Fugu-MT 論文翻訳(概要): Tool-Adaptive LLM Reranker

論文の概要: Tool-Adaptive LLM Reranker

arxiv url: http://arxiv.org/abs/2607.10555v1
Date: Sun, 12 Jul 2026 04:04:59 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-14 15:40:48.466641
Title: Tool-Adaptive LLM Reranker
Title（参考訳）: 工具適応LDMリランカ
Abstract要約: TALRankerは、エージェントマルコフ決定プロセスとしてポイントワイズ関連スコアを定式化する新しいフレームワークである。標準および推論集約型検索ベンチマークで最先端のパフォーマンスを達成する。
参考スコア（独自算出の注目度）: 6.360159778061184
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Generative Large Language Models (LLMs) have revolutionized information retrieval, yet their strictly parametric nature frequently leads to severe factual hallucinations when confronted with complex queries beyond their epistemic boundaries. While external tool-calling can mitigate this, indiscriminately invoking search tools for every document during reranking incurs prohibitive latency overheads, creating an intractable accuracy-efficiency dilemma. To address this challenge, we propose TALRanker, a novel framework that formalizes pointwise relevance scoring as an agentic Markov decision process. We optimize it via a two-stage training paradigm. An initial warm-up utilizes a language-preserving hybrid loss to prevent the catastrophic forgetting of native generative capacities. Subsequently, an asymmetric cost-aware reward equipped in reinforcement learning forces the policy to autonomously bypass tools for maximum efficiency when confident, while selectively retrieving external evidence to avert severe hallucination penalties when uncertain. Extensive evaluations demonstrate that TALRanker achieves state-of-the-art performance across standard and reasoning-intensive retrieval benchmarks, matching throughput with pointwise rerankers while outperforming parameter-heavy reasoning models.
Abstract（参考訳）: 生成型大規模言語モデル (LLMs) は情報検索に革命をもたらしたが、その厳密なパラメトリックな性質は、表皮境界を越えて複雑なクエリに直面すると、しばしば深刻な事実の幻覚を引き起こす。外部ツール呼び出しは、これを緩和できるが、不正な遅延のオーバーヘッドを排除し、難解な精度効率のジレンマを生成するために、すべてのドキュメントに対して無差別に検索ツールを呼び出す。この課題に対処するために,エージェントマルコフ決定プロセスとしてポイントワイド関連スコアを定式化する新しいフレームワークであるTALRankerを提案する。 2段階のトレーニングパラダイムで最適化しています。初期のウォームアップは、言語保存ハイブリッドロスを利用して、自然発生能力の破滅的な忘れを防いでいる。その後、強化学習を具備した非対称なコスト対応報酬は、自信のある場合にはツールを最大限の効率で自律的に回避し、不確実な場合には厳しい幻覚の罰を回避するために外部の証拠を選択的に回収する。広範囲な評価により、TALRankerは標準および推論集約型検索ベンチマークにまたがって最先端のパフォーマンスを達成し、パラメータ重大推論モデルよりも高い性能を保ちながら、ポイントワイズ・リランカとスループットを一致させることが示されている。

関連論文リスト

ARISE-RL: Agentic Rubric-Grounded Iterative Self-Evolution with Reinforcement Learning [74.19730275669227]
ARISE-RLは、オープンエンドエージェントをトレーニングするための新しいフルサイクルの自己進化フレームワークである。 Reward-Gated Self-Evolution Distillation (RG-SED)を提案する。 ECR-Benchは,シングルツールディープリサーチとマルチツールトラベルプランニングを対象とする,専門家校正型ルーリックベンチマークスイートである。
論文参考訳（メタデータ） (2026-09-01T10:54:13Z)
Latent Abstraction for Retrieval-Augmented Generation [4.6096940605642915]
既存のシステムは各ホップで自然言語クエリを生成することに依存している。我々は,単一のLLMが符号化,検索,生成を同時に行う統一的なフレームワークである textbfLAnR (Latent Abstraction for RAG) を提案する。
論文参考訳（メタデータ） (2026-04-20T06:26:13Z)
Act Wisely: Cultivating Meta-Cognitive Tool Use in Agentic Multimodal Models [27.250148827297604]
HDPOは、ツールの効率を競合するスカラー目標から厳格な条件に書き換えるフレームワークです。私たちのモデルであるMetisは、推論精度を同時に高めながら、ツールの呼び出しを桁違いに削減します。
論文参考訳（メタデータ） (2026-04-09T17:59:57Z)
U-CAN: Utility-Aware Contrastive Attenuation for Efficient Unlearning in Generative Recommendation [9.680511155102623]
本稿では,低ランクアダプタで動作する高精度アンラーニングフレームワークであるContrastive AttenuatioN(U-CAN)を提案する。 U-CANは、アクティベーションの対比によってリスクを定量化し、非対称な応答を持つニューロンに焦点をあてる。ネットワーク構造を断片化する二分法プルーニングとは異なり、U-CANは微分可能な減衰関数を持つ適応性軟減衰を発達させる。
論文参考訳（メタデータ） (2026-02-26T07:36:11Z)
Adaptive Distraction: Probing LLM Contextual Robustness with Automated Tree Search [76.54475437069395]
大きな言語モデル(LLM)は、意味的に一貫性があるがタスクに依存しないコンテキスト情報に直面している場合、元のパフォーマンスを維持するのに苦労することが多い。本稿では,木探索に基づく動的散逸生成フレームワークを提案する。
論文参考訳（メタデータ） (2025-02-03T18:43:36Z)
DeepRAG: Thinking to Retrieve Step by Step for Large Language Models [92.87532210660456]
我々はマルコフ決定過程(MDP)として検索強化推論をモデル化するDeepRAGを提案する。クエリを反復的に分解することで、DeepRAGは外部知識を取得するか、あるいは各ステップでパラメトリック推論に依存するかを動的に決定する。実験の結果,DeepRAGは検索効率を向上し,回答精度を26.4%向上させ,検索強化推論の有効性を示した。
論文参考訳（メタデータ） (2025-02-03T08:22:45Z)
TrustRAG: Enhancing Robustness and Trustworthiness in Retrieval-Augmented Generation [31.231916859341865]
TrustRAGは、生成のために取得される前に、悪意のある、無関係なコンテンツを体系的にフィルタリングするフレームワークである。 TrustRAGは、検索精度、効率、攻撃抵抗を大幅に改善する。
論文参考訳（メタデータ） (2025-01-01T15:57:34Z)
Noisy Correspondence Learning with Self-Reinforcing Errors Mitigation [63.180725016463974]
クロスモーダル検索は、実際は精力的な、十分に整合した大規模データセットに依存している。我々は、新しい雑音対応学習フレームワーク、textbfSelf-textbfReinforcing textbfErrors textbfMitigation(SREM)を導入する。
論文参考訳（メタデータ） (2023-12-27T09:03:43Z)
ReEval: Automatic Hallucination Evaluation for Retrieval-Augmented Large Language Models via Transferable Adversarial Attacks [91.55895047448249]
本稿では,LLMベースのフレームワークであるReEvalについて述べる。本稿では、ChatGPTを用いてReEvalを実装し、2つの人気のあるオープンドメインQAデータセットのバリエーションを評価する。我々の生成したデータは人間可読であり、大きな言語モデルで幻覚を引き起こすのに役立ちます。
論文参考訳（メタデータ） (2023-10-19T06:37:32Z)
Self-RAG: Learning to Retrieve, Generate, and Critique through Self-Reflection [74.51523859064802]
我々は、自己回帰検索拡張生成(Self-RAG)と呼ばれる新しいフレームワークを導入する。自己RAGは、検索と自己回帰によってLMの品質と事実性を高める。様々なタスクセットにおいて、最先端のLCMや検索強化モデルよりも大幅に優れています。
論文参考訳（メタデータ） (2023-10-17T18:18:32Z)

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。