論文の概要: ChunQiuTR: Time-Keyed Temporal Retrieval in Classical Chinese Annals

• arxiv url: http://arxiv.org/abs/2604.06997v1
• Date: Wed, 08 Apr 2026 12:14:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-09 17:30:51.511369
• Title: ChunQiuTR: Time-Keyed Temporal Retrieval in Classical Chinese Annals
• Title（参考訳）: チュンキュウTR 古典中国語の時事検索
• Authors: Yihao Wang, Zijian He, Jie Ren, Keze Wang,
• Abstract要約: textbfChunQiuTR は textitSpring と Autumn Annals とexegetical tradition から構築された時系列検索ベンチマークである。 ChunQiuTRは月単位の治世キーでレコードを整理し、現実的な検索失敗を反映するクロノニア共同ファウンダーも参加している。 実験は、時間キー評価の下で、強い意味的二重エンコーダベースラインよりも一貫した利得を示す。
• 参考スコア（独自算出の注目度）: 25.79334428120671
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Retrieval shapes how language models access and ground knowledge in retrieval-augmented generation (RAG). In historical research, the target is often not an arbitrary relevant passage, but the exact record for a specific regnal month, where temporal consistency matters as much as topical relevance. This is especially challenging for Classical Chinese annals, where time is expressed through terse, implicit, non-Gregorian reign phrases that must be interpreted from surrounding context, so semantically plausible evidence can still be temporally invalid. We introduce \textbf{ChunQiuTR}, a time-keyed retrieval benchmark built from the \textit{Spring and Autumn Annals} and its exegetical tradition. ChunQiuTR organizes records by month-level reign keys and includes chrono-near confounders that mirror realistic retrieval failures. We further propose \textbf{CTD} (Calendrical Temporal Dual-encoder), a time-aware dual-encoder that combines Fourier-based absolute calendrical context with relative offset biasing. Experiments show consistent gains over strong semantic dual-encoder baselines under time-keyed evaluation, supporting retrieval-time temporal consistency as a key prerequisite for faithful downstream historical RAG. Our code and datasets are available at \href{https://github.com/xbdxwyh/ChunQiuTR}{\texttt{github.com/xbdxwyh/ChunQiuTR}}.
• Abstract（参考訳）: Retrievalは、検索強化世代(RAG)において、言語モデルがどのようにアクセスと地上知識にアクセスするかを形作る。 歴史的研究において、ターゲットはしばしば任意の意味のあるパスではなく、時間的一貫性がトピックの関連性と同じくらい重要である特定の月についての正確な記録である。 これは古典中国語の年代記において特に困難であり、その時間は、周囲の文脈から解釈しなければならない厳密で暗黙の非グレゴリオ朝の治世句を通して表現されるため、意味論的に証明可能な証拠は時間的に無効である。 我々は,textit{Spring and Autumn Annals} をベースとした時系列検索ベンチマークである \textbf{ChunQiuTR} とそのexegetical tradition を紹介する。 ChunQiuTRは月単位の治世キーでレコードを整理し、現実的な検索失敗を反映するクロノニア共同ファウンダーも参加している。 さらに,フーリエをベースとした絶対カレンダリカルコンテキストと相対オフセットバイアスを組み合わせた時間認識型デュアルエンコーダである \textbf{CTD} (Calendrical Temporal Dual-encoder) を提案する。 実験により, 時間軸評価において, 強い意味的二重エンコーダベースラインよりも一貫した利得を示し, 検索時間時間的一貫性を忠実な下流歴史的RAGの鍵となる前提条件としてサポートした。 私たちのコードとデータセットは、 \href{https://github.com/xbdxwyh/ChunQiuTR}{\textt{github.com/xbdxwyh/ChunQiuTR}}で公開されています。

関連論文リスト

• TS-Haystack: A Multi-Scale Retrieval Benchmark for Time Series Language Models [4.387988928531881]
  時系列言語モデル(TSLM)は、自然言語における連続的な信号の推論のための統一モデルとして登場している。 既存のモデルは通常、短いシーケンスでトレーニングされ、評価されるが、現実の時系列センサーストリームは数百万のデータポイントにまたがる。 TS-Haystackは4つのカテゴリにまたがる10のタスクタイプからなる長期コンテキストの時間的評価ベンチマークである。
  論文  参考訳（メタデータ） (2026-02-15T15:50:02Z)
• Not in Sync: Unveiling Temporal Bias in Audio Chat Models [59.146710538620816]
  大規模音声言語モデル(LALM)は、音声理解やマルチモーダル推論にますます応用されている。 LALMにおける時間バイアスに関する最初の体系的研究を行い,その時間スタンプ予測における重要な限界を明らかにした。
  論文  参考訳（メタデータ） (2025-10-14T06:29:40Z)
• Reading Between the Timelines: RAG for Answering Diachronic Questions [8.969698902720799]
  我々は、時間論理を注入するためにRAGパイプラインを根本的に再設計する新しいフレームワークを提案する。 提案手法は回答精度を大幅に向上し,標準RAG実装を13%から27%上回る結果となった。 この研究はRAGシステムに対する検証された経路を提供し、複雑な現実世界の質問に必要とされるニュアンス付き進化分析を行うことができる。
  論文  参考訳（メタデータ） (2025-07-21T05:19:41Z)
• Cite Pretrain: Retrieval-Free Knowledge Attribution for Large Language Models [44.31597857713689]
  最初の段階でActive Indexingを導入し、一般化可能なソースアンコールバインディングを作成します。 Qwen-2.5-7B&3Bの実験は、アクティブインデックスがパッシブインデックスのベースラインを一貫して上回っていることを示している。 内部の引用は、モデルを検索ノイズに対してより堅牢にすることで、外部の引用を補完する。
  論文  参考訳（メタデータ） (2025-06-21T04:48:05Z)
• Respecting Temporal-Causal Consistency: Entity-Event Knowledge Graphs for Retrieval-Augmented Generation [69.45495166424642]
  我々は,物語文書における時間的,因果的,文字的整合性を理解するために,頑健で差別的なQAベンチマークを開発する。 次に、バイナリマッピングでリンクされたエンティティとイベントのサブグラフを分離したまま保持するデュアルグラフフレームワークであるEntity-Event RAG(E2RAG)を紹介します。 ChronoQA全体で、我々のアプローチは最先端の非構造化およびKGベースのRAGベースラインよりも優れており、因果一貫性クエリや文字整合性クエリが顕著である。
  論文  参考訳（メタデータ） (2025-06-06T10:07:21Z)
• CognTKE: A Cognitive Temporal Knowledge Extrapolation Framework [28.9250547012577]
  認知科学におけるデュアルプロセス理論に動機付け,textbfCognitive textbfTemporal textbfKnowledge textbfExtrapolation framework(CognTKE)を提案する。 CognTKEは、新しい時間的認知関係指向グラフ(TCR-Digraph)を導入し、TCR-Digraph上で解釈可能なグローバルな浅層推論と局所的な深部推論を行う。 4つのベンチマークデータセットの実験結果から、CognTKEは現状と比較して精度が大幅に向上していることが示された。
  論文  参考訳（メタデータ） (2024-12-21T09:50:55Z)
• Once Upon a $\textit{Time}$ in $\textit{Graph}$: Relative-Time Pretraining for Complex Temporal Reasoning [96.03608822291136]
  我々は時間の性質を生かし、時間軸に沿った事象の相対的な配置に基づくグラフ構造の構築を提案する。 グラフビューにインスパイアされたRemeMoを提案する。これは2つの文間の時間関係をモデル化することによって、時間的に観察されたすべての事実を明示的に接続する。 実験の結果、RemeMoは複数の時間的質問応答データセット上でベースラインT5よりも優れていた。
  論文  参考訳（メタデータ） (2023-10-23T08:49:00Z)
• HiSMatch: Historical Structure Matching based Temporal Knowledge Graph Reasoning [59.38797474903334]
  本稿では,textbfHistorical textbfStructure textbfMatching (textbfHiSMatch)モデルを提案する。 クエリと候補エンティティの履歴構造に含まれる意味情報をキャプチャするために、2つの構造エンコーダを適用する。 6つのベンチマークデータセットの実験では、提案されたHiSMatchモデルが、最先端のベースラインと比較して最大5.6%のパフォーマンス改善を達成している。
  論文  参考訳（メタデータ） (2022-10-18T09:39:26Z)
• A Closer Look at Debiased Temporal Sentence Grounding in Videos: Dataset, Metric, and Approach [53.727460222955266]
  テンポラル・センテンス・グラウンディング・イン・ビデオ(TSGV)は、未編集のビデオに自然言語文を埋め込むことを目的としている。 最近の研究では、現在のベンチマークデータセットには明らかなモーメントアノテーションバイアスがあることが判明している。 偏りのあるデータセットによる膨らませ評価を緩和するため、基礎的リコールスコアを割引する新しい評価基準「dR@n,IoU@m」を導入する。
  論文  参考訳（メタデータ） (2022-03-10T08:58:18Z)

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。