論文の概要: Textual understanding boost in the WikiRace

• arxiv url: http://arxiv.org/abs/2511.10585v1
• Date: Fri, 14 Nov 2025 01:59:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-14 22:53:22.944548
• Title: Textual understanding boost in the WikiRace
• Title（参考訳）: WikiRaceにおけるテキスト理解の促進
• Authors: Raman Ebrahimi, Sean Fuhrman, Kendrick Nguyen, Harini Gurusankar, Massimo Franceschetti,
• Abstract要約: WikiRaceゲームは、ウィキペディアの記事の間をハイパーリンクだけでナビゲートするゲームで、複雑な情報ネットワークにおけるゴール指向検索の魅力的なベンチマークとして機能する。 本稿では,グラフ理論的構造(重心性),意味的意味(モデル埋め込み),ハイブリッドアプローチによって導かれるエージェントを比較検討し,本課題に対するナビゲーション戦略の体系的評価を行う。
• 参考スコア（独自算出の注目度）: 2.225928356849742
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The WikiRace game, where players navigate between Wikipedia articles using only hyperlinks, serves as a compelling benchmark for goal-directed search in complex information networks. This paper presents a systematic evaluation of navigation strategies for this task, comparing agents guided by graph-theoretic structure (betweenness centrality), semantic meaning (language model embeddings), and hybrid approaches. Through rigorous benchmarking on a large Wikipedia subgraph, we demonstrate that a purely greedy agent guided by the semantic similarity of article titles is overwhelmingly effective. This strategy, when combined with a simple loop-avoidance mechanism, achieved a perfect success rate and navigated the network with an efficiency an order of magnitude better than structural or hybrid methods. Our findings highlight the critical limitations of purely structural heuristics for goal-directed search and underscore the transformative potential of large language models to act as powerful, zero-shot semantic navigators in complex information spaces.
• Abstract（参考訳）: WikiRaceゲームは、ウィキペディアの記事の間をハイパーリンクだけでナビゲートするゲームで、複雑な情報ネットワークにおけるゴール指向検索の魅力的なベンチマークとして機能する。 本稿では,グラフ理論的構造(重心性),意味的意味(言語モデル埋め込み),およびハイブリッドアプローチによって導かれるエージェントを比較検討し,本課題に対するナビゲーション戦略の体系的評価を行う。 大規模なウィキペディアのサブグラフの厳密なベンチマークを通じて、記事タイトルの意味的類似性によって誘導される純粋に欲求的なエージェントが圧倒的に効果的であることを示す。 この戦略と単純なループ回避機構を組み合わせると、完全な成功率を達成し、ネットワークを構造的手法やハイブリッド手法よりも桁違いに効率よくナビゲートした。 我々の研究は、目的指向探索における純粋構造的ヒューリスティックの限界を強調し、複雑な情報空間における強力なゼロショットセマンティックナビゲータとして機能する大規模言語モデルの変換可能性を強調した。

関連論文リスト

• Unifying Tree Search Algorithm and Reward Design for LLM Reasoning: A Survey [92.71325249013535]
  線形木探索はLarge Language Model (LLM) 研究の基盤となっている。 本稿では,検索アルゴリズムを3つのコアコンポーネントに分解する統合フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-11T03:29:18Z)
• Cross-Granularity Hypergraph Retrieval-Augmented Generation for Multi-hop Question Answering [49.43814054718318]
  マルチホップ質問応答 (MHQA) は、正しい回答を得るために複数の経路に散在する知識を統合する必要がある。 従来の検索拡張生成法(RAG)は主に粗い粒度のテキスト意味的類似性に焦点を当てている。 本稿では,HGRAG for MHQAという新しいRAG手法を提案する。
  論文  参考訳（メタデータ） (2025-08-15T06:36:13Z)
• Hierarchical Memory Organization for Wikipedia Generation [41.60777339440196]
  本稿では,ウィキペディア記事を自動生成するメモリ・オーガナイゼーション・ベース・ジェネレーション(MOG)フレームワークを紹介する。 MOGは、Webドキュメントからきめ細かいメモリ単位を抽出し、それらをウィキペディアスタイルの階層構造に整理し、この構造を用いて生成プロセスを導く。 新たに作成したWikiStartデータセットの評価から,MOGは情報的かつ信頼性の高い記事を生成する上で,ベースライン手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2025-06-29T20:22:49Z)
• GSSF: Generalized Structural Sparse Function for Deep Cross-modal Metric Learning [51.677086019209554]
  ペアワイド類似性学習のためのモダリティ間の強力な関係を捕捉する汎用構造スパースを提案する。 距離メートル法は、対角線とブロック対角線の2つの形式を微妙にカプセル化する。 クロスモーダルと2つの余分なユニモーダル検索タスクの実験は、その優位性と柔軟性を検証した。
  論文  参考訳（メタデータ） (2024-10-20T03:45:50Z)
• Text-Video Retrieval with Global-Local Semantic Consistent Learning [122.15339128463715]
  我々は,シンプルで効果的なグローバル局所意味的一貫性学習(GLSCL)を提案する。 GLSCLは、テキストビデオ検索のためのモダリティをまたいだ潜在共有セマンティクスを活用する。 本手法はSOTAと同等の性能を実現し,計算コストの約220倍の高速化を実現している。
  論文  参考訳（メタデータ） (2024-05-21T11:59:36Z)
• Wikiformer: Pre-training with Structured Information of Wikipedia for Ad-hoc Retrieval [21.262531222066208]
  本稿では,ウィキペディアの構造的知識に基づいて,情報検索タスクに適した4つの事前学習目標を考案する。 既存の事前学習手法と比較して,本手法はトレーニングコーパスにおける意味的知識をよりよく捉えることができる。 生物医学・法学領域における実験結果から,本手法は垂直領域において優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2023-12-17T09:31:47Z)
• Autoregressive Search Engines: Generating Substrings as Document Identifiers [53.0729058170278]
  自動回帰言語モデルは、回答を生成するデファクト標準として現れています。 これまでの研究は、探索空間を階層構造に分割する方法を探究してきた。 本研究では,検索空間の任意の構造を強制しない代替として,経路内のすべてのngramを識別子として使用することを提案する。
  論文  参考訳（メタデータ） (2022-04-22T10:45:01Z)
• Integrating Semantics and Neighborhood Information with Graph-Driven Generative Models for Document Retrieval [51.823187647843945]
  本稿では,周辺情報をグラフ誘導ガウス分布でエンコードし,その2種類の情報をグラフ駆動生成モデルと統合することを提案する。 この近似の下では、トレーニング対象がシングルトンまたはペアワイズ文書のみを含む用語に分解可能であることを証明し、モデルが非関連文書と同じくらい効率的にトレーニングできることを示す。
  論文  参考訳（メタデータ） (2021-05-27T11:29:03Z)
• Predicting Links on Wikipedia with Anchor Text Information [0.571097144710995]
  英語ウィキペディアのいくつかのサブセットにおけるリンク予測の帰納的タスクと帰納的タスクについて検討する。 本稿では,適切な評価サンプリング手法を提案し,いくつかのアルゴリズムを比較した。
  論文  参考訳（メタデータ） (2021-05-25T07:57:57Z)

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。