論文の概要: LLM-Guided Planning for Multi-hop Reasoning over Multimodal Nuclear Regulatory Documents

• arxiv url: http://arxiv.org/abs/2606.29399v1
• Date: Sun, 28 Jun 2026 13:45:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:15.905154
• Title: LLM-Guided Planning for Multi-hop Reasoning over Multimodal Nuclear Regulatory Documents
• Title（参考訳）: マルチモーダル核規制文書を用いたマルチホップ推論のためのLLM誘導計画
• Abstract要約: エージェントはこれまでに収集された証拠を観察し、検査のために次の文書の断片を選び、証拠が十分であれば停止する。 このエージェントは、閲覧、読み、検索ツールを使用してベクトルレス文書ツリー上で動作し、動的知識グラフ(KG)を状態として保持する。 NuScale Final Safety Analysis Report (FSAR) の文書に対する200クエストベンチマークでは、システムは81.5%の精度で0.93の忠実さを達成している。
• 参考スコア（独自算出の注目度）: 2.3651168422805027
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reviewing nuclear regulatory documents requires multi-hop reasoning across tens of thousands of pages, where judgments depend on evidence assembled across multiple chapters. We frame this task as planning: an LLM-based agent observes the evidence collected so far, picks the next document fragment to inspect, and stops when the evidence is sufficient. The agent operates over a vectorless document tree using browse, read, and search tools, and maintains a dynamic knowledge graph (KG) as state. On a 200-question benchmark over NuScale Final Safety Analysis Report (FSAR) documents, the system reaches 81.5% accuracy with a RAGAS Faithfulness of 0.93. The dominant performance factor is planning: against PageIndex, which uses the same document tree without state-conditioned action selection, the gap is +38.0pp (43.5% to 81.5%, p<0.001). The system also outperforms LightRAG (73.0%, p<0.05), HippoRAG (70.5%, p<0.01), and GraphRAG (49.5%, p<0.001), and matches RAPTOR (75.5%, p=0.11) without offline indexing. Edge inference adds 2.8x cost without raising accuracy; we retain it as a traceability module. Of 7,391 inferred edges, 3 Violates edges (0.04%) flag scope boundaries (Q058) and partial conformance (Q176) as typed annotations that a human reviewer can audit.
• Abstract（参考訳）: 核規制文書のレビューには、数万ページにわたるマルチホップ推論が必要である。 LLMベースのエージェントは、これまでに収集された証拠を観察し、次の文書の断片を選択して検査し、証拠が十分であれば停止する。 このエージェントは、閲覧、読み、検索ツールを使用してベクトルレス文書ツリー上で動作し、動的知識グラフ(KG)を状態として保持する。 NuScale Final Safety Analysis Report (FSAR) 文書に対する200クエストのベンチマークでは、システムは81.5%の精度に達し、RAGAS Fithfulnessは0.93である。 状態条件のないアクション選択なしで同じドキュメントツリーを使用するPageIndexに対して、ギャップは+38.0pp(43.5%から81.5%、p<0.001)である。 また、LightRAG (73.0%, p<0.05), HippoRAG (70.5%, p<0.01), GraphRAG (49.5%, p<0.001) を上回り、RAPTOR (75.5%, p=0.11) をオフラインインデックスなしで比較する。 エッジ推論は精度を上げることなく2.8倍のコストがかかる。 7,391個の推論エッジのうち、3つのヴァイオレートエッジ (0.04%) フラグスコープ境界 (Q058) と部分適合 (Q176) は、人間レビュアーが監査できる型付きアノテーションである。

関連論文リスト

• PARSER: Read in Parallel, Reason in Depth for Long-Context LLM Agents [85.82624962221026]
  本稿では、読みを推論から切り離すPARSERを紹介する。 単一のチャンクにバインドされた軽量サブエージェントのバンクは、ドキュメント全体を並列に読み取る。 7Kから896Kまでのコンテキストを持つマルチホップQAでは、4Bバックボーンを持つPARSERが最強のシーケンシャルメモリベースラインを上回っている。
  論文  参考訳（メタデータ） (2026-09-06T16:19:01Z)
• From Agent Behaviour to Agent-Friendly Documentation: An Empirical Study of How Coding Agents Discover, Read, and Write Technical Documentation [3.807723380039104]
  技術ドキュメントは人間開発者のために書かれています。 ソフトウェア変更のシェアの増大は、今や自律的なコーディングエージェントによって引き継がれている。 本研究では,2つの公開データセット間でのエージェント・ドキュメント間相互作用に関する行動基礎研究を行う。
  論文  参考訳（メタデータ） (2026-08-20T15:51:54Z)
• The Recall Trap: A Recall-Maximizing Retriever Configuration Reduces Issue Resolution in Fixed-Budget Code Context [45.88028371034407]
  コード修復における制御ケーススタディを報告し,新しい現象ではない。 私たちは、同じスタック上の1つのフラグ(1チャンク毎の重複)を切り替えます。 BM25(3.2pp、重要なパラダイム間相互作用)を逆転させる。 厳格な固定予算では、ファイルごとのハードダイドプリケートや、タスクに対するA/Bパッケージングポリシは、メトリックフラグを調整しないことが示されます。
  論文  参考訳（メタデータ） (2026-08-14T19:22:50Z)
• Beyond Top-K: Replacing Black-Box Retrieval with Interpretable Agentic Operations [0.0]
  長いドキュメントに対する検索拡張生成は、テキストをチャンクし、チャンクを埋め、クエリの最も近い隣人にサーフェスする、という1つの設計によって支配されている。 我々は、財務報告、監査報告、規制リターンといった重要な文書のクラスにとって、この設計は構造的に不正確であると主張する。 本稿では,READ(Reliable Embedding-free Agentic Document-search)を提案する。
  論文  参考訳（メタデータ） (2026-08-06T17:23:13Z)
• DocAtlas: Long-Document Understanding as Mutable-State Interaction [67.90400271544678]
  本稿では,長期文書理解を可変状態情報探索プロセスとして扱うDocAtlasを提案する。 ドキュメントと質問が与えられた後、DocAtlasは検索、読み取り、メモ取り、レビューツールを公開し、階層的なツリーとノートストアを維持し、エージェントが証拠を記録するように更新する。 GPT-5.4では、DocAtlasはMMLongBench-Docで71.4%に達し、65.8%という人間の専門的基準を超えた。
  論文  参考訳（メタデータ） (2026-07-21T09:45:34Z)
• AGORA: An Archive-Grounded Benchmark for Agentic Workplace Document Reasoning [52.23991730630292]
  大規模言語モデルは、パラメトリックな知識から答えるのではなく、文書を推論するエージェントとして、ますます多くデプロイされている。 大規模な、散らかった職場ファイルの集合にスパース証拠を配置し、一貫性のない用語、単位、時間規則を調整し、答えを計算する。 私たちは、362の質問と9,664の認証ドキュメントと372Mのトークンの8つのドメインコレクションをペアリングするベンチマークであるAgoraを紹介します。
  論文  参考訳（メタデータ） (2026-06-23T12:57:18Z)
• Lost in a Single Vector: Improving Long-Document Retrieval with Chunk Evidence Aggregation [59.438696079345426]
  DICEは、ドキュメントをチャンクに分割し、凍結したモデルで独立してエンコードし、それらを単一のベクタに集約する、トレーニング不要のドキュメントサイド戦略である。 LongEmbedでは、DICEは4つのバックボーン間の検索を改善し、4kトークンを超えるスライスで最大の利益を上げている。 12,779個のフィルターサンプルのうち、DICEは92.8%のケースで単一ベクトルベースラインよりも低いEDIが得られる。
  論文  参考訳（メタデータ） (2026-06-17T07:44:04Z)
• Decision-Aware Memory Cards: Counterfactual-Inspired Context Selection and Compression for Tool-Using LLM Agents [3.964533007623828]
  現代の大規模言語モデル(LLM)エージェントは、行動の時点で決定に関連のある証拠を必要とする。 本稿では、事例コンテキストグラフを構築し、候補単位の決定指向ユーティリティを推定し、選択したエビデンスを型付きメモリカードに圧縮するCICLについて述べる。 CICLは、ツール使用エージェントの意思決定クリティカルコンテキストの測定、ランキング、圧縮のための実用的なレイヤを提供する。
  論文  参考訳（メタデータ） (2026-06-06T13:02:28Z)
• WebRISE: Requirement-Induced State Evaluation for MLLM-Generated Web Artifacts [46.85286238215375]
  MLLM生成Webアーティファクトの既存のベンチマークは、局所的な証拠を通じて相互作用を評価する。 タスク要求をインタラクションコントラクトグラフにコンパイルするWebRISEを紹介します。
  論文  参考訳（メタデータ） (2026-06-02T06:29:40Z)
• Self-Conditioned Positional HNSW for Overlap-Aware Retrieval in Chunked-Document RAG Systems: Method and Industrial Evidence-Quality Audit [0.0]
  チャンク文書検索は、検索拡張生成システム(RAG)の一般的なコンポーネントである。 本稿では,低次元の位置符号をチャンク埋め込みに付加する軽量な修正法であるSelf-Conditioned Positional HNSWを提案する。
  論文  参考訳（メタデータ） (2026-06-01T01:42:55Z)
• Compliance-Scored Best-of-N Guardrail Orchestration for Multimodal Document Generation in Payments Dispute Defense [0.0]
  企業文書の大量生成には、財務紛争の物語、コンプライアンス通知、監査要約が含まれる。 統一されたガードレール層の前に、プロダクションシステムはしばしば別々のPIIリアクション、コンテンツモデレーション、フォーマット検証ステップを縫い合わせていた。 本稿では,テキストと画像入力のためのガードレールオーケストレーションレイヤを提案する。
  論文  参考訳（メタデータ） (2026-06-01T00:24:30Z)
• Security Document Classification with a Fine-Tuned Local Large Language Model: Benchmark Data and an Open-Source System [0.0]
  本研究では、Qwen 3.5 27Bモデルに基づいて構築されたセキュリティ文書分類のためのオープンソースのローカルシステムであるTorchSightについて述べる。 このモデルは、13の許可を受けたソースから78,358のサンプルと、7つのセキュリティカテゴリと51のサブカテゴリをカバーするGPT-4合成データに基づいて訓練された。 その結果、微調整されたローカルモデルでは、文書処理をローカル制御下に保ちながら、正確なセキュリティ文書分類が可能であることがわかった。
  論文  参考訳（メタデータ） (2026-05-19T18:18:19Z)
• How Far Is Document Parsing from Solved? PureDocBench: A Source-TraceableBenchmark across Clean, Degraded, and Real-World Settings [56.70440596502351]
  昨年は20以上のオープンドキュメントパースモデルが見られたが、ベンチマークはほぼOmniDocBenchにのみ依存している。 HTML/CSSのドキュメントイメージをレンダリングするベンチマークであるPureDocBenchは、10のドメイン、66ページ、1,475ページをカバーしています。
  論文  参考訳（メタデータ） (2026-05-08T09:30:31Z)
• OfficeQA Pro: An Enterprise Benchmark for End-to-End Grounded Reasoning [34.493139441463995]
  我々は、基礎化されたマルチドキュメント推論に基づいてAIエージェントを評価するベンチマークであるOfficeQA Proを紹介する。 OfficeQA Proは、正確な文書解析、検索、分析的推論を必要とする133の質問からなる。 Databricksのai_parse_documentによって生成された構造化文書表現をエージェントに提供すると、平均相対的なパフォーマンスが16.1%向上することがわかった。
  論文  参考訳（メタデータ） (2026-03-09T17:34:53Z)
• MonkeyOCR: Document Parsing with a Structure-Recognition-Relation Triplet Paradigm [60.14048367611333]
  MonkeyOCRはドキュメント解析のためのビジョン言語モデルである。 SRR(Structure-Recognition-Relation)三重項パラダイムを活用することで、最先端の技術の進歩を図っている。
  論文  参考訳（メタデータ） (2025-06-05T16:34:57Z)
• LLMs Can Patch Up Missing Relevance Judgments in Evaluation [56.51461892988846]
  我々は、大きな言語モデル(LLM)を使って、不確定な文書を自動的にラベル付けします。 TREC DLトラックの関連性判定から関連文書をランダムにドロップすることで,穴の度合いの異なるシナリオをシミュレートする。 Vicuna-7B と GPT-3.5 Turbo の平均値に対して,Kendall tau の0.87 と 0.92 の相関式が得られた。
  論文  参考訳（メタデータ） (2024-05-08T00:32:19Z)

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。