論文の概要: HyBIRD: Hyperbolic Bridge Retrieval and Diagnosis for Methodology Inspiration Retrieval

• arxiv url: http://arxiv.org/abs/2606.28336v1
• Date: Fri, 29 May 2026 11:53:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-05 17:01:29.583891
• Title: HyBIRD: Hyperbolic Bridge Retrieval and Diagnosis for Methodology Inspiration Retrieval
• Title（参考訳）: HyBIRD:ハイボリックブリッジ検索と診断
• Abstract要約: 方法 吸気検索(MIR)は、新しい研究提案を刺激する手法を持つ先行論文の検索をシステムに依頼する。 既存のMIRシークエンスレトリバーは、強力な紙レベルランキングを提供するが、返されたリストは、どのように提案がブリッジされているかを明らかにしていない。 我々は,MIRを双曲的ブリッジ検索およびポストホック法診断として扱う冷凍アンカーフレームワークHyBIRDを提案する。
• 参考スコア（独自算出の注目度）: 12.107052135924079
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Methodology Inspiration Retrieval (MIR) asks a system to retrieve prior papers whose methods can inspire a new research proposal. Unlike general scientific retrieval, the central challenge is not topical similarity but whether a candidate paper provides concrete mechanisms that can instantiate an abstract methodological need. Existing MIR dense retrievers provide strong paper-level rankings, but the returned lists do not expose how proposal needs are bridged by retrieved methods, where evidence is weak, or which complementary snippets may help. We propose HyBIRD, a frozen-anchor framework that treats MIR as hyperbolic bridge retrieval and post-hoc method diagnosis. HyBIRD keeps a strong MIR dense retriever fixed, learns lightweight point, cone, and factorized hyperbolic bridge variants, and uses LLM-assisted method blocks for post-hoc explanation and evidence selection. On the MIR benchmark, the factorized bridge reaches 59.034 mAP while preserving the dense anchor's strong retrieval behavior. More importantly, HyBIRD converts ranked papers into inspectable query need profiles, factor coverage, maturity views, and complementary evidence bundles. The results suggest that hyperbolic geometry is most useful as calibrated structure over a dense anchor, rather than as a standalone replacement for dense retrieval.
• Abstract（参考訳）: Methodology Inspiration Retrieval (MIR)は、新しい研究提案を刺激する手法を持つ先行論文の検索をシステムに依頼する。 一般的な科学的検索とは異なり、中心的な課題はトピック間の類似性ではなく、候補論文が抽象的な方法論的ニーズをインスタンス化できる具体的なメカニズムを提供するかどうかである。 既存のMIRシークエントレトリバーは、強力な紙レベルのランキングを提供するが、返されたリストは、検索された方法、証拠の弱い方法、補完的なスニペットが役に立つかによって、どのように提案がブリッジされているかを明らかにしていない。 我々は,MIRを双曲的ブリッジ検索およびポストホック法診断として扱う冷凍アンカーフレームワークHyBIRDを提案する。 HyBIRDは、強いMIR高密度レトリバーを固定し、軽量な点、円錐、分解された双曲橋の変種を学習し、LLM支援のメソッドブロックを使用して、ポストホックな説明とエビデンスの選択を行う。 MIRベンチマークでは、係数化された橋は59.034 mAPに達し、密度の高いアンカーの強い検索挙動を保っている。 さらに重要なのは、ランク付けされた論文を検査可能なクエリ要求プロファイル、ファクタカバレッジ、成熟度ビュー、補完的なエビデンスバンドルに変換することだ。 以上の結果から, 双曲幾何学は, 濃密な検索の代替としてではなく, 濃密なアンカー上の校正構造として最も有用であることが示唆された。

関連論文リスト

• MEGRAG: Multi-Granular Evidence Graphs for Answer-Aware Multi-Hop RAG [13.995448370079728]
  マルチホップ質問応答は、検索強化世代における根本的な課題である。 MeGRAGはパス構造化多粒性エビデンスグラフとしてマルチホップ推論を表現している。 MeGRAGは、結果の中間回答と事前の推論を使用して、初期クエリが解決されたかどうかを判断する。
  論文  参考訳（メタデータ） (2026-08-03T13:17:49Z)
• Superintelligent Retrieval Agent: The Next Frontier of Information Retrieval [25.731213365755234]
  textitSuperIntelligent Retrieval Agent (SIRA)を紹介する。 SIRAは、複数ラウンド探索探索を単一のコーパス識別検索アクションに圧縮することができる。 解釈可能で、トレーニング不要で、効率的でありながら、より高価なマルチラウンドサーチを超えることができる。
  論文  参考訳（メタデータ） (2026-05-07T17:54:29Z)
• Beyond Semantic Similarity: Rethinking Retrieval for Agentic Search via Direct Corpus Interaction [127.64173950476702]
  エージェントが直接、汎用端末ツールを用いて、生コーパスを直接検索する直接コーパス間相互作用(DCI)について検討する。 このアプローチではオフラインインデックスを必要とせず、ローカルコーパスの進化に自然に適応する。 IRベンチマークとエンドツーエンドのエージェント検索タスク全体にわたって、この単純なセットアップは、強いスパース、密度、リランクベースラインよりも大幅に優れています。
  論文  参考訳（メタデータ） (2026-05-03T19:13:11Z)
• R$^3$AG: Retriever Routing for Retrieval-Augmented Generation [59.47703698994575]
  R$3$AGは、検索機能を2つの学習可能なディメンション、すなわち検索品質と生成ユーティリティに分解する。 R$3$AGは、最高の個々のレトリバーと最先端の静的ルーティングメソッドの両方を一貫して上回っている。
  論文  参考訳（メタデータ） (2026-04-22T06:51:20Z)
• Hypothesis-Conditioned Query Rewriting for Decision-Useful Retrieval [39.146761527401424]
  Retrieval-Augmented Generation (RAG)は、外部の非パラメトリック知識を基礎として、Large Language Models (LLM)を改善する。 既存のRAGメソッドは1つの初期クエリに依存しており、多くの場合、決定関連エビデンスよりもトピック的な関連性を好む。 本稿では,RAGをトピック指向検索からエビデンス指向検索へ再帰させる訓練不要な事前検索フレームワークであるHCQRを提案する。
  論文  参考訳（メタデータ） (2026-03-19T15:15:58Z)
• SAGE: Benchmarking and Improving Retrieval for Deep Research Agents [60.53966065867568]
  SAGEは4つの科学領域にわたる1200のクエリからなる科学文献検索のためのベンチマークであり、20万の論文検索コーパスを備える。 6つのディープ・リサーチ・エージェントを評価し,全てのシステムが推論集約的な検索に苦しむことを発見した。 BM25は、既存のエージェントがキーワード指向のサブクエリを生成するため、LLMベースのレトリバーを約30%上回っている。
  論文  参考訳（メタデータ） (2026-02-05T18:25:24Z)
• ClueAnchor: Clue-Anchored Knowledge Reasoning Exploration and Optimization for Retrieval-Augmented Generation [82.54090885503287]
  Retrieval-Augmented Generationは、外部知識を持つ大規模言語モデルを拡張して、事実性を改善する。 既存のRAGシステムは、忠実で解釈可能な推論をサポートするために必要な重要な手がかりを抽出して統合することができない。 本稿では,手掛かり付き推論探索と最適化によるRAG向上のための新しいフレームワークであるClueAnchorを提案する。
  論文  参考訳（メタデータ） (2025-05-30T09:18:08Z)
• Learning Refined Document Representations for Dense Retrieval via Deliberate Thinking [58.69615583599489]
  Deliberate Thinking based Retriever (Debater) は、段階的な思考プロセスを導入することで文書表現を強化する新しいアプローチである。 Debaterは、いくつかのベンチマークで既存のメソッドよりも大幅に優れています。
  論文  参考訳（メタデータ） (2025-02-18T15:56:34Z)
• Retrieval Augmentation for Commonsense Reasoning: A Unified Approach [64.63071051375289]
  検索強化コモンセンス推論(RACo)の統一的枠組みを提案する。 提案するRACoは,他の知識強化手法よりも優れる。
  論文  参考訳（メタデータ） (2022-10-23T23:49:08Z)

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。