論文の概要: MaxShapley: Towards Incentive-compatible Generative Search with Fair Context Attribution

• arxiv url: http://arxiv.org/abs/2512.05958v1
• Date: Fri, 05 Dec 2025 18:54:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-13 22:40:57.148261
• Title: MaxShapley: Towards Incentive-compatible Generative Search with Fair Context Attribution
• Title（参考訳）: MaxShapley: 公正なコンテクスト属性を備えたインセンティブ互換な生成検索を目指して
• Authors: Sara Patel, Mingxun Zhou, Giulia Fanti,
• Abstract要約: 我々は、検索強化生成(RAG)を用いた生成探索パイプラインにおけるフェア属性の効率的なアルゴリズムであるMaxShapleyを紹介する。 マルチホップQAデータセット(HotPotQA, MuSiQUE, MS MARCO)上でMaxShapleyを評価する。
• 参考スコア（独自算出の注目度）: 17.58298150582672
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generative search engines based on large language models (LLMs) are replacing traditional search, fundamentally changing how information providers are compensated. To sustain this ecosystem, we need fair mechanisms to attribute and compensate content providers based on their contributions to generated answers. We introduce MaxShapley, an efficient algorithm for fair attribution in generative search pipelines that use retrieval-augmented generation (RAG). MaxShapley is a special case of the celebrated Shapley value; it leverages a decomposable max-sum utility function to compute attributions with linear computation in the number of documents, as opposed to the exponential cost of Shapley values. We evaluate MaxShapley on three multi-hop QA datasets (HotPotQA, MuSiQUE, MS MARCO); MaxShapley achieves comparable attribution quality to exact Shapley computation, while consuming a fraction of its tokens--for instance, it gives up to an 8x reduction in resource consumption over prior state-of-the-art methods at the same attribution accuracy.
• Abstract（参考訳）: 大規模言語モデル(LLM)に基づく生成検索エンジンは、情報提供者の補償方法を根本的に変更し、従来の検索を置き換えている。 このエコシステムを維持するためには、生成された回答に対するコンテントプロバイダのコントリビューションに基づいて、コンテンツプロバイダを属性付けし、補償するための公正なメカニズムが必要です。 我々は、検索強化生成(RAG)を用いた生成探索パイプラインにおいて、公平な帰属のための効率的なアルゴリズムであるMaxShapleyを紹介する。 MaxShapleyはShapley値の特別な場合であり、Shapley値の指数的なコストとは対照的に、文書数での線形計算による属性の計算に分解可能なmax-sumユーティリティ関数を利用する。 我々は、MaxShapleyを3つのマルチホップQAデータセット(HotPotQA, MuSiQUE, MS MARCO)で評価し、MaxShapleyは、そのトークンのごく一部を消費しながら、正確なShapley計算に匹敵する属性品質を達成する。

関連論文リスト

• Shapley-Inspired Feature Weighting in $k$-means with No Additional Hyperparameters [2.3940819037450987]
  クラスタリングアルゴリズムは、すべての機能がデータ構造に等しく寄与していると仮定することが多い。 SHARK(Shapley Reweighted $k$-means)は,Shapley値を用いた特徴量クラスタリングアルゴリズムである。 合成および実世界のデータセットの実験は、SHARKが既存の手法と一貫して一致し、性能を向上していることを示している。
  論文  参考訳（メタデータ） (2025-08-11T13:07:21Z)
• Fair Document Valuation in LLM Summaries via Shapley Values [0.0]
  大規模言語モデル(LLM)は、複数のソースからコンテンツを検索して要約するシステムにおいて、ますます使われている。 これらのシステムは、オリジナルのコンテンツ制作者の個々の貢献を曖昧にし、クレジットの帰属と補償に関する懸念を提起した。 公平な文書評価のためのShapley値に基づくフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-05-28T15:14:21Z)
• Value-Based Deep RL Scales Predictably [100.21834069400023]
  本研究は, 地域社会が病的行動に不安を抱いているにもかかわらず, 価値に基づく非政治的RL法が予測可能であることを示す。 SAC、BRO、PQLの3つのアルゴリズムを使って、DeepMind Control、OpenAI gym、IsaacGymの3つのアプローチを検証する。
  論文  参考訳（メタデータ） (2025-02-06T18:59:47Z)
• Adaptive Sampled Softmax with Inverted Multi-Index: Methods, Theory and Applications [79.53938312089308]
  MIDX-Samplerは、逆多重インデックスアプローチに基づく新しい適応型サンプリング戦略である。 本手法は, サンプリングバイアス, 勾配バイアス, 収束速度, 一般化誤差境界などの重要な問題に対処するため, 厳密な理論的解析によって裏付けられている。
  論文  参考訳（メタデータ） (2025-01-15T04:09:21Z)
• Fast Shapley Value Estimation: A Unified Approach [71.92014859992263]
  冗長な手法を排除し、単純で効率的なシェープリー推定器SimSHAPを提案する。 既存手法の解析において、推定器は特徴部分集合からランダムに要約された値の線形変換として統一可能であることを観察する。 実験により,SimSHAPの有効性が検証され,精度の高いShapley値の計算が大幅に高速化された。
  論文  参考訳（メタデータ） (2023-11-02T06:09:24Z)
• Efficient Shapley Values Estimation by Amortization for Text Classification [66.7725354593271]
  我々は,各入力特徴のシェープ値を直接予測し,追加のモデル評価を行なわずに補正モデルを開発する。 2つのテキスト分類データセットの実験結果から、アモルタイズされたモデルでは、Shapley Valuesを最大60倍のスピードアップで正確に見積もっている。
  論文  参考訳（メタデータ） (2023-05-31T16:19:13Z)
• Exact Shapley Values for Local and Model-True Explanations of Decision Tree Ensembles [0.0]
  決定木アンサンブルの説明にShapley値を適用することを検討する。 本稿では,無作為林に適応し,決定木を増強できる,Shapley値に基づく特徴属性に対する新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2021-12-16T20:16:02Z)
• Towards Efficient Data Valuation Based on the Shapley Value [65.4167993220998]
  本稿では,Shapley値を用いたデータ評価の問題点について検討する。 Shapleyの値は、データ値の概念に対して多くのデシダータを満たすユニークなペイオフスキームを定義する。 本稿では,Shapley値を近似する効率的なアルゴリズムのレパートリーを提案する。
  論文  参考訳（メタデータ） (2019-02-27T00:22:43Z)

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。