論文の概要: Path-Constrained Retrieval: A Structural Approach to Reliable LLM Agent Reasoning Through Graph-Scoped Semantic Search

• arxiv url: http://arxiv.org/abs/2511.18313v1
• Date: Sun, 23 Nov 2025 06:50:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-25 18:34:24.765412
• Title: Path-Constrained Retrieval: A Structural Approach to Reliable LLM Agent Reasoning Through Graph-Scoped Semantic Search
• Title（参考訳）: 経路制約付き検索:グラフスコープ意味探索による信頼性LLMエージェント推論のための構造的アプローチ
• Authors: Joseph Oladokun,
• Abstract要約: 本稿では,構造グラフ制約と意味探索を組み合わせた検索手法であるPath-Constrained Retrieval(PCR)を提案する。 PCRは、基準法では24-32%に比べて完全な構造整合性を実現し、高い関連性スコアを維持している。
• 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 Model agents often retrieve context from knowledge bases that lack structural consistency with the agent's current reasoning state, leading to incoherent reasoning chains. We introduce Path-Constrained Retrieval (PCR), a retrieval method that combines structural graph constraints with semantic search to ensure retrieved information maintains logical relationships within a knowledge graph. PCR restricts the search space to nodes reachable from an anchor node, preventing retrieval of structurally disconnected information that may lead to inconsistent reasoning. We evaluate PCR on PathRAG-6, a benchmark spanning six domains with 180 nodes and 360 edges. Our results show that PCR achieves full structural consistency compared to 24-32 percent in baseline methods, while maintaining strong relevance scores. On the technology domain, PCR obtains full relevance at rank 10 with full structural consistency, significantly outperforming vector search and hybrid retrieval. PCR reduces the average graph distance of retrieved context by 78 percent compared to baselines, demonstrating retrieval of more structurally consistent information. These findings suggest that path-constrained retrieval is an effective approach for improving the reliability and coherence of LLM agent reasoning systems.
• Abstract（参考訳）: 大規模言語モデルエージェントは、しばしば、エージェントの現在の推論状態と構造的な整合性に欠ける知識ベースからコンテキストを検索する。 本稿では,構造グラフ制約と意味探索を組み合わせた検索手法であるPath-Constrained Retrieval (PCR)を導入し,検索した情報が知識グラフ内の論理的関係を維持することを保証する。 PCRは、検索空間をアンカーノードから到達可能なノードに制限し、不整合推論につながる可能性のある構造的に切断された情報の検索を防ぐ。 我々は180ノードと360エッジを持つ6つのドメインにまたがるベンチマークPathRAG-6でPCRを評価した。 以上の結果から,PCRは基準法では24～32%と高い相関性を維持しつつ,完全な構造整合性を実現していることが明らかとなった。 技術領域では、PCRは10ランクで完全に構造的整合性を持ち、ベクター探索とハイブリッド検索に優れる。 PCRは、検索したコンテキストの平均グラフ距離をベースラインと比較して78%削減し、より構造的に一貫性のある情報の検索を示す。 これらの結果から, LLMエージェント推論システムの信頼性とコヒーレンスを向上させるために, 経路制約付き検索が有効なアプローチであることが示唆された。

関連論文リスト

• RAG-GNN: Integrating Retrieved Knowledge with Graph Neural Networks for Precision Medicine [0.0]
  ネットワークトポロジは構造予測に優れるが、生体医学文献にエンコードされた機能的意味論を捉えることができない。 本稿では,グラフニューラルネットワーク表現を動的に検索した文献由来の知識と統合した検索拡張生成(RAG)組込みフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-31T08:05:02Z)
• Chunking, Retrieval, and Re-ranking: An Empirical Evaluation of RAG Architectures for Policy Document Question Answering [0.0]
  大規模言語モデル(LLM)の公衆衛生政策分野への統合は、疾病管理予防センター(CDC)などの機関が管理する規制ガイダンスの膨大なリポジトリをナビゲートするための変革的なアプローチを提供する。 LLMが幻覚を発生させることの正当性は、情報整合性が不可能なハイテイク環境において、これらの技術を採用する上で重要な障壁となる。 この経験的評価は、信頼できる文書コンテキストにおける生成出力を基盤として、これらのリスクを軽減するために、検索型拡張生成(RAG)アーキテクチャの有効性を探求するものである。
  論文  参考訳（メタデータ） (2026-01-21T20:52:48Z)
• TreePS-RAG: Tree-based Process Supervision for Reinforcement Learning in Agentic RAG [71.06073770344732]
  エージェント検索強化生成(RAG)は、推論と情報検索の多段階的な相互作用として質問応答を定式化する。 エージェントRAGのためのオンラインツリーベースRLフレームワークであるTreePS-RAGについて述べる。
  論文  参考訳（メタデータ） (2026-01-11T14:07:30Z)
• StruProKGR: A Structural and Probabilistic Framework for Sparse Knowledge Graph Reasoning [68.58655814341996]
  スパース知識グラフ(英: Sparse Knowledge Graphs, KG)は、知識が不完全あるいは限定的である現実世界のアプリケーションでよく見られるグラフである。 スパースKGの効率的かつ解釈可能な推論に適した構造的・確率的フレームワークStruProKGRを提案する。
  論文  参考訳（メタデータ） (2025-12-14T09:36:58Z)
• Thinking Forward and Backward: Multi-Objective Reinforcement Learning for Retrieval-Augmented Reasoning [137.33138614095435]
  Retrieval-augmented Generation (RAG) は、大規模言語モデルにおける幻覚の緩和に有効であることが証明されている。 近年、検索に基づく対話をRAGに組み込んで、リアルタイム検索による反復推論を可能にしている。 提案するBi-RARは,各中間ステップを前方方向と後方方向の両方で共同で評価する,新たな検索拡張推論フレームワークである。
  論文  参考訳（メタデータ） (2025-11-12T08:29:39Z)
• Evaluating the Efficiency of Latent Spaces via the Coupling-Matrix [0.5013248430919224]
  本稿では,次元間の依存関係を直接定量化する冗長指数rho(C)を導入する。 低rho(C)は高い分類精度または低い再構成誤差を確実に予測する一方、高い冗長性は性能崩壊と関連付けられる。 木構造型Parzen Estimator (TPE) は低ロー領域を優先的に探索し,rho(C) がニューラルアーキテクチャ探索を誘導し,冗長性を考慮した正規化ターゲットとして機能することを示唆する。
  論文  参考訳（メタデータ） (2025-09-08T03:36:47Z)
• LeanRAG: Knowledge-Graph-Based Generation with Semantic Aggregation and Hierarchical Retrieval [10.566901995776025]
  LeanRAGは知識集約と検索戦略を組み合わせたフレームワークです。 グラフ上のパス検索に関連するかなりのオーバーヘッドを軽減し、冗長な情報検索を最小限にする。
  論文  参考訳（メタデータ） (2025-08-14T06:47:18Z)
• HySemRAG: A Hybrid Semantic Retrieval-Augmented Generation Framework for Automated Literature Synthesis and Methodological Gap Analysis [55.2480439325792]
  HySemRAGは、Extract, Transform, Load (ETL)パイプラインとRetrieval-Augmented Generation (RAG)を組み合わせたフレームワークである。 システムは、マルチ層アプローチを通じて既存のRAGアーキテクチャの制限に対処する。
  論文  参考訳（メタデータ） (2025-08-01T20:30:42Z)
• DAMR: Efficient and Adaptive Context-Aware Knowledge Graph Question Answering with LLM-Guided MCTS [28.828541350757714]
  本稿では,知識グラフ質問応答(KGQA)のための動的適応MCTSベースの推論(DAMR)を提案する。 DAMRは、MCTS(Monte Carlo Tree Search)と適応経路評価を統合し、コンテキスト対応のKGQAを実現する。 複数のKGQAベンチマークの実験では、DAMRはSOTA法よりも大幅に優れていた。
  論文  参考訳（メタデータ） (2025-08-01T15:38:21Z)
• Retrieval is Not Enough: Enhancing RAG Reasoning through Test-Time Critique and Optimization [58.390885294401066]
  Retrieval-augmented Generation (RAG) は知識基底型大規模言語モデル(LLM)を実現するためのパラダイムとして広く採用されている。 RAGパイプラインは、モデル推論が得られた証拠と整合性を維持するのに失敗することが多く、事実上の矛盾や否定的な結論につながる。 批判駆動アライメント(CDA)に基づく新しい反復的枠組みであるAlignRAGを提案する。 AlignRAG-autoは、動的に洗練を終了し、批判的な反復回数を事前に指定する必要がなくなる自律的な変種である。
  論文  参考訳（メタデータ） (2025-04-21T04:56:47Z)
• Deep Learning-Based Point Cloud Registration: A Comprehensive Survey and Taxonomy [79.66031973540946]
  深層学習に基づくポイントクラウド登録(DL-PCR)に関する総合的な調査と分類について述べる。 DL-PCR法では,登録手続きを含む重要な側面から議論を整理する。 我々はこれらを,ポイント・ツー・ポイント対応の明示的な識別を必要とするかどうかに応じて,対応ベースおよび対応不要なアプローチに分類する。
  論文  参考訳（メタデータ） (2024-04-22T02:05:15Z)
• Anchoring Path for Inductive Relation Prediction in Knowledge Graphs [69.81600732388182]
  APSTはAPとCPを統一されたSentence Transformerアーキテクチャの入力として扱う。 我々は3つの公開データセット上でAPSTを評価し、36のトランスダクティブ、インダクティブ、および数ショットの実験的設定のうち30の最先端(SOTA)性能を達成する。
  論文  参考訳（メタデータ） (2023-12-21T06:02:25Z)

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。