Fugu-MT 論文翻訳(概要): FedRAG: A Framework for Fine-Tuning Retrieval-Augmented Generation Systems

論文の概要: FedRAG: A Framework for Fine-Tuning Retrieval-Augmented Generation Systems

arxiv url: http://arxiv.org/abs/2506.09200v1
Date: Tue, 10 Jun 2025 19:42:07 GMT
ステータス: 翻訳完了
システム内更新日: 2025-06-13 06:35:01.991631
Title: FedRAG: A Framework for Fine-Tuning Retrieval-Augmented Generation Systems
Title（参考訳）: FedRAG: 微調整検索型生成システムのためのフレームワーク
Authors: Val Andrei Fajardo, David B. Emerson, Amandeep Singh, Veronica Chatrath, Marcelo Lotif, Ravi Theja, Alex Cheung, Izuki Matsubi,
Abstract要約: FedRAGは集中型アーキテクチャとフェデレーション型アーキテクチャをまたいだRAGシステムを微調整するためのフレームワークである。 FedRAGは最先端のファインチューニングメソッドをサポートし、シンプルで直感的なインターフェイスを提供する。
参考スコア（独自算出の注目度）: 3.2733670032760456
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Retrieval-augmented generation (RAG) systems have been shown to be effective in addressing many of the drawbacks of relying solely on the parametric memory of large language models. Recent work has demonstrated that RAG systems can be improved via fine-tuning of their retriever and generator models. In this work, we introduce FedRAG, a framework for fine-tuning RAG systems across centralized and federated architectures. FedRAG supports state-of-the-art fine-tuning methods, offering a simple and intuitive interface and a seamless conversion from centralized to federated training tasks. FedRAG is also deeply integrated with the modern RAG ecosystem, filling a critical gap in available tools.
Abstract（参考訳）: Retrieval-augmented Generation (RAG) システムは、大規模言語モデルのパラメトリックメモリにのみ依存する多くの欠点に対処する上で有効であることが示されている。最近の研究で、RAGシステムは、レトリバーとジェネレータモデルの微調整によって改善できることが示されている。本稿では,集中型およびフェデレーション型アーキテクチャにまたがるRAGシステムを微調整するフレームワークであるFedRAGを紹介する。 FedRAGは最先端の微調整方法をサポートし、シンプルで直感的なインターフェースと、集中的なトレーニングタスクからフェデレートされたトレーニングタスクへのシームレスな変換を提供する。 FedRAGは現代のRAGエコシステムとも深く統合されており、利用可能なツールの重大なギャップを埋めています。

関連論文リスト

Privacy-Preserving Federated Embedding Learning for Localized Retrieval-Augmented Generation [60.81109086640437]
我々はFedE4RAG(Federated Retrieval-Augmented Generation)と呼ばれる新しいフレームワークを提案する。 FedE4RAGはクライアント側RAG検索モデルの協調トレーニングを容易にする。モデルパラメータの保護にフェデレート学習の準同型暗号化を適用する。
論文参考訳（メタデータ） (2025-04-27T04:26:02Z)
UltraRAG: A Modular and Automated Toolkit for Adaptive Retrieval-Augmented Generation [64.79921229760332]
Retrieval-Augmented Generation (RAG) は、下流タスクにおける大規模言語モデル(LLM)の性能を大幅に向上させる。既存のRAGツールキットは、特定のアプリケーションシナリオに適した知識適応をサポートしていない。ワークフロー全体を通して知識適応を自動化するRAGツールキットであるUltraRAGを提案する。
論文参考訳（メタデータ） (2025-03-31T03:49:49Z)
RGL: A Graph-Centric, Modular Framework for Efficient Retrieval-Augmented Generation on Graphs [58.10503898336799]
完全なRAGパイプラインをシームレスに統合するモジュラーフレームワークであるRAG-on-Graphs Library(RGL)を紹介した。 RGLは、さまざまなグラフフォーマットをサポートし、必須コンポーネントの最適化実装を統合することで、重要な課題に対処する。評価の結果,RGLはプロトタイピングプロセスの高速化だけでなく,グラフベースRAGシステムの性能や適用性の向上も図っている。
論文参考訳（メタデータ） (2025-03-25T03:21:48Z)
Retrieval-Augmented Generation with Hierarchical Knowledge [38.500133410610495]
グラフベースのRetrieval-Augmented Generation (RAG)法は,大規模言語モデル(LLM)の性能を大幅に向上させた。既存のRAG法は、人間の認知において自然に生ずる階層的知識を適切に利用していない。我々は階層的知識を利用してRAGシステムの意味的理解と構造的捕捉能力を高める新しいRAG手法、HiRAGを導入する。
論文参考訳（メタデータ） (2025-03-13T08:22:31Z)
Unanswerability Evaluation for Retrieval Augmented Generation [74.3022365715597]
UAEval4RAGは、RAGシステムが解答不能なクエリを効果的に処理できるかどうかを評価するために設計されたフレームワークである。我々は、6つの未解決カテゴリを持つ分類を定義し、UAEval4RAGは、多様で挑戦的なクエリを自動的に合成する。
論文参考訳（メタデータ） (2024-12-16T19:11:55Z)
Plan*RAG: Efficient Test-Time Planning for Retrieval Augmented Generation [20.5047654554575]
Plan*RAGは、検索強化世代(RAG)における構造化マルチホップ推論を可能にするフレームワーク Plan*RAGは、RQ-RAGやSelf-RAGといった最近提案された手法よりも一貫して改善されている。
論文参考訳（メタデータ） (2024-10-28T05:35:04Z)
Modular RAG: Transforming RAG Systems into LEGO-like Reconfigurable Frameworks [15.241520961365051]
Retrieval-augmented Generation (RAG)は、Large Language Models (LLM)の機能を大幅に強化した。本稿では,既存のRAGパラダイムの限界について検討し,モジュール型RAGフレームワークを紹介する。
論文参考訳（メタデータ） (2024-07-26T03:45:30Z)
Pistis-RAG: Enhancing Retrieval-Augmented Generation with Human Feedback [41.88662700261036]
RAGシステムは、セマンティックな関連性だけでは生成品質の向上を保証していない場合に制限に直面している。我々は、LLMと人間の嗜好をよりよく整合させるために、コンテンツ中心のアプローチで設計された新しいRAGフレームワークであるPristis-RAGを提案する。
論文参考訳（メタデータ） (2024-06-21T08:52:11Z)
FlashRAG: A Modular Toolkit for Efficient Retrieval-Augmented Generation Research [70.6584488911715]
検索増強世代(RAG)は、かなりの研究関心を集めている。既存のRAGツールキットは、しばしば重くて柔軟であり、研究者のカスタマイズのニーズを満たすことができない。我々のツールキットは16の高度なRAGメソッドを実装し、38のベンチマークデータセットを収集し、整理した。
論文参考訳（メタデータ） (2024-05-22T12:12:40Z)
RAGGED: Towards Informed Design of Retrieval Augmented Generation Systems [51.171355532527365]
Retrieval-augmented Generation (RAG) は言語モデル(LM)の性能を大幅に向上させる RAGGEDは、様々な文書ベースの質問応答タスクにわたるRAG構成を分析するためのフレームワークである。
論文参考訳（メタデータ） (2024-03-14T02:26:31Z)

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。