論文の概要: SOPRAG: Multi-view Graph Experts Retrieval for Industrial Standard Operating Procedures

• arxiv url: http://arxiv.org/abs/2602.01858v1
• Date: Mon, 02 Feb 2026 09:30:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-03 19:28:34.043159
• Title: SOPRAG: Multi-view Graph Experts Retrieval for Industrial Standard Operating Procedures
• Title（参考訳）: SOPRAG: 業界標準の運用手順を検索する多視点グラフ専門家
• Authors: Liangtao Lin, Zhaomeng Zhu, Tianwei Zhang, Yonggang Wen,
• Abstract要約: SOPRAGは、SOP検索の問題点を解決するために特別に設計された新しいフレームワークである。 SOPRAGは、フラットチャンキングを専門のEntity、Causal、Flowグラフの専門家に置き換える。 SOPRAGは、検索精度と応答性の両方において、強い語彙、密度、グラフベースのRAGベースラインを著しく上回る。
• 参考スコア（独自算出の注目度）: 15.42553917257021
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Standard Operating Procedures (SOPs) are essential for ensuring operational safety and consistency in industrial environments. However, retrieving and following these procedures presents unique challenges, such as rigid proprietary structures, condition-dependent relevance, and actionable execution requirement, which standard semantic-driven Retrieval-Augmented Generation (RAG) paradigms fail to address. Inspired by the Mixture-of-Experts (MoE) paradigm, we propose SOPRAG, a novel framework specifically designed to address the above pain points in SOP retrieval. SOPRAG replaces flat chunking with specialized Entity, Causal, and Flow graph experts to resolve industrial structural and logical complexities. To optimize and coordinate these experts, we propose a Procedure Card layer that prunes the search space to eliminate computational noise, and an LLM-Guided gating mechanism that dynamically weights these experts to align retrieval with operator intent. To address the scarcity of domain-specific data, we also introduce an automated, multi-agent workflow for benchmark construction. Extensive experiments across four industrial domains demonstrate that SOPRAG significantly outperforms strong lexical, dense, and graph-based RAG baselines in both retrieval accuracy and response utility, achieving perfect execution scores in real-world critical tasks.
• Abstract（参考訳）: 標準運用手順(SOP)は、産業環境における運用上の安全性と整合性の確保に不可欠である。 しかしながら、これらの手順の検索と追跡は、厳密なプロプライエタリな構造、条件に依存した関連性、アクション可能な実行要件といった、標準的なセマンティック駆動のレトリーバル拡張生成(RAG)パラダイムに対処できない、ユニークな課題を提示する。 そこで我々は,SOP検索において,上記の痛点に対処するための新しいフレームワークであるSOPRAGを提案する。 SOPRAGは、フラットチャンキングを専門のEntity、Causal、Flowグラフの専門家に置き換えて、産業構造と論理的な複雑さを解決する。 これらの専門家を最適化・コーディネートするために,探索空間をプーンして計算ノイズを除去するプロシージャカード層と,これらの専門家を動的に重み付けして演算者意図と整合させるLLMガイドゲーティング機構を提案する。 ドメイン固有のデータの不足に対処するため,ベンチマーク構築のための自動マルチエージェントワークフローも導入する。 4つの産業領域にわたる大規模な実験により、SOPRAGは検索精度と応答性の両方において強い語彙、密度、グラフベースのRAGベースラインを著しく上回り、現実世界のクリティカルなタスクにおいて完璧な実行スコアを達成していることが示された。

関連論文リスト

• GrepRAG: An Empirical Study and Optimization of Grep-Like Retrieval for Code Completion [32.17127975368661]
  リポジトリレベルのコード補完は、大きな言語モデルでは依然として困難である。 本稿では,軽量でインデックスなし,意図認識型語彙検索について検討する。 本稿では,LLMが関連するコンテキストを自動生成するベースラインフレームワークであるNaive GrepRAGを紹介する。
  論文  参考訳（メタデータ） (2026-01-30T18:22:15Z)
• Is Agentic RAG worth it? An experimental comparison of RAG approaches [0.07777489763207261]
  検索・拡張生成システムは通常、ジェネレータと検索コンポーネントの組み合わせで定義される。 これらの欠点は「強化されたRAG」の開発を動機づけている。 大規模言語モデルの自己回帰能力の増大により,新たなパラダイムが実現した。
  論文  参考訳（メタデータ） (2026-01-12T16:43:44Z)
• Designing Domain-Specific Agents via Hierarchical Task Abstraction Mechanism [61.01709143437043]
  階層型タスク抽象化機構(HTAM)を中心とした新しいエージェント設計フレームワークを提案する。 具体的には、HTAMは、社会的役割のエミュレーションを超えて、代わりに、複数のエージェントシステムを、あるドメインの固有のタスク依存グラフを反映する論理階層に構造化する。 我々は、複雑な地理空間解析に適したマルチエージェントシステムであるEarthAgentとして、このフレームワークをインスタンス化する。
  論文  参考訳（メタデータ） (2025-11-21T12:25:47Z)
• RAGalyst: Automated Human-Aligned Agentic Evaluation for Domain-Specific RAG [0.0]
  Retrieval-Augmented Generation (RAG) は、LLM(Large Language Models)を実際に証明するための重要な手法である。 既存の評価フレームワークは多くの場合、ドメイン固有のニュアンスをキャプチャできないメトリクスに依存します。 本稿では,RAGalystについて紹介する。RAGalystは,ドメイン固有のRAGシステムの厳密な評価を目的とした,人力による自動エージェントフレームワークである。
  論文  参考訳（メタデータ） (2025-11-06T16:22:52Z)
• Retrieval Augmented Generation (RAG) for Fintech: Agentic Design and Evaluation [0.16754194618631593]
  本稿では,ドメイン固有かつ密度の高い用語問題に対処するエージェントRAGアーキテクチャを提案する。 企業知識ベースから85の質問-回答-参照の3分の1をキュレートしたデータセットを用いて,標準的なRAGベースラインに対するアプローチを評価した。
  論文  参考訳（メタデータ） (2025-10-29T13:41:36Z)
• Automatic Building Code Review: A Case Study [6.530899637501737]
  建設担当者は、プロジェクトのサイズと複雑さが増大するにつれて、労働集約的で、エラーを起こし、コストがかかる設計文書のレビューに直面します。 本研究では,BIMに基づくデータ抽出と自動検証を統合したエージェント駆動型フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-03T00:30:14Z)
• Leveraging Generative Models for Real-Time Query-Driven Text Summarization in Large-Scale Web Search [54.987957691350665]
  クエリ駆動テキスト要約(QDTS)は、与えられたクエリに基づいてテキスト文書から簡潔で情報的な要約を生成することを目的としている。 従来の抽出的要約モデルは、主にランク付け候補の要約セグメントに基づいており、産業応用において支配的なアプローチとなっている。 産業Web検索におけるリアルタイムQDTSに対処するための生成モデルの適用を開拓するための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-28T08:51:51Z)
• Assemble Your Crew: Automatic Multi-agent Communication Topology Design via Autoregressive Graph Generation [91.17994756436259]
  大規模言語モデル(LLM)に基づくマルチエージェントシステム(MAS)は、多様な領域にわたる複雑な問題を扱うための強力なソリューションとして登場した。 既存のアプローチは、事前に定義されたエージェントセットとハードコードされた相互作用構造を持つテンプレートグラフ修正パラダイムに依存しているため、基本的に制限されている。 協調グラフをスクラッチから構築することで、このパラダイムを運用する新しい自己回帰モデルであるARG-Designerを提案する。
  論文  参考訳（メタデータ） (2025-07-24T09:17:41Z)
• HiRA: A Hierarchical Reasoning Framework for Decoupled Planning and Execution in Deep Search [85.12447821237045]
  HiRAは、戦略的な計画と専門的な実行を分離する階層的なフレームワークである。 提案手法では,複雑な探索タスクを集中サブタスクに分解し,各サブタスクを外部ツールと推論機能を備えたドメイン固有エージェントに割り当てる。 4つの複雑なクロスモーダルなディープ・サーチ・ベンチマークの実験により、HiRAは最先端のRAGとエージェント・ベース・システムを大きく上回っていることが示された。
  論文  参考訳（メタデータ） (2025-07-03T14:18:08Z)

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。