論文の概要: EXCISE: Query-Side Exclusion for Late-Interaction Retrieval

• arxiv url: http://arxiv.org/abs/2608.05497v1
• Date: Thu, 06 Aug 2026 00:56:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-07 17:43:06.691039
• Title: EXCISE: Query-Side Exclusion for Late-Interaction Retrieval
• Title（参考訳）: EXCISE: 遅延インタラクション検索のためのクエリサイド排他
• Abstract要約: 凍結ベクトルの読み出しは、除外されたトピックを特定することが困難であるため、制約を回復しないことを示す。 我々はX-BENCHをリリースした。これは明示的で暗黙的で複合的な除外のベンチマークで、ノーハームとブール制御を備えている。
• 参考スコア（独自算出の注目度）: 22.82938587928396
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Late-interaction retrievers handle exclusion queries poorly. When a user asks for X but not Z, the additive MaxSim score promotes documents covering Z, a problem we call exclusion inversion. We show that no readout of the frozen vectors recovers the constraint, because the difficulty lies in identifying the excluded topic, which depends on the query alone. EXCISE operates at query time and corrects the inversion while leaving the index frozen. Two query-side modules totalling 1.5M parameters identify the topic and re-embed a 100-document shortlist, and a parameter-free rule demotes candidates matching that topic. Across six collections and three backbones, EXCISE is the strongest system in all eighteen backbone-collection cells against that backbone's own frozen and fine-tuned baselines. It raises exclusion success@10 on ExcluIR from 0.058 to 0.691 and raises Boolean NOT accuracy from 0.25-0.29 to 0.90-0.92. Pooled over 1,860 queries, it outperforms every fine-tuned cross-encoder, each of which loses no-harm nDCG@10, whereas EXCISE matches its frozen baseline on its strongest backbone. We release X-BENCH, a tiered benchmark of explicit, implicit, and compound exclusions with no-harm and Boolean controls.
• Abstract（参考訳）: レイト・インタラクション・レトリバーは排他的クエリを扱いにくい。 ユーザが X ではなく Z を問うとき、加法的な MaxSim スコアは Z をカバーする文書を促進するが、これは排他反転と呼ばれる問題である。 凍結ベクトルの読み出しは、クエリのみに依存する排除されたトピックを特定することが困難であるため、制約を回復しないことを示す。 EXCISEはクエリ時に動作し、インデックスをフリーズしながら反転を修正する。 合計1.5Mパラメータの2つのクエリサイドモジュールがトピックを識別し、100ドキュメントのショートリストを再エンベッドし、パラメータフリーのルールがそのトピックにマッチする候補を復号する。 6つのコレクションと3つのバックボーンにまたがって、EXCISEは、バックボーンが凍結して微調整されたベースラインに対して、18のバックボーン集合体の中で最強のシステムである。 ExcluIRは0.058から0.691に、Boolean NOTの精度は0.25-0.29から0.90-0.92に上昇する。 1,860以上のクエリをポーリングし、すべての微調整のクロスエンコーダを上回り、それぞれが無害のnDCG@10を失う一方、EXCISEは最強のバックボーン上の凍結ベースラインにマッチする。 我々はX-BENCHをリリースした。これは明示的で暗黙的で複合的な除外のベンチマークで、ノーハームとブール制御を備えている。

関連論文リスト

• On Scope Classification and Current Knowledge-Editing Benchmarks: A Negative Result, with INLAY as a Gradient-Free Case Study [0.0]
  INLAYは、クエリごとの正確な真実を得るために作られた勾配のないエディタである。 我々は3つのデータセットと3つの入力条件にまたがる1,689のクエリに対して、すべての候補ルータアクションを実行する。 棄権は1,689回中0回のみの勝利である。
  論文  参考訳（メタデータ） (2026-08-26T18:16:24Z)
• 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)
• Difficulty-Gated Fusion of Reasoning Views for Temporal Retrieval [22.82938587928396]
  推論集約的な時間的検索は、共有時間的推論に依存している文書とクエリをマッチングする必要がある。 そこで本研究では,問合せに難渋した推論ビューの融合を提案する。
  論文  参考訳（メタデータ） (2026-08-09T22:31:49Z)
• When Many Answers Are Valid, Voting Fails: Symbolic Verification for Best-of-K Causal Reasoning in LLMs [42.32694162421078]
  CALVERは、パールの因果基準に対して構造化されたトレースをスコアする訓練不要なシンボル検証器である。 CALVERは、複数のグラフ正解を許容するCLEAR検索1価クエリにおいて、報酬モデル、LLM審査員、モデルの信頼性が30%近く残っている42.1%に達する。
  論文  参考訳（メタデータ） (2026-08-04T11:45:46Z)
• Verification Without Sufficiency: Per-Chunk Filtering Fails on Multi-Hop RAG, and Decomposition Repairs It [0.9392167468538464]
  チャンク毎のスコアリングは、1つのチャンクが答えの十分な前提であると仮定する。 マルチホップ質問ではうまくいかないことを示し、何をするのかを示す。
  論文  参考訳（メタデータ） (2026-08-01T10:52:56Z)
• Operational Proto-Introspection in Looped Language Models: Process-Quality Taps, Executable Branching, and the Readout-Control Boundary [0.0]
  言語モデルは、進行中の計算の質を読み取ることができるか? 外部介入は、その読み出しをより良い結果に変えることができるか? 凍結した2.6Bループ変換器,Ouro-RLTTで両質問を検証した。
  論文  参考訳（メタデータ） (2026-07-20T22:40:36Z)
• Uncertainty-gated selection for block-sparse attention [0.0]
  ブロックスパースアテンション(Block-sparse attention)は、O(N2)ソフトマックスをキーブロック上のクエリごとのトップk選択に置き換えることで、長いコンテキスト言語モデルをスケールする。 本稿では,各クエリに対して,トップkカットがいかに決定的に行われたかを測定する,情報量ルータを提案する。
  論文  参考訳（メタデータ） (2026-07-04T20:41:42Z)
• 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)
• QO-Bench: Diagnosing Query-Operator-Preserving Retrieval over Typed Event Tuples [3.4933579621415576]
  本稿では,QO-Benchという,型付きイベントに対するクエリ操作型質問応答の診断ベンチマークを紹介する。 ベンチマークでは、22,984のニュース記事と18のクエリテンプレートにわたる614の企業イベントをカバーし、785の質問で評価されている。
  論文  参考訳（メタデータ） (2026-06-03T09:14:43Z)
• AEL: Agent Evolving Learning for Open-Ended Environments [43.56685432981852]
  本稿では,この障害に対処する2段階のフレームワークであるemphAgent Evolving Learning (ael)を紹介する。 ael はシャープ比 2.13$pm$0.47 を達成し、5つの自己改善法を上回ります。 これは、エージェントの自己改善におけるボトルネックが、アーキテクチャの複雑さを追加するのではなく、経験の使い方を自覚していることを示している。
  論文  参考訳（メタデータ） (2026-04-23T14:29:25Z)
• AceSearcher: Bootstrapping Reasoning and Search for LLMs via Reinforced Self-Play [45.02121903138421]
  AceSearcherは1つの大きな言語モデル(LLM)をトレーニングし、複雑なクエリを分解するデコンポスタと、検索したコンテキストを統合して回答生成するソルバという2つの役割を交互に行う。 10データセットにわたる3つの推論集約タスクの実験は、AceSearcherが最先端のベースラインを上回り、平均的な正確なマッチング改善を7.6%達成していることを示している。
  論文  参考訳（メタデータ） (2025-09-29T02:14:30Z)
• Continuous K-Max Bandits [54.21533414838677]
  我々は、連続的な結果分布と弱い値-インデックスフィードバックを持つ、$K$-Maxのマルチアームバンディット問題について検討する。 この設定は、レコメンデーションシステム、分散コンピューティング、サーバスケジューリングなどにおいて重要なアプリケーションをキャプチャします。 我々の重要な貢献は、適応的な離散化とバイアス補正された信頼境界を組み合わせた計算効率の良いアルゴリズムDCK-UCBである。
  論文  参考訳（メタデータ） (2025-02-19T06:37:37Z)
• BRIGHT: A Realistic and Challenging Benchmark for Reasoning-Intensive Retrieval [54.54576644403115]
  BRIGHTは、関係する文書を検索するために、集中的推論を必要とする最初のテキスト検索ベンチマークである。 私たちのデータセットは、経済学、心理学、数学、コーディングなど、さまざまな領域にまたがる1,384の現実世界のクエリで構成されています。 クエリに関する明示的な推論を取り入れることで、検索性能が最大12.2ポイント向上することを示す。
  論文  参考訳（メタデータ） (2024-07-16T17:58:27Z)
• DCR: Divide-and-Conquer Reasoning for Multi-choice Question Answering with LLMs [9.561022942046279]
  大規模言語モデル(LLM)の推論能力を高めるため,DCR(Divide and Conquer Reasoning)を提案する。 まず、信頼性スコア(mathcalCS$)に基づいて質問を2つのサブセットに分類する。 特に,質問を信頼性スコア(mathcalCS$)に基づいて2つのサブセットに分類する。
  論文  参考訳（メタデータ） (2024-01-10T14:38:46Z)
• Reverse Multi-Choice Dialogue Commonsense Inference with Graph-of-Thought [44.80239245596408]
  ダイアログ・コモンセンス・マルチ選択質問回答(DC-MCQ)タスクは,ユーザクエリや意図の理解という課題への対応として登場した。 本稿では,3段階のReverse Exclusion Graph-of-Thought(ReX-GoT)フレームワークを提案する。 特に、我々のReX-GoTは、無関係な選択肢を徐々に排除し、GoTの最適経路を選択するためのオプションエラーの理由を学習することで、人間の推論を模倣します。
  論文  参考訳（メタデータ） (2023-12-23T16:18:47Z)
• Combinatorial Stochastic-Greedy Bandit [79.1700188160944]
  我々は,選択した$n$のアームセットのジョイント報酬以外の余分な情報が観測されない場合に,マルチアームのバンディット問題に対する新規グリーディ・バンディット(SGB)アルゴリズムを提案する。 SGBは最適化された拡張型コミットアプローチを採用しており、ベースアームの大きなセットを持つシナリオ用に特別に設計されている。
  論文  参考訳（メタデータ） (2023-12-13T11:08:25Z)

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。