論文の概要: Traceable Cross-Source RAG for Chinese Tibetan Medicine Question Answering

• arxiv url: http://arxiv.org/abs/2602.05195v1
• Date: Thu, 05 Feb 2026 01:46:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-06 18:49:08.704005
• Title: Traceable Cross-Source RAG for Chinese Tibetan Medicine Question Answering
• Title（参考訳）: チベット医学会「追跡可能なクロスソースRAG」調査報告
• Authors: Fengxian Chen, Zhilong Tao, Jiaxuan Li, Yunlong Li, Qingguo Zhou,
• Abstract要約: 中国のチベット医学では、百科事典のエントリは、しばしば密度が高く、一致し易い。 本稿では,トレーサビリティを改善し,幻覚を低減し,クロスKB検証を可能にする2つの補完手法を提案する。
• 参考スコア（独自算出の注目度）: 6.5857235799929486
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Retrieval-augmented generation (RAG) promises grounded question answering, yet domain settings with multiple heterogeneous knowledge bases (KBs) remain challenging. In Chinese Tibetan medicine, encyclopedia entries are often dense and easy to match, which can dominate retrieval even when classics or clinical papers provide more authoritative evidence. We study a practical setting with three KBs (encyclopedia, classics, and clinical papers) and a 500-query benchmark (cutoff $K{=}5$) covering both single-KB and cross-KB questions. We propose two complementary methods to improve traceability, reduce hallucinations, and enable cross-KB verification. First, DAKS performs KB routing and budgeted retrieval to mitigate density-driven bias and to prioritize authoritative sources when appropriate. Second, we use an alignment graph to guide evidence fusion and coverage-aware packing, improving cross-KB evidence coverage without relying on naive concatenation. All answers are generated by a lightweight generator, \textsc{openPangu-Embedded-7B}. Experiments show consistent gains in routing quality and cross-KB evidence coverage, with the full system achieving the best CrossEv@5 while maintaining strong faithfulness and citation correctness.
• Abstract（参考訳）: Retrieval-augmented Generation (RAG)は、根拠付き質問応答を約束するが、複数の異種知識ベース(KB)を持つドメイン設定は難しいままである。 中国のチベット医学では、百科事典の項目は密集しやすく一致しやすく、古典学や臨床論文がより権威的な証拠を提供する場合でも検索を支配しうる。 本研究では,3 KB (百科事典,古典学,臨床論文) と500-query ベンチマーク ($K{=}5$) を用いて,1 KB と クロス KB の2 問を比較検討した。 本稿では,トレーサビリティを改善し,幻覚を低減し,クロスKB検証を可能にする2つの補完手法を提案する。 まず、DAKSはKBルーティングと予算付き検索を行い、密度駆動バイアスを緩和し、適切なタイミングで権威ソースを優先順位付けする。 第2に、アライメントグラフを用いて、エビデンス融合とカバレッジ対応パッキングをガイドし、単純結合に頼ることなく、クロスKBエビデンスカバレッジを改善する。 すべての答えは、軽量ジェネレータ \textsc{openPangu-Embedded-7B} によって生成される。 実験では、ルーティング品質とクロスKBエビデンスカバレッジが一貫した向上を示し、完全なシステムは、強い忠実さと引用の正しさを維持しながら、最高のCrossEv@5を達成する。

関連論文リスト

• ReAG: Reasoning-Augmented Generation for Knowledge-based Visual Question Answering [54.72902502486611]
  ReAG(Reasoning-Augmented Multimodal RAG)は、粗い部分ときめ細かい部分の検索と、無関係な通路をフィルタリングする批評家モデルを組み合わせた手法である。 ReAGは従来の手法よりも優れており、解答精度が向上し、検索された証拠に根ざした解釈可能な推論を提供する。
  論文  参考訳（メタデータ） (2025-11-27T19:01:02Z)
• Embedding-Based Context-Aware Reranker [11.885086835801523]
  Retrieval-Augmented Generation (RAG) システムは、下流生成をサポートするためにコーパスから関連する証拠を取得することに依存している。 本稿では,検索したパスの埋め込みを直接操作する軽量なリグレードフレームワークである Embedding-based Context-Aware Reranker (EBCAR) を提案する。 ConTEBベンチマークを用いて,SOTAリランカに対するEBCARの評価を行い,クロスパス推論を必要とする情報検索の有効性を実証した。
  論文  参考訳（メタデータ） (2025-10-15T09:14:04Z)
• VeriCite: Towards Reliable Citations in Retrieval-Augmented Generation via Rigorous Verification [107.75781898355562]
  証拠を厳格に検証し,回答の帰属性を高めるために設計された,VeriCiteと呼ばれる新しいフレームワークを紹介する。 我々は,5つのオープンソースLCMと4つのデータセットを対象とした実験を行い,VeriCiteが回答の正しさを維持しつつ,引用品質を大幅に向上できることを実証した。
  論文  参考訳（メタデータ） (2025-10-13T13:38:54Z)
• Agent KB: Leveraging Cross-Domain Experience for Agentic Problem Solving [62.71545696485824]
  我々は,異種エージェントフレームワーク間のシームレスな体験共有を可能にするユニバーサルメモリ基盤であるAgent KBを紹介した。 Agent KBはトラジェクトリを構造化知識ベースに集約し、軽量APIを提供する。 我々は,GAIA,Humanity's Last Exam,GPQA,SWE-benchなどの主要フレームワークにまたがるエージェントを検証した。
  論文  参考訳（メタデータ） (2025-07-08T17:59:22Z)
• Enhancing Document Retrieval for Curating N-ary Relations in Knowledge Bases [3.032503744743792]
  バイオメディカル知識基盤のカリキュラムは、文献から正確な多義性関係事実を抽出することに依存している。 本稿では、KBキュレーションを支援するために、欠落した関係論を補うための文書を識別するニューラルネットワークモデルを提案する。
  論文  参考訳（メタデータ） (2025-04-14T18:11:53Z)
• HybGRAG: Hybrid Retrieval-Augmented Generation on Textual and Relational Knowledge Bases [36.46450059250384]
  本稿では,レトリバーバンクと批評家モジュールからなるHQA用HybGRAGについて,次のような利点がある。 STaRKベンチマークの実験では、HybGRAGはパフォーマンスが大幅に向上し、hit@1の平均相対的な改善は51%である。
  論文  参考訳（メタデータ） (2024-12-20T19:49:12Z)
• Two is Better Than One: Answering Complex Questions by Multiple Knowledge Sources with Generalized Links [31.941956320431217]
  複数KB間の全リンクと部分リンクを利用して正しい回答を導出する新しいMulti-KB-QAタスクを定式化する。 そこで本研究では,KB埋め込みのすべてのリンク関係を符号化して,候補解のスコアとランク付けを行うマルチKB-QAを提案する。
  論文  参考訳（メタデータ） (2023-09-11T02:31:41Z)
• Open-domain Question Answering via Chain of Reasoning over Heterogeneous Knowledge [82.5582220249183]
  異種知識ソース間のシングル/マルチホップ質問に応答する新しいオープンドメイン質問応答(ODQA)フレームワークを提案する。 分離された証拠を収集するためにレトリバーにのみ依存する従来の方法とは異なり、我々の仲介者は検索された集合に対する推論の連鎖を実行する。 本システムは,2つのODQAデータセットであるOTT-QAとNQに対して,Wikipediaの表や節に対する競合性能を実現する。
  論文  参考訳（メタデータ） (2022-10-22T03:21:32Z)
• RnG-KBQA: Generation Augmented Iterative Ranking for Knowledge Base Question Answering [57.94658176442027]
  KBQAのランク・アンド・ジェネレートアプローチであるRnG-KBQAを提案する。 我々はGrailQA と WebQSP データセット上で,最先端の新たな結果を得る。
  論文  参考訳（メタデータ） (2021-09-17T17:58:28Z)
• Searching Central Difference Convolutional Networks for Face Anti-Spoofing [68.77468465774267]
  顔認識システムにおいて、顔の反偽造(FAS)が重要な役割を担っている。 最先端のFASメソッドの多くは、スタック化された畳み込みと専門家が設計したネットワークに依存している。 ここでは、中央差分畳み込み(CDC)に基づくフレームレベルの新しいFAS手法を提案する。
  論文  参考訳（メタデータ） (2020-03-09T12:48:37Z)

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。