論文の概要: Beyond Factual Grounding: The Case for Opinion-Aware Retrieval-Augmented Generation

• arxiv url: http://arxiv.org/abs/2604.12138v1
• Date: Mon, 13 Apr 2026 23:39:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-15 19:11:32.16045
• Title: Beyond Factual Grounding: The Case for Opinion-Aware Retrieval-Augmented Generation
• Title（参考訳）: ファクチュアル・グラウンドリングを超えて:オピニオン・アウェア・レトリーバル・アグメンテッド・ジェネレーションの事例
• Authors: Aditya Agrawal, Alwarappan Nakkiran, Darshan Fofadiya, Alex Karlsson, Harsha Aduri,
• Abstract要約: 現在のRAGシステムは、現実的、客観的なコンテンツに対するバイアスを示す。 このバイアスは、主観的コンテンツを含む現実世界のシナリオにおけるRAGシステムを制限する。 本稿では, LLMに基づく意見抽出, エンティティリンクされた意見グラフ, 意見強化された文書インデックスを特徴とする意見認識型RAGアーキテクチャを提案する。
• 参考スコア（独自算出の注目度）: 1.073429056168031
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: RAG systems have transformed how LLMs access external knowledge, but we find that current implementations exhibit a bias toward factual, objective content, as evidenced by existing benchmarks and datasets that prioritize objective retrieval. This factual bias - treating opinions and diverse perspectives as noise rather than information to be synthesized - limits RAG systems in real-world scenarios involving subjective content, from social media discussions to product reviews. Beyond technical limitations, this bias poses risks to transparent and accountable AI: echo chamber effects that amplify dominant viewpoints, systematic underrepresentation of minority voices, and potential opinion manipulation through biased information synthesis. We formalize this limitation through the lens of uncertainty: factual queries involve epistemic uncertainty reducible through evidence, while opinion queries involve aleatoric uncertainty reflecting genuine heterogeneity in human perspectives. This distinction implies that factual RAG should minimize posterior entropy, whereas opinion-aware RAG must preserve it. Building on this theoretical foundation, we present an Opinion-Aware RAG architecture featuring LLM-based opinion extraction, entity-linked opinion graphs, and opinion-enriched document indexing. We evaluate our approach on e-commerce seller forum data, comparing an Opinion-Enriched knowledge base against a traditional baseline. Experiments demonstrate substantial improvements in retrieval diversity: +26.8% sentiment diversity, +42.7% entity match rate, and +31.6% author demographic coverage on entity-matched documents. Our results provide empirical evidence that treating subjectivity as a first-class citizen yields measurably more representative retrieval-a first step toward opinion-aware RAG. Future work includes joint optimization of retrieval and generation for distributional fidelity.
• Abstract（参考訳）: RAGシステムは、LCMが外部知識にアクセスする方法を変えてきたが、既存のベンチマークやデータセットで実証されているように、現在の実装は、現実的、客観的なコンテンツに対するバイアスを示す。 この事実バイアス - 意見や様々な視点を合成される情報ではなくノイズとして扱う - は、ソーシャルメディアの議論から製品レビューまで、主観的コンテンツを含む現実のシナリオにおけるRAGシステムを制限する。 技術的制限を超えて、このバイアスは透明で説明可能なAIにリスクをもたらす。エコーチャンバー効果は、支配的な視点を増幅し、少数派の声の体系的な過小評価、バイアス情報合成による潜在的意見操作である。 事実的クエリは、証拠によって再現可能なてんかんの不確実性を含むが、意見的クエリは、真の不均一性を人間の視点で反映したアレタリック不確実性を含む。 この区別は、現実のRAGが後部エントロピーを最小限に抑えなければならないことを意味している。 この理論基盤を基盤として, LLMに基づく意見抽出, エンティティ・リンクされた意見グラフ, 意見強化された文書インデックスを特徴とするオピニオン・アウェアRAGアーキテクチャを提案する。 我々は,電子商取引のフォーラムデータに対する我々のアプローチを評価し,オピニオンに富んだ知識ベースを従来のベースラインと比較した。 26.8%の感情多様性、42.7%の実体一致率、31.6%の著作者による文書の人口統計調査などである。 その結果,主観性を第一級市民として扱うことで,世論意識のRAGへの第一歩として,より代表的検索が期待できるという実証的証拠が得られた。 今後の研究は、分散忠実度のための検索と生成を共同で最適化することを含む。

関連論文リスト

• Evaluating Social Bias in RAG Systems: When External Context Helps and Reasoning Hurts [7.344577590113121]
  大規模言語モデル(LLM)に固有の社会的バイアスは、かなりの公平さを懸念する。 この研究は、RAGの社会的バイアスの影響を評価し、理解することに焦点を当てている。
  論文  参考訳（メタデータ） (2026-02-10T06:27:56Z)
• DIVERGE: Diversity-Enhanced RAG for Open-Ended Information Seeking [10.970797088560323]
  本稿では,新しいリフレクション誘導生成とメモリ拡張反復改善機能を備えたプラグアンドプレイエージェントRAGフレームワークを提案する。 我々は,DIVERGEが競争基準よりも優れた多様性と品質のトレードオフを達成できることを実証した。
  論文  参考訳（メタデータ） (2026-01-30T19:03:11Z)
• Factuality and Transparency Are All RAG Needs! Self-Explaining Contrastive Evidence Re-ranking [0.2864713389096699]
  この拡張された抽象概念は、自己説明的コントラストエビデンス・リランキング(CER)を導入している。 CERは、コントラスト学習による微調整埋め込みによる事実証拠の検索を再構築し、検索された各パスに対してトークンレベルの帰属論理を生成する。 本手法を臨床試験報告で評価した結果,CERは検索精度を向上し,RAGシステムにおける幻覚の可能性を軽減し,特に安全上重要な領域において信頼性を高めるための透明でエビデンスに基づく検索を提供することが明らかとなった。
  論文  参考訳（メタデータ） (2025-12-04T17:24:35Z)
• Towards Agentic RAG with Deep Reasoning: A Survey of RAG-Reasoning Systems in LLMs [69.10441885629787]
  Retrieval-Augmented Generation (RAG) は、外部知識を注入することによって、Large Language Models (LLM) の事実性を高める。 逆に、純粋に推論指向のアプローチは、しばしば幻覚的あるいは誤った事実を必要とする。 この調査は両鎖を統一的推論-検索の観点から合成する。
  論文  参考訳（メタデータ） (2025-07-13T03:29:41Z)
• RADIANT: Retrieval AugmenteD entIty-context AligNmenT -- Introducing RAG-ability and Entity-Context Divergence [18.268335797537983]
  Retrieval-Augmented Generation (RAG) は、外部知識を生成プロセスに統合することにより、事実の精度を高める技術である。 本稿では,得られた証拠と生成されたコンテンツとの相互作用を最適化するために,RAGとアライメントを組み合わせたフレームワークであるRadiantを紹介する。
  論文  参考訳（メタデータ） (2025-06-28T21:40:35Z)
• VALOR-EVAL: Holistic Coverage and Faithfulness Evaluation of Large Vision-Language Models [57.43276586087863]
  LVLM(Large Vision-Language Models)は幻覚に悩まされ、このモデルでは可聴音を発生させるが、実際には誤出力を発生させる。 既存のベンチマークはスコープに限られており、主にオブジェクト幻覚に焦点を当てている。 対象,属性,関係を多次元のベンチマークで表現し,連想バイアスに基づいて画像を選択する。
  論文  参考訳（メタデータ） (2024-04-22T04:49:22Z)
• Latent Opinions Transfer Network for Target-Oriented Opinion Words Extraction [63.70885228396077]
  資源豊富なレビュー評価分類データセットから低リソースタスクTOWEへ意見知識を伝達する新しいモデルを提案する。 我々のモデルは、他の最先端手法よりも優れた性能を達成し、意見の知識を伝達することなく、ベースモデルを大幅に上回る。
  論文  参考訳（メタデータ） (2020-01-07T11:50:54Z)

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。