論文の概要: MultAttnAttrib: Training-Free Multimodal Attribution in Long Document Question Answering

• arxiv url: http://arxiv.org/abs/2607.01420v1
• Date: Wed, 01 Jul 2026 19:29:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-03 19:45:08.578351
• Title: MultAttnAttrib: Training-Free Multimodal Attribution in Long Document Question Answering
• Title（参考訳）: MultAttnAttrib:Long Document Question Answeringにおけるトレーニング不要なマルチモーダル属性
• Authors: Dang Quang Thien Tran, Quang V. Dang, Vinamra Tyagi, Sai Soorya Rao Veeravalli, Trang Nguyen, Ryan A. Rossi, Franck Dernoncourt, Nedim Lipka, Koustava Goswami, Samyadeep Basu,
• Abstract要約: トレーニング不要な属性生成手法であるMultAttnAttribを紹介する。 MultAttnAttribは、様々な属性生成方法よりも一貫して優れていることを示す。 提案手法は直接推論遅延の最大7分の1の属性を生成する。
• 参考スコア（独自算出の注目度）: 73.47440561592556
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As grounded QA systems are increasingly deployed in AI assistants, accurately attributing generated answers to evidence is critical for user trust and model safety. While unimodal attributions have been explored in depth, the multimodal setting remains relatively under-researched. As a result, we introduce MultAttnAttrib, a training-free attribution-generation method that leverages a model's prefill pass, selected attention heads, and calibrated thresholds to locate source evidence within a document. To establish baseline results for the method, we introduce MultAttrEval, a complementary benchmark dataset annotated with fine-grained, ground-truth attributions for answer components grounded in multimodal source documents. To our knowledge, this is the first evaluation dataset designed specifically for multimodal attribution in long-form documents. Experimental results show that MultAttnAttrib consistently outperforms a variety of attribution-generation methods, including several strong prompting-based approaches and matches the latest frontier models such as GPT 5.4. Our method not only substantially improves attribution accuracy for both unimodal and multimodal attribution types, but also produces attributions at up to one-seventh of the direct inference latency compared to prompting on the same base model.
• Abstract（参考訳）: 基礎となるQAシステムは、AIアシスタントにますますデプロイされているため、エビデンスに対する正確な回答は、ユーザの信頼とモデルの安全性にとって不可欠である。 単調な属性は深く調査されているが、マルチモーダル設定はいまだにあまり研究されていない。 その結果,MultAttnAttribは,モデルのプリフィルパス,選択されたアテンションヘッド,キャリブレーションしきい値を利用した学習自由属性生成手法である。 MultAttrEvalは,マルチモーダル・ソース・ドキュメントに記載された回答成分に対して,微粒で地味な属性を付加した補完的なベンチマーク・データセットである。 我々の知る限り、これは長文文書におけるマルチモーダル属性に特化して設計された最初の評価データセットである。 MultAttnAttribは、いくつかの強力なプロンプトベースのアプローチや、GPT 5.4のような最新のフロンティアモデルとの整合性を含む、様々な属性生成手法を一貫して上回ることを示す実験結果が得られた。 提案手法は,単調な帰属型とマルチモーダルな帰属型の両方に対する帰属精度を大幅に向上させるだけでなく,同じベースモデル上での帰属よりも直接推論遅延の最大7分の1の帰属率も向上させる。

関連論文リスト

• Multimodal Fact-Level Attribution for Verifiable Reasoning [80.60864342985748]
  マルチモーダル大言語モデル(MLLM)は、多段階推論と長文生成を含む実世界のタスクにますます利用されている。 既存のマルチモーダルグラウンドベンチマークと評価手法は、複雑なマルチモーダル推論における属性評価に失敗する。 我々は、直接観察以上の推論を必要とする設定において、ファクトレベルのマルチモーダル属性を評価するためのベンチマークであるMuRGAtを紹介する。
  論文  参考訳（メタデータ） (2026-02-12T03:10:02Z)
• MARA: A Multimodal Adaptive Retrieval-Augmented Framework for Document Question Answering [51.19392014547221]
  検索型マルチモーダル文書QAは,視覚的にリッチな文書から複雑なマルチモーダル構造を持つ関連情報を識別し,統合することを目的としている。 現在のアプローチは、サージェントなコンテンツを見渡すクエリに依存しないドキュメント表現に依存しています。 本稿では,クエリ適応生成を導入したMultimodal Adaptive Retrieval-Augmented (MARA)フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-01T12:27:40Z)
• Decomposition-Enhanced Training for Post-Hoc Attributions In Language Models [64.49342399229529]
  我々は、ポストホック帰属を推論問題として再編成し、回答を構成単位に分解し、それぞれ特定の文脈に結び付けることができると論じる。 DecompTuneは、モデルに中間的推論ステップとして解解分解を生成することを教えるポストトレーニング手法である。 DecompTuneは、広範な実験と改善を通じて、属性の品質を大幅に改善し、先行手法より優れ、最先端のフロンティアモデルに適合または超えている。
  論文  参考訳（メタデータ） (2025-10-29T17:58:59Z)
• Active Multimodal Distillation for Few-shot Action Recognition [19.872938560809988]
  本稿では,タスク固有のコンテキストキューを用いて,各サンプルに対する信頼度を積極的に識別する新しいフレームワークを提案する。 我々のフレームワークはアクティブサンプル推論(ASI)モジュールを統合し、アクティブ推論を利用して信頼性の高いモダリティを予測する。 強化学習とは異なり、アクティブ推論は報酬をエビデンスに基づく選好に置き換え、より安定した予測を行う。
  論文  参考訳（メタデータ） (2025-06-16T10:10:56Z)
• Towards Reliable AI Model Deployments: Multiple Input Mixup for Out-of-Distribution Detection [4.985768723667418]
  本稿では,OOD(Out-of-Distribution)検出問題の解法を提案する。 本手法は, 単一エポック微調整によるOOD検出性能の向上に有効である。 我々の方法は、ゼロからモデルを訓練する必要がなく、簡単に分類器にアタッチできる。
  論文  参考訳（メタデータ） (2023-12-24T15:31:51Z)
• Progressive Evidence Refinement for Open-domain Multimodal Retrieval Question Answering [20.59485758381809]
  現在のマルチモーダル検索質問答えモデルは2つの大きな課題に直面している。 モデルへの入力として圧縮されたエビデンスの特徴を利用すると、エビデンス内の詳細な情報が失われる。 本稿では,これらの問題を緩和するための証拠検索と質問応答のための2段階の枠組みを提案する。
  論文  参考訳（メタデータ） (2023-10-15T01:18:39Z)

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。