論文の概要: Cost-Pragmatic Quality Gating and Selection-Fusion Multi-Model Combiners for BioASQ Phases A+ and B
- arxiv url: http://arxiv.org/abs/2607.13551v1
- Date: Wed, 15 Jul 2026 07:56:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-16 16:39:12.691066
- Title: Cost-Pragmatic Quality Gating and Selection-Fusion Multi-Model Combiners for BioASQ Phases A+ and B
- Title（参考訳）: バイオマスQ位相A+,Bのためのコスト-実用的品質ゲーティングと選択-融合多モデルコンバインタ
- Abstract要約: 作業の中心は、第一段階の検索が弱いときにいかに積極的に再検索するか、そして複数の言語モデル回答を組み合わせる方法である。
タスク12B 2024の検証では、コストプラグマチックな再検索ポリシーが、F1とリストの精度で12%のコストで、スキル制限ベースラインを大幅に上回る。
フェーズBの解答では、多モデルアンサンブルリフトを、各問合せのオラクルとアグリゲータが超える融合成分によって束縛された選択成分に分解する。
- 参考スコア（独自算出の注目度）: 1.348563827917271
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We describe our BioASQ Task 14B 2026 system. The work centers on two design decisions: how aggressively to re-retrieve when first-stage retrieval is weak, and how to combine multiple language-model answers. Retrieval unions two parallel pipelines - a hybrid first stage (dense BGE + BM25 + RRF, reaching R@200 = 99.3% on the BioASQ-13b historical archive) and an agent-driven pipeline that decomposes the question over PubMed, Europe PMC, and iCite - with a BGE cross-encoder quality gate flagging weakly-supported questions for selective re-retrieval. On Task 12B 2024 validation, a cost-pragmatic re-retrieval policy beats a skill-strict baseline significantly on list F1 and list precision, at 12% lower re-retrieval cost. Holding prompt and model fixed across val and test 13B (different question sets), list F1 rises by +0.132 absolute on the BioASQ-released gold-input pool, consistent with substantial retrieval-side headroom. For Phase B answering we decompose multi-model ensemble lift into a selection component bounded by the per-question oracle and a fusion component that aggregators can exceed. The decomposition predicts before any experiment that LLM-as-judge wins on selection-dominated metrics (yes/no, multi-reference ROUGE) but is structurally insufficient on the recall component of fusion-friendly metrics (factoid rank-1, list recall). On Task 13B 2025 our synonym-union resolver wins list recall on every head, while GPT-5.5 solo retains the list-F1 lead because the resolver's wider item set costs precision. On the Task 14B 2026 preliminary leaderboard our team places first on the combined-exact aggregate on three of the eight (phase x batch) leaderboards, wins four individual question-type cells, and takes #1 on Phase B b3 ideal.
- Abstract（参考訳）: 我々は,BioASQ Task 14B 2026システムについて述べる。
この研究は、第1段階の検索が弱いときにいかに積極的に再検索するか、そして複数の言語モデル回答を組み合わせるかという2つの設計決定に焦点を当てている。
ハイブリッドファーストステージ(BGE + BM25 + RRF、BioASQ-13bの歴史的アーカイブで99.3%に達する)と、PubMed、Europe PMC、iCiteに関する問題を分解するエージェント駆動パイプラインの2つの並列パイプラインと、BGEのクロスエンコーダ品質ゲートが、選択再検索のために弱いサポートを受けた質問をフラグ付けしている。
タスク12B 2024の検証では、コストプラグマチックな再検索ポリシーが、F1とリストの精度で12%のコストで、スキル制限ベースラインを大幅に上回る。
val と test 13B (差分質問セット) で固定されたプロンプトとモデルを保持すると、BioASQ がリリースしたゴールドインプットプール上で F1 は+0.132絶対的に上昇し、かなりの検索側ヘッドルームと整合する。
フェーズBの解答では、多モデルアンサンブルリフトを、各問合せのオラクルとアグリゲータが超える融合成分によって束縛された選択成分に分解する。
この分解は LLM-as-judge が選択優先の指標 (yes/no, multi-reference ROUGE) に勝つと予測されるが、融合フレンドリーな指標 (factoid rank-1, list recall) のリコール成分には構造的に不十分である。
第13B2025タスクでは、同義語リゾルバが各ヘッド上のリストリコールに勝利し、GPT-5.5ソロがリストF1リードを保持する。
第14B 2026タスク 予備のリーダーボードでは、まず8つの(フェーズxバッチ)リーダーボードのうち3つの組み合わせエクサクティヴアグリゲートに配置し、4つの個別の質問型セルを獲得し、フェーズB b3イデアルで1位を獲得します。
関連論文リスト
- IGT @ FinMMEval 2026 Task 2: Question-Type Prompting with Targeted Extraction for Multilingual Financial QA [0.0]
PolyFiQA Task 2は、英語のSEC(証券取引委員会)の申請書と多言語ニュース記事に対する多言語対応タスクである。
中心的な見解として, 344 の展開課題は, 根本的に異なるアプローチを必要とする 2 つのファミリーに分けられる。
データセット分析により、合成タイプごとに19の接地真実参照回答のうち17-18が、正確な証拠ラベルのプレフィックスを共有していることが明らかになった。
最終システムは、ROUGE-1の開発を約0.395で達成し、RAGベースラインに対する60%の相対的な改善を実現した。
論文 参考訳（メタデータ） (2026-09-08T02:23:31Z) - Retrieval-Augmented Multi-Prompt Ensemble for Minor-Grain Breeding Information Extraction [45.40972888157319]
RAME(Retrieval-Augmented Multi-Prompt Ensemble)は、複数のLCM出力を制御された多様性の下で引き出すトレーニングフリーフレームワークである。
RAMEは総スコア0.499(NER 0.730, RE 0.346)を獲得し、GPT-5.5(0.448)を搭載した公式のトラックAベースラインを上回った。
論文 参考訳（メタデータ） (2026-09-07T07:30:49Z) - BIT.UA at BioASQ 14B: Modular Retrieval with pg_textsearch and Qdrant, and Agent-Based Answer Generation [37.19059223604783]
本稿では,BIT.UAチームによるBioASQ Task Bチャレンジのバイオメディカル質問応答への参加について述べる。
パイプラインの検索と生成の両方に、大幅にモジュール化されたアプローチを導入します。
SPLADE や ColBERT の統合など,これらのアーキテクチャ変更の影響,学んだ教訓,今後の作業の方向性について論じる。
論文 参考訳（メタデータ） (2026-09-04T11:10:07Z) - Overview of FinMMEval 2026 Task 2: Multilingual Financial Short-Answer Question Answering [59.6753725406784]
FinMMEval 2026 Task 2は、多言語的証拠に対して答える短時間の財務問題を評価する。
最終テストセットには256項目が含まれており、易度と熟練度を均等に分けている。
最強のシステムは密集しており、上位4つはROUGE-1 F1の1ポイント未満で分離されている。
論文 参考訳（メタデータ） (2026-07-22T07:54:17Z) - Analyzing Quality-Latency-Resource Trade-offs in a Technical Documentation RAG Assistant Using LoRA Adaptation [0.0]
発電機のローランド適応(LoRA)を用いた検索拡張世代(RAG)システムにおける品質-遅延-リソーストレードオフについて検討する。
公式文書上で5,144の質問応答ペアのベンチマークを構築し、それを固定されたハイブリッド検索パイプライン(BGE-M3高密度、BGE-M3ネイティブ、Reciprocal Rank Fusion、クロスエンコーダ更新)と組み合わせる。
論文 参考訳（メタデータ） (2026-05-27T09:37:55Z) - GridProbe: Posterior-Probing for Adaptive Test-Time Compute in Long-Video VLMs [3.9266376632068485]
GridProbeは、効率的なトレーニング不要な後処理推論パラダイムである。
解答空間における証拠は、凍結したVLM自身の推論を用いて得られる。
疑似関連フレームを適応的に選択し、精度の損失が少なくて、準四分法的な注意コストをもたらす。
論文 参考訳（メタデータ） (2026-05-11T15:57:46Z) - QU-NLP at ArchEHR-QA 2026: Two-Stage QLoRA Fine-Tuning of Qwen3-4B for Patient-Oriented Clinical Question Answering and Evidence Sentence Alignment [1.0152838128195467]
本稿では,ArchEHR-QA共有タスクのサブタスク3(回答生成)とサブタスク4(証拠文アライメント)の両方に対処する統一システムを提案する。
Subtask 3では、4ビットNF4量子化でロードされたQwen3-4Bに2段階の量子化低ランク適応(QLoRA)を適用する。
Subtask 4では,相対しきい値付きBM25,TF-IDFコサイン類似度,微調整型クロスエンコーダの3種類の検索手法の重み付けアンサンブルを開発した。
論文 参考訳（メタデータ） (2026-03-26T11:24:13Z) - Test-Time Strategies for More Efficient and Accurate Agentic RAG [58.44913384057518]
Retrieval-Augmented Generation (RAG) システムは複雑なマルチホップ問題に直面している。
このような手法は、以前に処理された情報の反復的な検索を含む非効率性を導入することができる。
本稿では,これらの問題を軽減するために,サーチ-R1パイプラインに対するテスト時間修正について検討する。
論文 参考訳（メタデータ） (2026-03-12T19:18:59Z) - AILS-NTUA at SemEval-2026 Task 8: Evaluating Multi-Turn RAG Conversations [14.20669481486209]
我々はSemEval-2026タスク8(MTRAGEval)のためのAILS-NTUAシステムを提案する。
マルチターン検索拡張生成の3つのサブタスク、すなわち、経路検索(A)、基準接地応答生成(B)、エンドツーエンドRAG(C)のすべてに対処する。
統一アーキテクチャは、(i)クエリ-ダイバーシティ-オーバー・レトリバー-ダイバーシティ戦略と(ii)マルチステージ生成パイプラインという2つの原則に基づいて構築されています。
論文 参考訳（メタデータ） (2026-03-11T08:28:31Z) - HLTCOE Evaluation Team at TREC 2025: VQA Track [76.85337417923331]
HLT評価チームはTREC VQAのAnswer Generation (AG)タスクに参加した。
回答生成における意味的精度とランキングの整合性を改善することを目的としたリストワイズ学習フレームワークを開発した。
論文 参考訳（メタデータ） (2025-12-08T17:25:13Z) - RefineBench: Evaluating Refinement Capability of Language Models via Checklists [71.02281792867531]
本研究は,2つの改良モード(ガイドリファインメントと自己リファインメント)を評価する。
ガイド付き改良では、プロプライエタリなLMと大きなオープンウェイトLMの両方が目標フィードバックを利用して、5ターン以内のほぼ完全なレベルへの応答を洗練できる。
これらの結果は、フロンティアLMは誤った反応を自己調整するためにブレークスルーを必要とすることを示唆している。
論文 参考訳（メタデータ） (2025-11-27T07:20:52Z) - Eigen-1: Adaptive Multi-Agent Refinement with Monitor-Based RAG for Scientific Reasoning [53.45095336430027]
暗黙的な検索と構造化された協調を組み合わせた統合フレームワークを開発する。
Humanity's Last Exam (HLE) Bio/Chem Goldでは,48.3%の精度を実現している。
SuperGPQAとTRQAの結果はドメイン間の堅牢性を確認した。
論文 参考訳（メタデータ） (2025-09-25T14:05:55Z) - Question Decomposition for Retrieval-Augmented Generation [2.6409776648054764]
本稿では疑問分解をサブクエストに組み込んだRAGパイプラインを提案する。
補間的な文書を効果的に組み立てる一方で、再ランク付けによってノイズが減少することを示す。
再ランク自体は標準的なものであるが、LLMによる質問分解と既製のクロスエンコーダのペアリングは、マルチホップ質問の検索ギャップを橋渡しすることを示す。
論文 参考訳（メタデータ） (2025-07-01T01:01:54Z) - TAT-QA: A Question Answering Benchmark on a Hybrid of Tabular and
Textual Content in Finance [71.76018597965378]
TAT-QAと呼ばれるタブラデータとテクスチャデータの両方を含む新しい大規模な質問応答データセットを構築します。
本稿では,テーブルとテキストの両方を推論可能な新しいQAモデルであるTAGOPを提案する。
論文 参考訳（メタデータ） (2021-05-17T06:12:06Z) - Pre-training Tasks for Embedding-based Large-scale Retrieval [68.01167604281578]
本稿では,大規模クエリ文書検索問題について考察する。
クエリ(例えば質問)が与えられたら、関連するドキュメントのセットを大きなドキュメントコーパスから返します。
本稿では, 組込み型トランスフォーマーモデルの学習の鍵となる要素が, 事前学習作業のセットであることを示す。
論文 参考訳（メタデータ） (2020-02-10T16:44:00Z)
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。