論文の概要: The State-of-the-Art in Lifelog Retrieval: A Review of Progress at the ACM Lifelog Search Challenge Workshop 2022-24

• arxiv url: http://arxiv.org/abs/2506.06743v1
• Date: Sat, 07 Jun 2025 10:19:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-10 21:10:47.051565
• Title: The State-of-the-Art in Lifelog Retrieval: A Review of Progress at the ACM Lifelog Search Challenge Workshop 2022-24
• Title（参考訳）: ACM Lifelog Search Challenge Workshop 2022-24におけるライフログ検索の現状と展望
• Authors: Allie Tran, Werner Bailer, Duc-Tien Dang-Nguyen, Graham Healy, Steve Hodges, Björn Þór Jónsson, Luca Rossetto, Klaus Schoeffmann, Minh-Triet Tran, Lucia Vadicamo, Cathal Gurrin,
• Abstract要約: ACM Lifelog Search Challenge (LSC)は、ライフログデータの探索を支援するシステムを歓迎し、比較する会場である。 本稿では,2022年から2024年までのACM LSCにおける対話型ライフログ検索の最近の進歩を概観する。
• 参考スコア（独自算出の注目度）: 14.964953259895202
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The ACM Lifelog Search Challenge (LSC) is a venue that welcomes and compares systems that support the exploration of lifelog data, and in particular the retrieval of specific information, through an interactive competition format. This paper reviews the recent advances in interactive lifelog retrieval as demonstrated at the ACM LSC from 2022 to 2024. Through a detailed comparative analysis, we highlight key improvements across three main retrieval tasks: known-item search, question answering, and ad-hoc search. Our analysis identifies trends such as the widespread adoption of embedding-based retrieval methods (e.g., CLIP, BLIP), increased integration of large language models (LLMs) for conversational retrieval, and continued innovation in multimodal and collaborative search interfaces. We further discuss how specific retrieval techniques and user interface (UI) designs have impacted system performance, emphasizing the importance of balancing retrieval complexity with usability. Our findings indicate that embedding-driven approaches combined with LLMs show promise for lifelog retrieval systems. Likewise, improving UI design can enhance usability and efficiency. Additionally, we recommend reconsidering multi-instance system evaluations within the expert track to better manage variability in user familiarity and configuration effectiveness.
• Abstract（参考訳）: ACM Lifelog Search Challenge (LSC) は、ライフログデータの探索、特に特定の情報の検索を支援するシステムを、インタラクティブなコンペティションフォーマットで歓迎し比較する会場である。 本稿では,2022年から2024年までのACM LSCにおける対話型ライフログ検索の最近の進歩を概観する。 詳細な比較分析を通じて、既知のイテム検索、質問応答、アドホック検索という3つの主要な検索タスクにおける重要な改善点を強調した。 本稿では,組込み型検索手法(例えばCLIP,BLIP)の普及,対話型検索のための大規模言語モデル(LLM)の統合,マルチモーダル・協調型検索インタフェースの革新の継続などの動向を明らかにする。 さらに,特定の検索手法とユーザインタフェース(UI)設計がシステム性能に与える影響について論じ,検索複雑性とユーザビリティのバランスをとることの重要性を強調した。 LLMと組込み型アプローチが組み合わさってライフログ検索システムに期待できることを示す。 同様に、UI設計を改善することで、ユーザビリティと効率が向上する。 さらに、ユーザ親しみやすさや構成の妥当性をよりよく管理するために、エキスパートトラック内でのマルチインスタンスシステム評価を再考することを推奨する。

関連論文リスト

• Retrieval-Augmented Generation: A Comprehensive Survey of Architectures, Enhancements, and Robustness Frontiers [0.0]
  Retrieval-Augmented Generation (RAG) は、大規模言語モデルを強化するための強力なパラダイムとして登場した。 RAGは、検索品質、基底忠実度、パイプライン効率、ノイズや逆入力に対する堅牢性といった新しい課題を導入している。 本調査は、RAG研究における現在の知識を集約し、次世代の検索強化言語モデリングシステムの基礎となることを目的としている。
  論文  参考訳（メタデータ） (2025-05-28T22:57:04Z)
• NExT-Search: Rebuilding User Feedback Ecosystem for Generative AI Search [108.42163676745085]
  NExT-Searchは、きめ細かいプロセスレベルのフィードバックを生成AI検索に再導入するために設計された次世代パラダイムである。 NExT-Searchは2つの補完モードを統合している。
  論文  参考訳（メタデータ） (2025-05-20T17:59:13Z)
• OMGM: Orchestrate Multiple Granularities and Modalities for Efficient Multimodal Retrieval [17.75545831558775]
  知識に基づく視覚質問応答(KB-VQA)に対処するための視覚言語検索拡張生成(RAG)が有効なアプローチとなっている 本稿では,複数の粒度とモダリティを調和させて有効性を向上する,粗大で微細なマルチステップ検索を特徴とするマルチモーダルRAGシステムを提案する。
  論文  参考訳（メタデータ） (2025-05-10T14:24:41Z)
• SymbioticRAG: Enhancing Document Intelligence Through Human-LLM Symbiotic Collaboration [9.80387022972714]
  我々は,人間と機械の双方向学習関係を確立することにより,検索・拡張生成(RAG)システムを再構築する新しいフレームワークであるtextbfSymbioticRAGを提案する。 現在のRAGシステムにおける2つの重要な課題に対処する: 関連性決定の人間中心の性質と、クエリの定式化における「無意識の非能力」からのユーザの進歩である。
  論文  参考訳（メタデータ） (2025-05-05T07:24:38Z)
• Knowledge-Aware Iterative Retrieval for Multi-Agent Systems [0.0]
  本稿では,新しい大規模言語モデル (LLM) によるエージェントフレームワークを提案する。 動的に進化する知識を活用することで、クエリを反復的に洗練し、文脈的証拠をフィルタリングする。 提案システムは、更新されたコンテキストの競合的および協調的な共有をサポートする。
  論文  参考訳（メタデータ） (2025-03-17T15:27:02Z)
• Passage Query Methods for Retrieval and Reranking in Conversational Agents [7.780766187171572]
  本稿では,TREC Interactive Knowledge Assistance Track (iKAT) へのアプローチについて述べる。 本研究では,検索中の問合せ文書のマッチングを改善するために,対象文書の予測フォーマットと整合する問合せクエリを開発する。 調査の結果,PQは対象文書とのセマンティックアライメントを改善し,マルチターン対話システムの改善の可能性を示した。
  論文  参考訳（メタデータ） (2025-02-28T22:53:56Z)
• ACE: A Generative Cross-Modal Retrieval Framework with Coarse-To-Fine Semantic Modeling [53.97609687516371]
  我々は、エンドツーエンドのクロスモーダル検索のための先駆的なジェネリッククロスモーダル rEtrieval framework (ACE) を提案する。 ACEは、クロスモーダル検索における最先端のパフォーマンスを達成し、Recall@1の強いベースラインを平均15.27%上回る。
  論文  参考訳（メタデータ） (2024-06-25T12:47:04Z)
• STaRK: Benchmarking LLM Retrieval on Textual and Relational Knowledge Bases [93.96463520716759]
  テキストと知識ベースを用いた大規模半構造検索ベンチマークSTARKを開発した。 本ベンチマークでは, 製品検索, 学術論文検索, 精密医療におけるクエリの3分野について検討した。 多様なリレーショナル情報と複雑なテキスト特性を統合した,現実的なユーザクエリを合成する,新しいパイプラインを設計する。
  論文  参考訳（メタデータ） (2024-04-19T22:54:54Z)
• Synergistic Interplay between Search and Large Language Models for Information Retrieval [141.18083677333848]
  InteRにより、RMはLLM生成した知識コレクションを使用してクエリの知識を拡張することができる。 InteRは、最先端手法と比較して総合的に優れたゼロショット検索性能を実現する。
  論文  参考訳（メタデータ） (2023-05-12T11:58:15Z)
• Exposing Query Identification for Search Transparency [69.06545074617685]
  本稿では,検索システムの2つのクラスにおいて,クエリとドキュメントの役割を逆転させることにより,検索タスクとしてのEQIの実現可能性について検討する。 本研究では,クエリのランク付けの質を評価するための評価基準を導出するとともに,近似EQIの様々な実践的側面に着目した経験的分析を行う。
  論文  参考訳（メタデータ） (2021-10-14T20:19:27Z)

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。