明を生成することです。 このスキルでモデルをトレーニングするために、マルチステップのエンテイメントツリーを含む最初のデータセットであるEnTAILMENTBANKを作成しました。
  論文  参考訳（メタデータ） (2021-04-17T23:13:56Z)

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。