論文の概要: Ricci-Filtration: Boosting Retrieval-Augmented Generation Reranker to Query-Answer Tasks by Discrete Ricci Flow

• arxiv url: http://arxiv.org/abs/2606.15482v1
• Date: Sat, 13 Jun 2026 21:34:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 16:21:33.648923
• Title: Ricci-Filtration: Boosting Retrieval-Augmented Generation Reranker to Query-Answer Tasks by Discrete Ricci Flow
• Title（参考訳）: Ricci-Filtration:離散リッチフローによる検索タスクへの検索拡張型ジェネレーションリランカの強化
• Authors: Tian Qin, Wei-Min Huang,
• Abstract要約: Ricci-Filtrationは、幾何学に基づくRAGリランカ拡張手順である。 Ricci-Filtrationは、精度、精度、リコール、F1スコアにおいて、いくつかのベースラインリランク法より優れていることを示す。
• 参考スコア（独自算出の注目度）: 13.55091281996713
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Ricci flow is a curvature-guided diffusion process that deforms space by shrinking regions of high positive curvature and expanding those with negative curvature. Similarly, discrete Ricci flow on weighted graphs modifies edge weights by shrinking edges with positive Ricci curvature and stretching those with negative Ricci curvature, effectively increasing the separation between clusters. Inspired by these two cornerstone works, we propose a geometry-based RAG reranker enhancement procedure called Ricci-Filtration. By modeling the input query and initial retrieved chunks as a network, where the input query and chunks serve as nodes and embedding-based pairwise relations define an initial graph, Ricci-Filtration leverages discrete curvature and Ricci flow to evaluate the structural importance of each chunk with respect to the user query. The system first filters the initial chunks based on their geometric curvature relative to the query; then, a reranker processes the remaining chunks to enhance generative performance. We theoretically prove that normalized discrete Ricci flow can detect community structures by identifying distinct asymptotic behaviors in edge weights. This supports the removal of ``noisy'' document chunks characterized by large weights and negative Ricci curvature relative to the query node. Extensive experiments confirm that Ricci-Filtration outperforms several baseline reranking methods in accuracy, precision, recall, and F1 scores. Furthermore, ablation studies demonstrate that the Ricci-Filtration generally outperforms the baseline under various settings, highlighting the framework's robustness across different architectures.
• Abstract（参考訳）: リッチフローは、高い正の曲率の領域を縮め、負の曲率を持つ領域を拡大することによって空間を変形させる曲率誘導拡散過程である。 同様に、重み付きグラフ上の離散リッチフローは、正のリッチ曲率でエッジを縮め、負のリッチ曲率で拡張することでエッジウェイトを修飾し、クラスタ間の分離を効果的に増加させる。 これら2つの基礎研究に触発されて,Ricci-Filtrationと呼ばれる幾何学に基づくRAGリランカ拡張手法を提案する。 入力クエリと初期検索チャンクをネットワークとしてモデル化することにより、入力クエリとチャンクがノードとして機能し、埋め込みベースのペアワイズ関係が初期グラフを定義する。 システムはまず、クエリに対する幾何学的曲率に基づいて初期チャンクをフィルタリングし、次に、リランカが残りのチャンクを処理して生成性能を向上させる。 理論上,正規化された離散リッチフローは,エッジウェイトにおける異なる漸近的挙動を識別することにより,コミュニティ構造を検出できることを証明している。 これは、クエリノードに対する大きな重みと負のリッチ曲率を特徴とする ``noisy'' ドキュメントチャンクの削除をサポートする。 Ricci-Filtrationは、精度、精度、リコール、F1スコアにおいて、いくつかのベースラインリグレード法より優れていることを確認した。 さらに、アブレーション研究により、リッチフィルタは一般に様々な設定の下でベースラインよりも優れており、異なるアーキテクチャにおけるフレームワークの堅牢性を強調している。

関連論文リスト

• Sobolev--Ricci Curvature [12.001517547230838]
  リッチ曲率(英: Ricci curvature)は、局所幾何学構造を符号化するための微分幾何学の基本概念である。 ソボレフ輸送幾何学により誘導されるグラフリッチ曲率であるソボレフリッチ曲率(SRC)を提案する。
  論文  参考訳（メタデータ） (2026-03-13T04:50:36Z)
• Discrete scalar curvature as a weighted sum of Ollivier-Ricci curvatures [4.891498111882615]
  離散的な設定では、リッチ曲率をOllivier-Ricci曲率に置き換える。 我々の定義は、多様体からのサンプリングによって得られる隣り合うグラフに対するスカラー曲率に収束することを示す。
  論文  参考訳（メタデータ） (2025-10-06T15:43:07Z)
• RicciFlowRec: A Geometric Root Cause Recommender Using Ricci Curvature on Financial Graphs [3.0181801777983086]
  RicciFlowRecは、Ricci曲率と動的財務グラフ上のフローを通じて、ルート原因属性を実行するレコメンデーションフレームワークである。 FinBERTを用いたS&P500データの予備的結果から, 合成摂動下での強靭性と解釈性が改善された。
  論文  参考訳（メタデータ） (2025-08-12T20:45:02Z)
• On the Wasserstein Convergence and Straightness of Rectified Flow [54.580605276017096]
  Rectified Flow (RF) は、ノイズからデータへの直流軌跡の学習を目的とした生成モデルである。 RFのサンプリング分布とターゲット分布とのワッサーシュタイン距離に関する理論的解析を行った。 本稿では,従来の経験的知見と一致した1-RFの特異性と直線性を保証する一般的な条件について述べる。
  論文  参考訳（メタデータ） (2024-10-19T02:36:11Z)
• Bayesian Circular Regression with von Mises Quasi-Processes [57.88921637944379]
  本研究では、円値ランダム関数上の表現的および解釈可能な分布の族を探索する。 後部推論のために,高速ギブズサンプリングに寄与するストラトノビッチ様拡張法を導入する。 本研究では,このモデルを用いて風向予測と走行歩行周期のパーセンテージを関節角度の関数として適用する実験を行った。
  論文  参考訳（メタデータ） (2024-06-19T01:57:21Z)
• DeepRicci: Self-supervised Graph Structure-Feature Co-Refinement for Alleviating Over-squashing [72.70197960100677]
  グラフ構造学習(GSL)はグラフニューラルネットワーク(GNN)を改良したグラフで強化する上で重要な役割を果たしている。 GSLソリューションは、通常、タスク固有の監督(ノード分類)による構造改善に焦点を当てるか、GNN自体の固有の弱点を見落としている。 本稿では,典型的なGNNにおけるオーバー・スカッシングの問題を効果的に緩和する,自己教師付きグラフ構造-機能共分法について検討する。
  論文  参考訳（メタデータ） (2024-01-23T14:06:08Z)
• Last-Iterate Convergence of Adaptive Riemannian Gradient Descent for Equilibrium Computation [52.73824786627612]
  本稿では,テクスト幾何学的強単調ゲームに対する新たな収束結果を確立する。 我々のキーとなる結果は、RGDがテクスト幾何学的手法で最終定位線形収束を実現することを示しています。 全体として、ユークリッド設定を超えるゲームに対して、幾何学的に非依存な最終点収束解析を初めて提示する。
  論文  参考訳（メタデータ） (2023-06-29T01:20:44Z)
• Dynamically Stable Poincar\'e Embeddings for Neural Manifolds [10.76554740227876]
  初期計量がポインカーボール上の双曲計量から逸脱する$L2$-norm摂動を持つなら、そのような計量のスケールされたリッチ・デターク流は滑らかで指数関数的に双曲計量に収束する。 具体的には、リッチフローの役割は、安定なポアンカーの球に自然に進化し、ユークリッド空間に写像されることである。
  論文  参考訳（メタデータ） (2021-12-21T13:09:08Z)
• Thoughts on the Consistency between Ricci Flow and Neural Network Behavior [11.912554495037362]
  本稿では, 多様体マイクロサージェリーを補助する線形近似ユークリッド計量を提案する。 Ricci-DeTurckフローの下で、線形にほぼ近いユークリッド計量に近い計量の動的安定性と収束を証明した。
  論文  参考訳（メタデータ） (2021-11-16T12:23:09Z)

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。