論文の概要: Hallucinations in Bibliographic Recommendation: Citation Frequency as a Proxy for Training Data Redundancy

• arxiv url: http://arxiv.org/abs/2510.25378v1
• Date: Wed, 29 Oct 2025 10:51:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-30 15:50:45.404917
• Title: Hallucinations in Bibliographic Recommendation: Citation Frequency as a Proxy for Training Data Redundancy
• Title（参考訳）: 書誌レコメンデーションにおける幻覚--データ冗長性トレーニングのプロキシとしての循環頻度
• Authors: Junichiro Niimi,
• Abstract要約: 大型幻覚モデル (LLMs) は幅広いタスクに適用されてきている。 この研究は、LLMが情報を正しく生成する能力は、基礎となる知識が生成されるか記憶されるかに依存すると仮定する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models (LLMs) have been increasingly applied to a wide range of tasks, from natural language understanding to code generation. While they have also been used to assist in bibliographic recommendation, the hallucination of non-existent papers remains a major issue. Building on prior studies, this study hypothesizes that an LLM's ability to correctly produce bibliographic information depends on whether the underlying knowledge is generated or memorized, with highly cited papers (i.e., more frequently appear in the training corpus) showing lower hallucination rates. We therefore assume citation count as a proxy for training data redundancy (i.e., the frequency with which a given bibliographic record is repeatedly represented in the pretraining corpus) and investigate how citation frequency affects hallucinated references in LLM outputs. Using GPT-4.1, we generated and manually verified 100 bibliographic records across twenty computer-science domains, and measured factual consistency via cosine similarity between generated and authentic metadata. The results revealed that (i) hallucination rates vary across research domains, (ii) citation count is strongly correlated with factual accuracy, and (iii) bibliographic information becomes almost verbatimly memorized beyond approximately 1,000 citations. These findings suggest that highly cited papers are nearly verbatimly retained in the model, indicating a threshold where generalization shifts into memorization.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、自然言語理解からコード生成に至るまで、幅広いタスクにますます適用されてきた。 書誌の推薦にも使われてきたが、現存しない論文の幻覚は依然として大きな問題である。 先行研究に基づいて, LLMが書誌情報を正しく生成する能力は, 基礎となる知識が生成されるか記憶されるかに依存すると仮定した。 そこで我々は、引用回数をデータ冗長性の訓練の指標として仮定し(例えば、事前学習コーパスで所定の書誌記録が繰り返し表現される頻度)、LCM出力における引用頻度が幻覚的参照にどう影響するかを考察する。 GPT-4.1を用いて、20のコンピュータサイエンス領域にまたがる100の文献記録を手動で作成・検証し、生成メタデータと真正メタデータのコサイン類似性を用いて事実整合性を測定した。 その結果、 (i)幻覚率は研究領域によって異なる。 (二)引用回数は、事実の正確さと強く相関し、 (三)文献情報は、約千点以上の引用をほとんど口頭で記憶する。 これらの結果から,高度に引用された論文はモデルにほぼ垂直に残されていることが示唆され,一般化が暗記へと移行する閾値が示唆された。

関連論文リスト

• VeriCite: Towards Reliable Citations in Retrieval-Augmented Generation via Rigorous Verification [107.75781898355562]
  証拠を厳格に検証し,回答の帰属性を高めるために設計された,VeriCiteと呼ばれる新しいフレームワークを紹介する。 我々は,5つのオープンソースLCMと4つのデータセットを対象とした実験を行い,VeriCiteが回答の正しさを維持しつつ,引用品質を大幅に向上できることを実証した。
  論文  参考訳（メタデータ） (2025-10-13T13:38:54Z)
• Cite Pretrain: Retrieval-Free Knowledge Attribution for Large Language Models [44.31597857713689]
  最初の段階でActive Indexingを導入し、一般化可能なソースアンコールバインディングを作成します。 Qwen-2.5-7B&3Bの実験は、アクティブインデックスがパッシブインデックスのベースラインを一貫して上回っていることを示している。 内部の引用は、モデルを検索ノイズに対してより堅牢にすることで、外部の引用を補完する。
  論文  参考訳（メタデータ） (2025-06-21T04:48:05Z)
• How Deep Do Large Language Models Internalize Scientific Literature and Citation Practices? [1.130790932059036]
  論文の引用において,大規模言語モデル (LLM) がマシュー効果の強化に寄与していることが示唆された。 我々はGPT-4oが生成した274,951個の参照を1万件の論文に対して分析した。
  論文  参考訳（メタデータ） (2025-04-03T17:04:56Z)
• The Noisy Path from Source to Citation: Measuring How Scholars Engage with Past Research [20.649638393774048]
  本稿では,大規模な引用忠実度を定量化する計算パイプラインを提案する。 論文の全文を用いて、パイプラインは引用論文における引用と引用論文における対応するクレームを識別する。 準実験を用いて「電話効果」を確立する - 引用論文が原主張に忠実度が低い場合、引用論文と原文を引用する将来の論文は原文に忠実度が低い。
  論文  参考訳（メタデータ） (2025-02-27T22:47:03Z)
• Ground Every Sentence: Improving Retrieval-Augmented LLMs with Interleaved Reference-Claim Generation [51.8188846284153]
  分散テキスト生成(ATG)は,RAGシステムにおける信頼性と妥当性を高めるために提案される。 本稿では,参照と回答を段階的に交互に生成する詳細なATG手法であるReClaimを提案する。 広範囲な実験により,ReClaimの有効性が検証され,90%の引用精度が得られた。
  論文  参考訳（メタデータ） (2024-07-01T20:47:47Z)
• Large Language Models Reflect Human Citation Patterns with a Heightened Citation Bias [1.7812428873698407]
  サイテーションの実践は科学的知識の構造を形成するのに不可欠であるが、それらは現代の規範や偏見の影響を受けていることが多い。 LLM(Large Language Models)の出現は、これらのプラクティスに新たなダイナミクスをもたらす。 本稿では,これらの特徴を,AAAI,NeurIPS,ICML,ICLRのデータセットを用いて解析する。
  論文  参考訳（メタデータ） (2024-05-24T17:34:32Z)
• Deep Graph Learning for Anomalous Citation Detection [55.81334139806342]
  本稿では,新たな深層グラフ学習モデルであるGLAD(Graph Learning for Anomaly Detection)を提案する。 GLADフレームワーク内ではCPU(Citation PUrpose)と呼ばれるアルゴリズムが提案され,引用テキストに基づく引用の目的が明らかになった。
  論文  参考訳（メタデータ） (2022-02-23T09:05:28Z)
• Counterfactual Memorization in Neural Language Models [91.8747020391287]
  様々なNLPタスクで広く使用されている現代のニューラルネットワークモデルは、トレーニングデータからセンシティブな情報を記憶するリスクがある。 言語モデル記憶の以前の研究におけるオープンな疑問は、「一般的な」記憶の除去方法である。 トレーニング中に特定の文書が省略された場合、モデルの予測がどのように変化するかを特徴付ける反事実記憶の概念を定式化する。
  論文  参考訳（メタデータ） (2021-12-24T04:20:57Z)
• Enhancing Scientific Papers Summarization with Citation Graph [78.65955304229863]
  引用グラフを用いて科学論文の要約作業を再定義します。 我々は,141kの研究論文を異なる領域に格納した,新しい科学論文要約データセットセマンティックスタディネットワーク(ssn)を構築した。 我々のモデルは、事前訓練されたモデルと比較して競争性能を達成することができる。
  論文  参考訳（メタデータ） (2021-04-07T11:13:35Z)

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。