論文の概要: TA-RAG: Tone Awareness as a Design Imperative for Retrieval-Augmented Generation

• arxiv url: http://arxiv.org/abs/2608.06672v1
• Date: Fri, 07 Aug 2026 00:37:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-10 16:21:25.320585
• Title: TA-RAG: Tone Awareness as a Design Imperative for Retrieval-Augmented Generation
• Title（参考訳）: TA-RAG:検索機能強化のためのデザインインペラティブとしてのトーンアウェアネス
• Abstract要約: Tone-Aware RAG (TA-RAG) は、現実の正確さとともにコミュニケーションの整合性をコア設計の目的として位置づける概念的アーキテクチャフレームワークである。 TA-RAGは、制約のない言語、可読性アライメント、受信感度適応、共感的フレーミングの4つを、検索、コンテキスト構築、生成、制約検証フェーズで運用する。
• 参考スコア（独自算出の注目度）: 2.0304958287672448
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Retrieval-Augmented Generation (RAG) has become a robust architecture for grounding large language models (LLMs) in trusted knowledge. However, standard RAG systems exhibit a structural limitation: retrieved documents carry their own communication styles-professional jargon, formal tone, or academic writings-that shape the behavior of a RAG system before any tone instructions are processed, often causing the system to ignore user requests for a specific tone. We term this phenomenon contextual decoupling, in which a system optimises for factual accuracy while remaining decoupled from the social or operational context of the recipient. Building on prior research in public health peer-support communities, we identify three communicative misalignment-linguistic, cognitive, and relational-that can persist even when retrieval is relevant and the generated response is factually accurate. We conceptualise these as failures of communicative transformation, which remain largely invisible to accuracy-centred RAG evaluation metrics. To address this gap, we propose Tone-Aware RAG (TA-RAG), a conceptual architectural framework that positions communicative alignment alongside factual accuracy as a core design objective. TA-RAG operationalises four constraints-stigma-free language, readability alignment, recipient-sensitive adaptation, and empathetic framing-across the retrieval, context construction, generation, and constraint validation phases in the proposed RAG pipeline. We further highlight an evaluation agenda for jointly assessing factual fidelity and communicative alignment, and identify open challenges. We argue that tone awareness should be treated not as an optional refinement, but as a present design imperative for RAG systems operating in socially sensitive and high-stakes contexts.
• Abstract（参考訳）: Retrieval-Augmented Generation (RAG)は、大規模言語モデル(LLM)を信頼できる知識で基盤付けるための堅牢なアーキテクチャとなっている。 しかしながら、標準的なRAGシステムには構造的な制限がある: 検索された文書は、プロのジャーゴン、フォーマルなトーン、あるいは学術的な文書など、RAGシステムの動作を処理前に形成する独自の通信スタイルを持っているため、特定のトーンに対するユーザの要求を無視することが多い。 我々は、この現象を、受信者の社会的・操作的文脈から切り離されたまま、システムが事実の正確さを最適化する、文脈的疎結合(contextual decoupling)と呼ぶ。 公衆衛生支援コミュニティにおける先行研究に基づいて, 検索が関連していて, 生成した応答が事実的正確である場合にも持続できる, コミュニケーション上の不一致言語, 認知, 関係性の3つを同定した。 我々はこれらをコミュニケーション変換の失敗として概念化し、精度中心のRAG評価指標にはほとんど見えません。 このギャップに対処するため,本論文では,現実的精度とともにコミュニケーションの整合性を示す概念的アーキテクチャフレームワークであるTone-Aware RAG(TA-RAG)を提案する。 TA-RAGは,提案したRAGパイプラインにおいて,制約のない言語,可読性アライメント,受信感度適応,共感的フレーミングの4つを検索,コンテキスト構築,生成,制約検証の4段階にわたって運用する。 さらに、事実の忠実さとコミュニケーションの整合性を共同で評価し、オープンな課題を特定するための評価アジェンダも強調する。 我々は、音調認識は、オプション的な改善ではなく、社会的に敏感で高い文脈で動作するRAGシステムに不可欠な設計として扱うべきであると論じている。

関連論文リスト

• CLAIM: Leading Open-domain Active Clarification of Large Language Models with Uncertainty Measurement [50.91045324738942]
  CLAIMは、オープンドメイン環境でのアクティブな明確化学習のための不確実性駆動フレームワークである。 本研究では,不確実性推定とセマンティッククラスタリングと推論に基づく判断を統合したエントロピー駆動型合成データ生成パイプラインを提案する。 実験の結果,手動でラベル付けしたデータに頼ることなく,CLAIMが安定かつ一般化可能な明確化戦略を学習できることが確認された。
  論文  参考訳（メタデータ） (2026-08-12T04:27:45Z)
• SKG-Eval: Stateful Evaluation of Multi-Turn Dialogue via Incremental Semantic Knowledge Graphs [0.0]
  SKG-Evalは、対話を進化するセマンティック知識グラフとしてモデル化する準決定論的かつ解釈可能なフレームワークである。 本研究では,SKG-Evalが人間の判断と高い相関を達成し,会話における長距離不整合の検出を大幅に改善することを示す。
  論文  参考訳（メタデータ） (2026-05-15T21:39:48Z)
• Interactive ASR: Towards Human-Like Interaction and Semantic Coherence Evaluation for Agentic Speech Recognition [52.63676763985825]
  トークンレベルの精度を超えた認識品質を評価するための意味認識評価指標を提案する。 我々は,人間のようなマルチターンインタラクションをシミュレートするエージェント・フレームワークを設計し,認識出力の反復的改善を可能にする。 対話型およびエージェント型ASRにおける今後の研究を促進するためのコードをリリースする。
  論文  参考訳（メタデータ） (2026-04-10T09:02:42Z)
• Towards Automated Community Notes Generation with Large Vision Language Models for Combating Contextual Deception [8.79051023144961]
  画像に基づく文脈偽造に対するコミュニティノートの自動生成手法について検討する。 主に偽造検出に焦点を当てた以前の作業とは異なり、Community Notesスタイルのシステムは簡潔で接地的なメモを生成する必要がある。 大規模な視覚言語モデル上に構築された検索拡張型マルチエージェント協調フレームワークであるACCNoteを提案する。
  論文  参考訳（メタデータ） (2026-03-23T18:21:23Z)
• Conversational Intent-Driven GraphRAG: Enhancing Multi-Turn Dialogue Systems through Adaptive Dual-Retrieval of Flow Patterns and Context Semantics [8.532295745134459]
  CID-GraphRAG (対話型インテント駆動グラフ検索生成) 本稿では,マルチターン顧客サービス会話におけるコンテキストコヒーレンスと目標指向の進展を維持する上で,既存の対話システムの限界に対処する新しいフレームワークを提案する。 CID-GraphRAGは、ゴール達成された過去の対話から動的意図遷移グラフを構築し、インテントベースのグラフとセマンティックサーチを適応的にバランスさせる二重検索機構を実装している。
  論文  参考訳（メタデータ） (2025-06-24T07:20:45Z)
• Respecting Temporal-Causal Consistency: Entity-Event Knowledge Graphs for Retrieval-Augmented Generation [69.45495166424642]
  我々は,物語文書における時間的,因果的,文字的整合性を理解するために,頑健で差別的なQAベンチマークを開発する。 次に、バイナリマッピングでリンクされたエンティティとイベントのサブグラフを分離したまま保持するデュアルグラフフレームワークであるEntity-Event RAG(E2RAG)を紹介します。 ChronoQA全体で、我々のアプローチは最先端の非構造化およびKGベースのRAGベースラインよりも優れており、因果一貫性クエリや文字整合性クエリが顕著である。
  論文  参考訳（メタデータ） (2025-06-06T10:07:21Z)
• WHEN TO ACT, WHEN TO WAIT: Modeling the Intent-Action Alignment Problem in Dialogue [23.39224016484548]
  対話システムは、ユーザ発話が意味論的に完全であると同時に、適切なシステムアクションに必要な明快さと完全さが欠如している場合に失敗することが多い。 我々は、UserLLMとAgentLLMの対話を通して非対称情報ダイナミクスをモデル化するフレームワークSTORMを提案する。 コントリビューションには,(1)対話システムにおける非対称情報処理の形式化,(2)協調理解の進化をモデル化する意図形成,(3)タスクパフォーマンスとともに内部認知改善を測定する評価指標などが含まれている。
  論文  参考訳（メタデータ） (2025-06-02T17:11:10Z)
• Retrieval is Not Enough: Enhancing RAG Reasoning through Test-Time Critique and Optimization [58.390885294401066]
  Retrieval-augmented Generation (RAG) は知識基底型大規模言語モデル(LLM)を実現するためのパラダイムとして広く採用されている。 RAGパイプラインは、モデル推論が得られた証拠と整合性を維持するのに失敗することが多く、事実上の矛盾や否定的な結論につながる。 批判駆動アライメント(CDA)に基づく新しい反復的枠組みであるAlignRAGを提案する。 AlignRAG-autoは、動的に洗練を終了し、批判的な反復回数を事前に指定する必要がなくなる自律的な変種である。
  論文  参考訳（メタデータ） (2025-04-21T04:56:47Z)
• KnowsLM: A framework for evaluation of small language models for knowledge augmentation and humanised conversations [0.0]
  本研究は,LoRAランク,データセットスケール,プレフィックスデザインが知識保持とスタイルアライメントに与える影響について検討する。 LLMに基づく判断は、知識の正確さ、会話の質、簡潔さを考慮し、微調整が音調適応に最も適していることを示し、RAGはリアルタイムの知識増強に優れていた。
  論文  参考訳（メタデータ） (2025-04-06T17:58:08Z)
• Towards Trustworthy Retrieval Augmented Generation for Large Language Models: A Survey [92.36487127683053]
  Retrieval-Augmented Generation (RAG)は、AIGC(AIGC)の課題に対処するために設計された高度な技術である。 RAGは信頼性と最新の外部知識を提供し、幻覚を減らし、幅広いタスクで関連するコンテキストを保証する。 RAGの成功と可能性にもかかわらず、最近の研究により、RAGパラダイムはプライバシーの懸念、敵対的攻撃、説明責任の問題など、新たなリスクももたらしていることが示されている。
  論文  参考訳（メタデータ） (2025-02-08T06:50:47Z)
• Unanswerability Evaluation for Retrieval Augmented Generation [74.3022365715597]
  UAEval4RAGは、RAGシステムが解答不能なクエリを効果的に処理できるかどうかを評価するために設計されたフレームワークである。 我々は、6つの未解決カテゴリを持つ分類を定義し、UAEval4RAGは、多様で挑戦的なクエリを自動的に合成する。
  論文  参考訳（メタデータ） (2024-12-16T19:11:55Z)
• Schema-Guided Semantic Accuracy: Faithfulness in Task-Oriented Dialogue Response Generation [12.165005406799134]
  分類スロットと非分類スロットの両方から発生する発話を評価するために,SGSAcc(Guided Semantic Accuracy)を提案する。 本研究では,SGSAccを用いて,人間の判断とよく一致した幅広い対話行動から発生する発話を評価できることを示す。 また、未確認領域のカテゴリー的スロットから忠実な発話を生成するために、これまで見過ごされていた弱点を特定する。
  論文  参考訳（メタデータ） (2023-01-29T22:32:48Z)

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。