論文の概要: Toward Agentic RAG for Ukrainian

• arxiv url: http://arxiv.org/abs/2604.14896v1
• Date: Thu, 16 Apr 2026 11:40:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-17 21:29:31.872927
• Title: Toward Agentic RAG for Ukrainian
• Title（参考訳）: ウクライナのエージェントRAGに向けて
• Authors: Marta Sumyk, Oleksandr Kosovan,
• Abstract要約: ウクライナ人を対象としたRAG(Agenic Retrieval-Augmented Generation)について検討した。 本システムでは,2段階検索(BGE-M3とBGEリグレード)と,Qwen2.5-3B-インストラクタ上でクエリリフレッシングと応答-リトライループを行う軽量エージェント層を組み合わせる。
• 参考スコア（独自算出の注目度）: 15.119045051735633
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present an initial investigation into Agentic Retrieval-Augmented Generation (RAG) for Ukrainian, conducted within the UNLP 2026 Shared Task on Multi-Domain Document Understanding. Our system combines two-stage retrieval (BGE-M3 with BGE reranking) with a lightweight agentic layer performing query rephrasing and answer-retry loops on top of Qwen2.5-3B-Instruct. Our analysis reveals that retrieval quality is the primary bottleneck: agentic retry mechanisms improve answer accuracy but the overall score remains constrained by document and page identification. We discuss practical limitations of offline agentic pipelines and outline directions for combining stronger retrieval with more advanced agentic reasoning for Ukrainian.
• Abstract（参考訳）: マルチドメイン文書理解のためのUNLP 2026共有タスクで実施されているウクライナ人のためのエージェント検索・拡張生成(RAG)について,初回調査を行った。 本システムでは,2段階検索(BGE-M3とBGEリグレード)と,Qwen2.5-3B-インストラクタ上でクエリリフレッシングと応答-リトライループを行う軽量エージェント層を組み合わせる。 エージェント再試行機構は解答精度を向上させるが、全体のスコアは文書やページの識別によって制限される。 本稿では、オフラインエージェントパイプラインの実用的限界と、より強力な検索とより高度なエージェント推論を組み合わせるためのアウトライン方向について論じる。

関連論文リスト

• Search-R2: Enhancing Search-Integrated Reasoning via Actor-Refiner Collaboration [49.9937230730202]
  本稿では,新たなアクター・リファイナ・コラボレーション・フレームワークであるSearch-R2を提案する。 提案手法は,生成過程をアクターに分解し,最初の推論軌道を生成する。 本稿では,検索-R2がモデルスケール全体にわたって強力なRAGとRLベースのベースラインを一貫して上回ることを示す。
  論文  参考訳（メタデータ） (2026-02-03T15:32:09Z)
• Grounded by Experience: Generative Healthcare Prediction Augmented with Hierarchical Agentic Retrieval [29.377256313893934]
  大規模言語モデル(LLM)は、豊富なパラメトリック知識に基づいて、医療の予測を強化するための有望な道を提供する。 LLMは、組み込み知識の信頼性とカバレッジに制限があるため、事実的不正確な傾向にある。 GHARは,医療におけるサブモジュール間の協調をいつ取得するか,どのように最適化するかを同時に解決する下線構造下線下線下線RAGフレームワークである。
  論文  参考訳（メタデータ） (2025-11-17T12:15:46Z)
• Interact-RAG: Reason and Interact with the Corpus, Beyond Black-Box Retrieval [49.85856484781787]
  本稿では,ILMエージェントを検索プロセスのアクティブマニピュレータに高める新しいパラダイムであるInteract-RAGを紹介する。 我々は、ゼロショット実行と相互作用軌跡の合成を可能にする推論強化ワークフローを開発する。 6つのベンチマーク実験により、Interact-RAGは他の高度な手法よりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2025-10-31T15:48:43Z)
• Enhancing Retrieval Augmentation via Adversarial Collaboration [50.117273835877334]
  我々は「検索幻覚」に対処するため、Adrial Collaboration RAG(AC-RAG)フレームワークを提案する。 AC-RAGは、知識ギャップを識別するジェネリスト検出器と、正確な解決策を提供するドメイン特化リゾルバという2つの異種エージェントを使用している。 実験により、AC-RAGは検索精度を大幅に向上し、様々な垂直領域における最先端RAG法より優れていることが示された。
  論文  参考訳（メタデータ） (2025-09-18T08:54:20Z)
• RAG-Gym: Systematic Optimization of Language Agents for Retrieval-Augmented Generation [43.50113345998687]
  本稿では,(1)プロンプトエンジニアリング,(2)アクターチューニング,(3)批判的トレーニングという,3つの最適化次元を探求する総合的なプラットフォームであるRAG-Gymを紹介する。 本稿では,リフレクション推論を取り入れた新しいエージェントであるRe$2$Searchを提案する。 アクターチューニングにおいて,プロセスの監督をきめ細かい3つの人気のあるポストトレーニングアルゴリズムを評価し,直接選好最適化を最も効果的に評価する。
  論文  参考訳（メタデータ） (2025-02-19T18:56:03Z)
• A New Query Expansion Approach via Agent-Mediated Dialogic Inquiry [10.76224743599566]
  本稿では,3つの専門的役割を含む対話的調査を行うエージェント媒介型対話型フレームワークAMDを提案する。 マルチエージェントプロセスを活用することで、AMDは質問やフィードバックの洗練を通じて、よりリッチなクエリ表現を効果的に構築する。
  論文  参考訳（メタデータ） (2025-02-12T16:39:06Z)
• Chain-of-Retrieval Augmented Generation [91.02950964802454]
  本稿では,o1-like RAGモデルを学習し,最終回答を生成する前に段階的に関連情報を抽出・推論する手法を提案する。 提案手法であるCoRAGは,進化状態に基づいて動的にクエリを再構成する。
  論文  参考訳（メタデータ） (2025-01-24T09:12:52Z)
• Do RAG Systems Cover What Matters? Evaluating and Optimizing Responses with Sub-Question Coverage [74.70255719194819]
  サブクエストカバレッジに基づく新しいフレームワークを導入し、RAGシステムが質問の異なる面にどのように対処するかを計測する。 このフレームワークを使用して、You.com、Perplexity AI、Bing Chatの3つの商用生成応答エンジンを評価します。 すべての回答エンジンは、バックグラウンドやフォローアップよりも、コアサブクエストを頻繁にカバーしていますが、コアサブクエストの約50%を見逃しています。
  論文  参考訳（メタデータ） (2024-10-20T22:59:34Z)

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。