Fugu-MT 論文翻訳(概要): Adaptive Retrieval Strategies for Biomedical Question Answering

論文の概要: Adaptive Retrieval Strategies for Biomedical Question Answering

arxiv url: http://arxiv.org/abs/2607.15283v1
Date: Tue, 02 Jun 2026 22:22:28 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-27 00:46:13.017622
Title: Adaptive Retrieval Strategies for Biomedical Question Answering
Title（参考訳）: バイオメディカル質問応答のための適応的検索方略
Abstract要約: 本稿では,質問タイプに応じた検索と証拠収集戦略を選択する適応型検索フレームワークを提案する。提案手法をBioASQベンチマークで評価し,アダプティブ検索手法がエビデンスと応答品質を改善していることを示す。
参考スコア（独自算出の注目度）: 10.793379752589166
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Biomedical question answering (QA) encompasses diverse question types, including yes/no, factoid, list, and summary questions, each requiring distinct forms of evidence and reasoning. However, most retrieval-augmented QA systems rely on a unified retrieval pipeline, regardless of the information needs of different question categories. This one-size-fits-all approach may limit the effectiveness of evidence acquisition and downstream answer generation. In this work, we propose an adaptive retrieval framework that selects retrieval and evidence aggregation strategies according to question type. The system combines query understanding, biomedical document retrieval, reranking, knowledge graph augmentation, document clustering, and large language model-based answer generation. For yes/no questions, it focuses on precise evidence retrieval; for factoid and list questions, it emphasizes entity-oriented retrieval and clustering; and for summary questions, it performs broader evidence collection and synthesis. We evaluate the proposed framework on the BioASQ benchmark and demonstrate that adaptive retrieval strategies improve evidence relevance and answer quality across multiple question types. Our results suggest that aligning retrieval mechanisms with question-specific information needs provides an effective direction for enhancing retrieval-augmented biomedical QA systems.
Abstract（参考訳）: バイオメディカル質問応答(英語版)(QA)は、イエス/ノー、ファクトイド、リスト、要約質問を含む様々な質問タイプを含み、それぞれ異なる形の証拠と推論を必要とする。しかし、検索強化されたほとんどのQAシステムは、異なる質問カテゴリの情報のニーズに関わらず、統一された検索パイプラインに依存している。このワンサイズのアプローチは、エビデンス獲得とダウンストリームの回答生成の有効性を制限する可能性がある。本研究では,質問タイプに応じた検索と証拠収集戦略を選択する適応型検索フレームワークを提案する。このシステムは、クエリ理解、バイオメディカルドキュメント検索、リグレード、知識グラフ強化、文書クラスタリング、および大規模言語モデルに基づく回答生成を組み合わせる。イエス/ノー質問では、正確なエビデンス検索に焦点を当て、ファクトイドやリスト質問では、エンティティ指向の検索とクラスタリングを強調し、要約質問では、より広範なエビデンス収集と合成を行う。提案手法をBioASQベンチマークで評価し,適応型検索手法が複数の質問タイプにまたがってエビデンスと回答の質を向上させることを示す。以上の結果から,検索機構と質問特化情報との整合性は,バイオメディカルQAシステムの改善に有効であることが示唆された。

関連論文リスト

From Voting to Agent Collaboration: Answer-Type-Aware LLM Pipelines for BioASQ 14b [12.802727947397308]
本研究では,BioASQ 14bタスクBのための問合せ型特定大言語モデル(LLM)フレームワークを提案する。すべての質問に1つのプロンプト戦略を適用するのではなく、このフレームワークはイエス/ノー、ファクトイド、リストの異なる推論手順を選択する。 BioASQ 13bの予備実験は,各質問タイプに対する効果的な推論戦略の同定に用いられた。
論文参考訳（メタデータ） (2026-07-07T16:12:51Z)
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)
UETQuintet at BioCreative IX - MedHopQA: Enhancing Biomedical QA with Selective Multi-hop Reasoning and Contextual Retrieval [0.0]
直接質問と逐次質問の両方を効果的に解決するモデルを提案する。マルチソース情報検索とインコンテキスト学習を利用して、回答を生成するためのリッチで関連するコンテキストを提供する。当社のアプローチでは,Exact Matchスコア0.84を達成し,現行のリーダボードで2位となった。
論文参考訳（メタデータ） (2026-01-11T16:12:38Z)
Pointwise Mutual Information as a Performance Gauge for Retrieval-Augmented Generation [78.28197013467157]
文脈と問合せの間のポイントワイドな相互情報は,言語モデルの性能向上に有効な指標であることを示す。本稿では,文書と質問のポイントワイドな相互情報を利用する2つの手法を提案する。
論文参考訳（メタデータ） (2024-11-12T13:14:09Z)
ELOQ: Resources for Enhancing LLM Detection of Out-of-Scope Questions [52.33835101586687]
本研究では,検索した文書が意味的に類似しているように見えるスコープ外質問について検討するが,答えるために必要な情報がない。本稿では,閉経後の文書から多様なスコープ外質問を自動的に生成するための,幻覚に基づくELOQを提案する。
論文参考訳（メタデータ） (2024-10-18T16:11:29Z)
Aspect-oriented Consumer Health Answer Summarization [2.298110639419913]
コミュニティ質問回答(Community Question-Answering、CQA)フォーラムは、人々が情報を求める方法、特に医療ニーズに関連するものに革命をもたらした。単一のクエリに対する応答にはいくつかの回答があるため、特定の健康上の懸念に関連する重要な情報を把握することが難しくなる。本研究は、この制限に対処するために、側面に基づく健康回答の要約に焦点を当てている。
論文参考訳（メタデータ） (2024-05-10T07:52:43Z)
CLARINET: Augmenting Language Models to Ask Clarification Questions for Retrieval [52.134133938779776]
CLARINETは,回答が正しい候補の確実性を最大化する質問を選択することで,情報的明確化を問うシステムである。提案手法は,大規模言語モデル(LLM)を検索分布の条件付きで拡張し,各ターンで真の候補のランクを最大化する問題を生成する。
論文参考訳（メタデータ） (2024-04-28T18:21:31Z)
Contributions to the Improvement of Question Answering Systems in the Biomedical Domain [0.951828574518325]
この論文は、生物医学領域における質問応答(QA)の枠組みに該当する。バイオメディカル領域におけるQAの性能向上のための4つのコントリビューションを提案する。我々はSemBioNLQAと呼ばれる完全に自動化されたセマンティックバイオメディカルQAシステムを開発した。
論文参考訳（メタデータ） (2023-07-25T16:31:20Z)
Adaptive Information Seeking for Open-Domain Question Answering [61.39330982757494]
本稿では,オープンドメイン質問応答,すなわちAISOに対する適応型情報探索手法を提案する。学習方針によると、AISOは適切な検索行動を選択し、各ステップで行方不明の証拠を探すことができる。 AISOは、検索と回答の評価の両方の観点から、事前定義された戦略で全てのベースライン手法を上回ります。
論文参考訳（メタデータ） (2021-09-14T15:08:13Z)
Reinforcement Learning for Abstractive Question Summarization with Question-aware Semantic Rewards [20.342580435464072]
本稿では,抽象的な質問要約のための強化学習に基づくフレームワークを提案する。 i)質問型識別と(ii)質問焦点認識の下流タスクから得られる2つの新しい報酬を提案する。これらの報酬は意味論的に有効な質問の生成を確実にし、質問要約に重要な医療機関/焦点を取り入れることを奨励する。
論文参考訳（メタデータ） (2021-07-01T02:06:46Z)
Interpretable Multi-Step Reasoning with Knowledge Extraction on Complex Healthcare Question Answering [89.76059961309453]
HeadQAデータセットには、公衆医療専門試験で認可された複数の選択質問が含まれている。これらの質問は、現在のQAシステムにとって最も難しいものです。知識抽出フレームワーク(MurKe)を用いた多段階推論を提案する。市販の事前訓練モデルを完全に活用しようと努力しています。
論文参考訳（メタデータ） (2020-08-06T02:47:46Z)
CAiRE-COVID: A Question Answering and Query-focused Multi-Document Summarization System for COVID-19 Scholarly Information Management [48.251211691263514]
我々は、リアルタイム質問応答(QA)とマルチドキュメント要約システムであるCAiRE-COVIDを紹介し、Kaggle COVID-19 Open Researchデータセットチャレンジで10のタスクのうちの1つを勝ち取った。本システムの目的は,コミュニティからの優先度の高い質問に答えることによって,新型コロナウイルスに関する数多くの学術論文をマイニングすることにある。
論文参考訳（メタデータ） (2020-05-04T15:07:27Z)

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。