論文の概要: PathRouter: Aligning Rewards with Retrieval Quality in Agentic Graph Retrieval-Augmented Generation
- arxiv url: http://arxiv.org/abs/2606.16409v1
- Date: Mon, 15 Jun 2026 08:48:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-16 16:21:34.247167
- Title: PathRouter: Aligning Rewards with Retrieval Quality in Agentic Graph Retrieval-Augmented Generation
- Title（参考訳）: PathRouter: エージェントグラフ検索拡張ジェネレーションにおける検索品質に配慮したリワード
- Authors: Bo Wang, Heyan Huang, Yaolin Li, Wei Tang, Yuan Zhang, Wenbo Li, Mingze Gao, Ge Shi, Chong Feng,
- Abstract要約: エージェントグラフRAGは言語モデルエージェントを反復的に検索し、グラフ構造化された証拠を推論するように訓練する。
エージェントグラフRAGのためのパス認識学習フレームワークPathを提案する。
- 参考スコア（独自算出の注目度）: 41.730631759393525
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Agentic GraphRAG trains language-model agents to iteratively retrieve and reason over graph-structured evidence, enabling more accurate and context-aware decision-making by efficiently navigating complex information networks. However, outcome-only reinforcement learning suffers from \textit{\textbf{answer-path reward aliasing}}, where correct answers may come from shortcuts rather than useful evidence paths. It also exhibits \textit{\textbf{search-update ambiguity}}, as scalar trajectory-level feedback does not indicate which retrieval actions to adjust. To mitigate these shortcomings, we present PathRouter, a path-aware training framework for agentic GraphRAG. PathRouter jointly evaluates each trajectory along answer correctness and evidence-path overlap, yielding four trajectory categories with differentiated GRPO advantage scaling that suppresses shortcut reinforcement while preserving evidence-seeking behavior. For evidence-poor trajectories, a frozen gold-evidence teacher provides token-level KL guidance on reasoning and search-query tokens, excluding answer tokens to avoid direct response imitation. Experiments on six QA benchmarks across three model sizes show that PathRouter consistently improves answer F1 and evidence-path overlap, achieving average F1 gains of 3.1 on 3B and 4.9 on 7B models compared to a strong baseline.
- Abstract（参考訳）: Agentic GraphRAGは、言語モデルエージェントに、グラフ構造化された証拠を反復的に検索し、推論するように訓練し、複雑な情報ネットワークを効率的にナビゲートすることで、より正確でコンテキスト対応の意思決定を可能にする。
しかし、結果のみの強化学習は、有用なエビデンスパスではなく、ショートカットから正しい答えが得られるような、‘textit{\textbf{answer-path reward aliasing}} に苦しめられている。
また、スカラー軌跡レベルのフィードバックはどの検索アクションを調整するかを示さないため、 \textit{\textbf{search-update ambiguity}} も示している。
これらの欠点を軽減するため,エージェントグラフRAGのためのパス認識トレーニングフレームワークであるPathRouterを提案する。
PathRouterは回答の正しさとエビデンス・パスの重なりに沿って各軌道を共同で評価し、エビデンス・シーキング動作を保ちながらショートカット強化を抑制するGRPOの優位性スケーリングを区別した4つの軌道カテゴリを生成する。
証拠に乏しい軌跡については、凍結したゴールドエビデンス教師が推論と検索クエリトークンに関するトークンレベルのKLガイダンスを提供し、直接応答の模倣を避けるために応答トークンを除外する。
3つのモデルサイズにわたる6つのQAベンチマークの実験では、PathRouterは答えF1とエビデンスパスのオーバーラップを一貫して改善し、3Bでは3.1、ベースラインでは7Bモデルでは4.9という平均的なF1ゲインを達成した。
関連論文リスト
- TraceGraph: Shared Decision Landscapes for Diagnosing and Improving Agent Trajectories [61.51984029109709]
グラフベースのフレームワークであるTraceGraphを紹介した。
各タスクに対して、TraceGraphは、モデルIDが導入される前に、プールされたロールアウトから観測可能なアクション・オブザーブレーション状態のグラフを構築する。
次に、結果インフォームされた生産的なコアとトラップリージョンをオーバーレイし、各ロールアウトを3つのイベント – アクセス、トラップ露出、修復 – で要約する。
論文 参考訳（メタデータ） (2026-05-29T13:40:31Z) - STAR: Semantic-Tuned and Tail-Adaptive Retriever for Graph-Augmented Generation [69.66045538889777]
本稿では,GraphRAGのためのセマンティックチューニングとテール適応型レトリバーSTARを提案する。
STARは一貫してベースラインを上回り、平均検索性能は1.8%向上した。
論文 参考訳（メタデータ） (2026-04-11T10:16:51Z) - GraphWalker: Agentic Knowledge Graph Question Answering via Synthetic Trajectory Curriculum [22.56991897386462]
エージェント知識グラフ質問応答(KGQA)は、エージェントが知識グラフ(KG)と反復的に対話する必要がある。
既存のアプローチではエージェント探索が制限されることが多いが、現在のトレーニングパイプラインは通常、事前に定義された軌道に対する推論を限定する。
本稿では,これらの課題に対処するエージェントKGQAフレームワークである textitGraphWalker を提案する。
論文 参考訳（メタデータ） (2026-03-30T14:56:59Z) - TopoCurate:Modeling Interaction Topology for Tool-Use Agent Training [53.93696896939915]
訓練用ツール使用エージェントは一般的に、パスレート選択されたタスクに対して、軌道変更の成功と強化学習(RL)に依存している。
TopoCurateは,同一タスクから多段階的なロールアウトを統一的な意味的商トポロジに投影する対話型フレームワークである。
TopoCurateは最先端のベースラインに対して4.2%(SFT)と6.9%(RL)という一貫したゲインを達成している。
論文 参考訳（メタデータ） (2026-03-02T10:38:54Z) - HELP: HyperNode Expansion and Logical Path-Guided Evidence Localization for Accurate and Efficient GraphRAG [53.30561659838455]
大きな言語モデル(LLM)は、しばしば固有の知識境界と幻覚に苦しむ。
Retrieval-Augmented Generation (RAG) は、マルチホップ推論に不可欠な構造的相互依存性をしばしば見落としている。
ヘルプは、複数の単純でマルチホップなQAベンチマークで競合性能を達成し、グラフベースのRAGベースラインよりも28.8$times$のスピードアップを実現している。
論文 参考訳（メタデータ） (2026-02-24T14:05:29Z) - Breaking the Static Graph: Context-Aware Traversal for Robust Retrieval-Augmented Generation [12.71443292660797]
堅牢なRAGのためのコンテキスト認識トラバーサルであるCatRAGを提案する。
CatRAGはHippoRAG 2アーキテクチャ上に構築され、静的なKGをクエリ適応ナビゲーション構造に変換する。
4つのマルチホップベンチマークの実験では、CatRAGはアートベースラインの状態を一貫して上回っている。
論文 参考訳（メタデータ） (2026-02-02T11:13:38Z) - Relink: Constructing Query-Driven Evidence Graph On-the-Fly for GraphRAG [10.60635000782353]
本稿では,問合せ固有のエビデンスグラフを動的に構築するフレームワークであるRelinkを提案する。
Relinkは、主要なGraphRAGベースラインよりもEMで5.4%、F1で5.2%の大幅な平均改善を実現している。
論文 参考訳（メタデータ） (2026-01-12T04:35:23Z) - TeaRAG: A Token-Efficient Agentic Retrieval-Augmented Generation Framework [62.66056331998838]
TeaRAGは、検索内容と推論ステップの両方を圧縮できるトークン効率のエージェントRAGフレームワークである。
報奨関数は,過剰な推論ステップをペナルティ化しながら,知識マッチング機構によって知識満足度を評価する。
論文 参考訳（メタデータ） (2025-11-07T16:08:34Z) - PropRAG: Guiding Retrieval with Beam Search over Proposition Paths [15.346744525284604]
PropRAGは、トリプルからコンテキストリッチな命題に移行する新しいRAGフレームワークである。
PropRAGは2Wiki、HotpotQA、MuSiQueでRecall@5とF1のスコアを達成している。
論文 参考訳（メタデータ） (2025-04-25T04:47:34Z)
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。