論文の概要: AgriIR: A Scalable Framework for Domain-Specific Knowledge Retrieval

• arxiv url: http://arxiv.org/abs/2604.16353v1
• Date: Tue, 17 Mar 2026 05:14:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-04 02:32:13.920902
• Title: AgriIR: A Scalable Framework for Domain-Specific Knowledge Retrieval
• Title（参考訳）: AgriIR: ドメイン特化知識検索のためのスケーラブルなフレームワーク
• Abstract要約: AgriIRは情報アクセスプロセスを宣言的なモジュールステージに分解する。 システムは決定論的引用を強制し、透明性のためのテレメトリを統合し、自動配置資産を含む。 我々は,この手法が「農業用AI」を具現化し,検索強化世代システムにおけるアクセシビリティ,持続可能性,説明責任を促進することを主張する。
• 参考スコア（独自算出の注目度）: 1.3659494164124295
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper introduces AgriIR, a configurable retrieval augmented generation (RAG) framework designed to deliver grounded, domain-specific answers while maintaining flexibility and low computational cost. Instead of relying on large, monolithic models, AgriIR decomposes the information access process into declarative modular stages -- query refinement, sub-query planning, retrieval, synthesis, and evaluation. This design allows practitioners to adapt the framework to new knowledge verticals without modifying the architecture. Our reference implementation targets Indian agricultural information access, integrating 1B-parameter language models with adaptive retrievers and domain-aware agent catalogues. The system enforces deterministic citation, integrates telemetry for transparency, and includes automated deployment assets to ensure auditable, reproducible operation. By emphasizing architectural design and modular control, AgriIR demonstrates that well-engineered pipelines can achieve domain-accurate, trustworthy retrieval even under constrained resources. We argue that this approach exemplifies ``AI for Agriculture'' by promoting accessibility, sustainability, and accountability in retrieval-augmented generation systems.
• Abstract（参考訳）: 本稿では,AgriIRについて紹介する。AgriIRは,自由度と計算コストの低さを維持しつつ,基礎的かつドメイン固有の回答を提供するために設計された,構成可能な検索拡張生成(RAG)フレームワークである。 大規模でモノリシックなモデルに頼る代わりに、AgriIRは情報アクセスプロセスを宣言的なモジュールステージ – クエリの洗練、サブクエリ計画、検索、合成、評価 – に分解する。 この設計により、実践者はアーキテクチャを変更することなく、新しい知識にフレームワークを適用することができる。 基準実装は、インド農業情報へのアクセスを目標とし、1Bパラメータ言語モデルと適応型レトリバーとドメイン対応エージェントカタログを統合した。 このシステムは決定論的引用を強制し、透明性のためのテレメトリを統合し、監査可能な再現可能な運用を保証するための自動配置資産を含む。 アーキテクチャ設計とモジュール制御を強調することで、AgriIRは、十分にエンジニアリングされたパイプラインが、制約されたリソースの下でさえ、ドメインの正確で信頼できる検索を達成できることを実証する。 提案手法は, 適応性, 持続性, アカウンタビリティを向上し, 「農業のためのAI」 を実証するものであると論じる。

関連論文リスト

• Retrieval-Augmented Large Language Models as Components of Cognitive Computing architecture for Regulatory Knowledge Management [0.0]
  本研究は,大規模言語モデル(LLM)を大規模アクセラレーターなしでオンプレミス環境で運用するアーキテクチャアプローチを提案する。 以上の結果から,RAGによるLCMの増大は,生成したテキストの事実整合性,ドメイン特異性,規範的精度を著しく向上し,サポート対象コンテンツ生成のリスクを低減させることが示された。
  論文  参考訳（メタデータ） (2026-07-27T12:31:25Z)
• Structure-Aware RAG: Structured Retrieval Augmented Generation from Noisy Data for Conversational Agents [68.52563127206808]
  SA-RAG(Structure-aware Retrieval Augmented Generation)は、テーブルを中間構造表現として使用して、コンパクトで制御可能なインターフェースを提供する。 メタデータの正規化と有効性をモデル化する品質対応のテーブルメタデータ生成フレームワークを提案する。 2つのノイズの多い実世界のデータセットの実験は、SA-RAGが既存のRAGベースラインを大幅に上回っていることを示している。
  論文  参考訳（メタデータ） (2026-05-23T03:07:33Z)
• DCD: Domain-Oriented Design for Controlled Retrieval-Augmented Generation [0.0]
  DCD(Domain-Collection-Document)は,RAGシステムにおいて,基礎となる言語モデルを変更することなくクエリ処理を構造化・制御するためのドメイン指向設計である。 提案手法は,構造化モデル出力に基づく情報空間の階層的分解と多段階ルーティングに依存する。 本稿では、DCDアーキテクチャとワークフローを説明し、合成評価データセットにおける結果について議論し、適用されたRAGシナリオにおけるロバスト性、事実精度、回答関連性への影響を強調した。
  論文  参考訳（メタデータ） (2026-04-08T20:47:51Z)
• Scaling Beyond Context: A Survey of Multimodal Retrieval-Augmented Generation for Document Understanding [61.36285696607487]
  文書理解は、財務分析から科学的発見への応用に不可欠である。 現在のアプローチでは、OCRベースのパイプラインがLarge Language Models(LLM)やネイティブのMultimodal LLMs(MLLM)に制限されている。 Retrieval-Augmented Generation (RAG)は、外部データの基底モデルを支援するが、文書のマルチモーダルな性質は、テキスト、テーブル、チャート、レイアウトを組み合わせることで、より高度なパラダイムを必要とする。
  論文  参考訳（メタデータ） (2025-10-17T02:33:16Z)
• Domain-Specific Data Generation Framework for RAG Adaptation [58.20906914537952]
  Retrieval-Augmented Generation (RAG)は、大規模言語モデルの言語理解と推論能力と外部検索を組み合わせ、ドメイン基底応答を可能にする。 本稿では,様々なRAG適応手法に合わせて,ドメイン基底型質問応答コンテキスト(QAC)トリプルを生成するフレームワークであるRAGenを提案する。
  論文  参考訳（メタデータ） (2025-10-13T09:59:49Z)
• Context-Aware Visual Prompting: Automating Geospatial Web Dashboards with Large Language Models and Agent Self-Validation for Decision Support [1.506501956463029]
  リスク分析と意思決定のためのWebベースのダッシュボードの開発は、大きな多次元データの難しさに悩まされることが多い。 ユーザ定義入力からインタラクティブな地理空間ダッシュボードの作成を自動化する生成AIフレームワークを導入する。
  論文  参考訳（メタデータ） (2025-10-10T10:58:15Z)
• A Multimodal Conversational Assistant for the Characterization of Agricultural Plots from Geospatial Open Data [0.0]
  本研究では,多モーダル検索と大規模言語モデル(LLM)を統合したオープンソースの対話型アシスタントを提案する。 提案したアーキテクチャは, 検索拡張生成(RAG)によるオクトロフォト, セチネル-2植生指標, およびユーザ提供文書を組み合わせたものである。 予備的な結果は、農業用クエリに対して明確で、関連性があり、コンテキスト対応の応答を生成することができることを示している。
  論文  参考訳（メタデータ） (2025-09-22T09:02:53Z)
• Embodied-RAG: General Non-parametric Embodied Memory for Retrieval and Generation [69.01029651113386]
  Embodied-RAGは、非パラメトリックメモリシステムによるエンボディエージェントのモデルを強化するフレームワークである。 コアとなるEmbodied-RAGのメモリはセマンティックフォレストとして構成され、言語記述を様々なレベルで詳細に保存する。 Embodied-RAGがRAGをロボット領域に効果的にブリッジし、250以上の説明とナビゲーションクエリをうまく処理できることを実証する。
  論文  参考訳（メタデータ） (2024-09-26T21:44:11Z)
• "Glue pizza and eat rocks" -- Exploiting Vulnerabilities in Retrieval-Augmented Generative Models [74.05368440735468]
  Retrieval-Augmented Generative (RAG)モデルにより大規模言語モデル(LLM)が強化される 本稿では,これらの知識基盤の開放性を敵が活用できるセキュリティ上の脅威を示す。
  論文  参考訳（メタデータ） (2024-06-26T05:36:23Z)
• Serving Deep Learning Model in Relational Databases [70.53282490832189]
  リレーショナルデータ上での深層学習(DL)モデルの実現は、様々な商業分野や科学分野において重要な要件となっている。 最先端のDL中心アーキテクチャは、DL計算を専用のDLフレームワークにオフロードします。 UDF中心アーキテクチャの可能性は、リレーショナルデータベース管理システム(RDBMS)内の1つ以上のテンソル計算をユーザ定義関数(UDF)にカプセル化する。
  論文  参考訳（メタデータ） (2023-10-07T06:01:35Z)

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。