論文の概要: Tutorial on Reasoning for IR & IR for Reasoning

• arxiv url: http://arxiv.org/abs/2602.03640v1
• Date: Tue, 03 Feb 2026 15:24:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-04 18:37:15.539846
• Title: Tutorial on Reasoning for IR & IR for Reasoning
• Title（参考訳）: 推論のためのIRとIRの推論に関するチュートリアル
• Authors: Mohanna Hoveyda, Panagiotis Efstratiadis, Arjen de Vries, Maarten de Rijke,
• Abstract要約: 情報検索は長年,意味的関連性による文書のランク付けに重点を置いてきた。 実世界の情報には、論理的制約の実施、多段階推論、複数の証拠の合成が必要である。 AIコミュニティ全体で、研究者は推論の問題に対するソリューションを開発している。
• 参考スコア（独自算出の注目度）: 43.22339935902436
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Information retrieval has long focused on ranking documents by semantic relatedness. Yet many real-world information needs demand more: enforcement of logical constraints, multi-step inference, and synthesis of multiple pieces of evidence. Addressing these requirements is, at its core, a problem of reasoning. Across AI communities, researchers are developing diverse solutions for the problem of reasoning, from inference-time strategies and post-training of LLMs, to neuro-symbolic systems, Bayesian and probabilistic frameworks, geometric representations, and energy-based models. These efforts target the same problem: to move beyond pattern-matching systems toward structured, verifiable inference. However, they remain scattered across disciplines, making it difficult for IR researchers to identify the most relevant ideas and opportunities. To help navigate the fragmented landscape of research in reasoning, this tutorial first articulates a working definition of reasoning within the context of information retrieval and derives from it a unified analytical framework. The framework maps existing approaches along axes that reflect the core components of the definition. By providing a comprehensive overview of recent approaches and mapping current methods onto the defined axes, we expose their trade-offs and complementarities, highlight where IR can benefit from cross-disciplinary advances, and illustrate how retrieval process itself can play a central role in broader reasoning systems. The tutorial will equip participants with both a conceptual framework and practical guidance for enhancing reasoning-capable IR systems, while situating IR as a domain that both benefits and contributes to the broader development of reasoning methodologies.
• Abstract（参考訳）: 情報検索は長年,意味的関連性による文書のランク付けに重点を置いてきた。 論理的制約の実施、多段階推論、複数の証拠の合成などである。 これらの要件に対処することは、その中核にあるのは、推論の問題である。 AIコミュニティ全体で、研究者は推論時間戦略やLLMのポストトレーニングから、ニューロシンボリックシステム、ベイズ的および確率的フレームワーク、幾何学的表現、エネルギーベースのモデルに至るまで、推論問題のさまざまなソリューションを開発している。 これらの取り組みは、パターンマッチングシステムを超えて構造化され、検証可能な推論に移行するという、同じ問題をターゲットにしている。 しかし、それらは分野に分散し続けており、IR研究者が最も関連するアイデアや機会を特定することは困難である。 このチュートリアルは、まず、情報検索の文脈における推論の動作定義を記述し、統合分析フレームワークから導出する。 このフレームワークは、定義の中核となるコンポーネントを反映した軸に沿って既存のアプローチをマッピングする。 近年のアプローチの概要と現行の手法を定義された軸にマッピングすることによって、それらのトレードオフと相補性を明らかにするとともに、IRが学際的な進歩の恩恵を受けることができるかを強調し、検索プロセス自体がより広範な推論システムにおいてどのように中心的な役割を果たすかを説明する。 このチュートリアルは、推論可能なIRシステムを強化するための概念的枠組みと実践的なガイダンスの両方を参加者に提供し、IRを推論方法論のより広範な発展に寄与する領域として位置づける。

関連論文リスト

• Causal Retrieval with Semantic Consideration [6.967392207053045]
  本稿では,2つの目的(意味と因果関係)で訓練された検索モデルであるCAWAIを提案する。 実験の結果,CAWAIは多様な因果検索タスクにおいて,様々なモデルよりも優れていた。 また,CAWAIは科学領域のQAタスクに対して強いゼロショットの一般化を示すことを示す。
  論文  参考訳（メタデータ） (2025-04-07T03:04:31Z)
• Why Reasoning Matters? A Survey of Advancements in Multimodal Reasoning (v1) [66.51642638034822]
  推論は人間の知性の中心であり、多様なタスクにまたがる構造化された問題解決を可能にする。 大規模言語モデル(LLM)の最近の進歩は、算術、常識、記号領域における推論能力を大幅に向上させてきた。 本稿では,テキストおよびマルチモーダルLLMにおける推論手法の簡潔かつ洞察に富んだ概要について述べる。
  論文  参考訳（メタデータ） (2025-04-04T04:04:56Z)
• Agentic Reasoning: A Streamlined Framework for Enhancing LLM Reasoning with Agentic Tools [19.70178343422698]
  本稿では,外部ツール利用エージェントを統合することで,大規模言語モデル(LLM)推論を強化するフレームワークであるAgentic Reasoningを紹介する。 私たちのフレームワークにおける重要な革新はMind-Mapエージェントです。 DeepSeek-R1にデプロイすると、パブリックモデル間で新しいSOTA(State-of-the-art)を実現する。
  論文  参考訳（メタデータ） (2025-02-07T04:08:46Z)
• Fusing Physics-Driven Strategies and Cross-Modal Adversarial Learning: Toward Multi-Domain Applications [0.0]
  クロスモーダルな敵対的学習と物理駆動の手法は、科学計算における課題に対処するための最先端の方向を表す。 このレビューでは、これらの2つのアプローチを相乗的に統合して、さまざまなアプリケーションドメインのパフォーマンスと堅牢性を高める方法について分析する。
  論文  参考訳（メタデータ） (2024-11-30T03:47:17Z)
• A Mechanistic Explanatory Strategy for XAI [0.0]
  本稿では,ディープラーニングシステムの機能的構造を説明するためのメカニズム的戦略を概説する。 この結果は,機械的説明の追求が,従来の説明可能性技術が見落としている要素を明らかにすることを示唆している。
  論文  参考訳（メタデータ） (2024-11-02T18:30:32Z)
• On the Element-Wise Representation and Reasoning in Zero-Shot Image Recognition: A Systematic Survey [82.49623756124357]
  ゼロショット画像認識(ZSIR)は、限られたデータから一般化された知識を学習することにより、目に見えない領域の認識と推論を目的としている。 本稿では,ZSIRの最近の進歩を徹底的に研究し,今後の発展の基盤となるものについて述べる。
  論文  参考訳（メタデータ） (2024-08-09T05:49:21Z)
• Coding for Intelligence from the Perspective of Category [66.14012258680992]
  符号化の対象はデータの圧縮と再構成、インテリジェンスである。 最近の傾向は、これらの2つの分野の潜在的均一性を示している。 本稿では,カテゴリ理論の観点から,インテリジェンスのためのコーディングの新たな問題を提案する。
  論文  参考訳（メタデータ） (2024-07-01T07:05:44Z)
• A Survey on Interpretable Cross-modal Reasoning [64.37362731950843]
  マルチメディア分析から医療診断に至るまで、クロスモーダル推論(CMR)が重要な分野として浮上している。 この調査は、解釈可能なクロスモーダル推論(I-CMR)の領域を掘り下げる 本調査では,I-CMRの3段階分類法について概説する。
  論文  参考訳（メタデータ） (2023-09-05T05:06:48Z)
• Large Language Models for Information Retrieval: A Survey [83.75872593741578]
  情報検索は、項ベースの手法から高度なニューラルモデルとの統合へと進化してきた。 近年の研究では、大規模言語モデル(LLM)を活用してIRシステムの改善が試みられている。 LLMとIRシステムの合流点を探索し、クエリリライト、リトリバー、リランカー、リーダーといった重要な側面を含む。
  論文  参考訳（メタデータ） (2023-08-14T12:47:22Z)

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。