論文の概要: DeepWeaver: Bridging the Evidence Synthesis Gap in Open-Ended Question Answering
- arxiv url: http://arxiv.org/abs/2608.18988v1
- Date: Wed, 19 Aug 2026 14:53:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-20 20:13:55.43284
- Title: DeepWeaver: Bridging the Evidence Synthesis Gap in Open-Ended Question Answering
- Title（参考訳）: DeepWeaver: オープンな質問回答でエビデンス合成ギャップを埋める
- Abstract要約: ノイズの多い証拠を包括的回答に織り込むフレームワークであるDeepWeaverを提案する。
我々はDeepWeaverを知識ベースとWeb上のオープンエンドQAで評価し、エビデンス合成のための高密度ベンチマークであるLoQAを紹介した。
- 参考スコア（独自算出の注目度）: 49.87758530386642
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Retrieve-then-generate pipelines are commonly used to produce deep-research answers for open-ended questions, but retrieval alone is insufficient: LLMs must organize noisy and fragmented evidence into comprehensive, well-cited answers. We refer to this process as evidence synthesis. However, direct generation often underuses evidence, misaligns citations, and collapses diverse information into shallow summaries, exposing an evidence synthesis gap between retrieval and generation. Thus, we propose DeepWeaver, a novel framework that weaves noisy retrieved evidence into comprehensive answers by maintaining Thought Block Chains (TBCs), a structured representation that groups claims, salient information, keywords, and supporting evidence. DeepWeaver uses subordinate TBCs to inspect residual evidence, commit TBC revisions, and discover new claims before final generation. We evaluate DeepWeaver on open-ended QA over both knowledge bases and the web, and introduce LoQA, a high-density benchmark for evidence synthesis. Across multiple LLMs, DeepWeaver improves content sufficiency, citation grounding, and detail preservation on LoQA, while achieving deeper insights and higher citation quality on DeepResearch Bench. These results show that evidence weaving is an effective mechanism for bridging retrieval and generation in open-ended QA. Our code is available at https://github.com/KlozeWang/DeepWeaver.
- Abstract（参考訳）: Retrieve-then-generate パイプラインは、オープンエンドの質問に対してディープ検索の回答を生成するために一般的に使用されるが、検索だけでは不十分である。
この過程を証拠合成と呼ぶ。
しかし、直接生成はしばしば証拠を過小評価し、引用を誤用し、様々な情報を浅い要約に分解し、検索と生成の間の証拠合成のギャップを露呈する。
そこで我々は,集団の主張,健全な情報,キーワード,支持する証拠の構造化表現であるThought Block Chains (TBCs) の維持により,雑音に満ちた証拠を包括的に回収する新しいフレームワークであるDeepWeaverを提案する。
DeepWeaverは、従属のTBCを使用して、残留証拠を検査し、TBCリビジョンをコミットし、最終世代前に新たなクレームを発見する。
我々はDeepWeaverを知識ベースとWeb上のオープンエンドQAで評価し、エビデンス合成のための高密度ベンチマークであるLoQAを紹介した。
複数のLLM全体で、DeepWeaverはコンテンツ満足度、引用基盤、LoQAの詳細な保存を改善し、DeepResearch Benchの深い洞察とより高い引用品質を実現している。
これらの結果から,エビデンスウィービングはオープンエンドQAにおけるブリッジング検索と生成に有効なメカニズムであることが示唆された。
私たちのコードはhttps://github.com/KlozeWang/DeepWeaver.comで公開されています。
関連論文リスト
- Navigating Sparse Evidence: Agentic Visual RAG via Explicit Context Selection and Consolidation [50.92223196290564]
明示的な証拠選択と統合のための統一エージェントループを提案する。
探索中、SCoREはクエリ関連観測とソースポインタのみを保守されたテキスト台帳に保持する。
終了時には、参照された元のイメージを再ロードし、答えの視覚的証拠を統合し、論理的なシーケンスにアレンジする。
論文 参考訳（メタデータ） (2026-09-14T16:11:35Z) - Beyond One-Shot Expansion: Contrastive Evidence Exploration for Multi-Hop Retrieval [19.37201042661162]
本研究では,エビデンス条件付き探索,パス特化コントラスト改善,カバレッジ対応ファイナルランキングを組み込んだ,トレーニング不要なマルチホップ検索フレームワークを提案する。
MuSiQue、HotpotQA、および2WikiMultihopQAの実験では、ベースラインよりも検索品質と下流QAパフォーマンスが一貫した改善が示されている。
論文 参考訳（メタデータ） (2026-09-07T05:13:56Z) - A Tree-based RAG Framework for Evidence-Intensive QA via Adaptive Planning and Topology-Aware Evidence Gathering [5.690105879823579]
最近の構造化RAG法は、木またはグラフに基づく推論構造を利用してマルチホップQAを改善する。
APT-RAG(Adaptive Planning and Topology-Aware evidence gathering RAG framework)を提案する。
証拠集約型QAベンチマークの実験では、APT-RAGは既存の構造化RAG法よりも優れている。
論文 参考訳（メタデータ） (2026-09-04T10:34:14Z) - SAFE-G: Structure-aware Faithful Evidence-guided Generation for Knowledge-based Visual Question Answering [8.538563236020947]
SAFE-Gは構造対応のFiveence-Guided Generationフレームワークである。
正確な証拠のローカライズと信頼できる推論を可能にする。
従来の手法を8.9%と3.5%で上回っている。
論文 参考訳（メタデータ） (2026-08-22T06:34:53Z) - Deep-Research Agents Can Be Poisoned via User-Generated Content [8.098290223993954]
ディープリサーチエージェントは、単一の研究セッション中に多くの関連するクエリを発行する。
多くの一般的な検索トピックにおいて、RedditやWikipediaのようなプラットフォームから、同じユーザ生成コンテンツ(UGC)ページを何度も取得していることを示す。
この重なり合いは集中攻撃面を生成する。
我々はこの攻撃を3つの代表的なディープリサーチシステムに対して評価する。
論文 参考訳（メタデータ） (2026-05-22T21:46:32Z) - Orchestrating Specialized Agents for Trustworthy Enterprise RAG [8.772844442593975]
1パスの検索/書き込みパイプラインは、しばしば浅い要約を生成する。
本稿では,線形検索を反復的かつユーザによる調査に置き換えるエージェントフレームワークであるADOREを紹介する。
私たちのコントリビューションは、メモリロック合成、エビデンスカバレッジ誘導実行、セクションパック長文グラウンドティングの3つです。
論文 参考訳（メタデータ） (2026-01-26T08:48:41Z) - WebWeaver: Structuring Web-Scale Evidence with Dynamic Outlines for Open-Ended Deep Research [73.58638285105971]
本稿では,AIエージェントが膨大なWebスケール情報を洞察に富むレポートに合成しなければならない複雑な課題であるtextbfopen-ended Deep Research (OEDR) に取り組む。
人間の研究プロセスをエミュレートする新しいデュアルエージェントフレームワークである textbfWebWeaver を紹介する。
私たちのフレームワークは、DeepResearch Bench、DeepConsult、DeepResearchGymなど、主要なOEDRベンチマークにまたがる最先端の新たなベンチマークを確立しています。
論文 参考訳（メタデータ） (2025-09-16T17:57:21Z) - DeepSieve: Information Sieving via LLM-as-a-Knowledge-Router [57.28685457991806]
DeepSieveはエージェントRAGフレームワークで、LLM-as-a-knowledge-routerを介して情報を収集する。
我々の設計はモジュール性、透明性、適応性を重視しており、エージェントシステム設計の最近の進歩を活用している。
論文 参考訳（メタデータ） (2025-07-29T17:55:23Z) - NeoQA: Evidence-based Question Answering with Generated News Events [53.85274258429368]
この問題に対処するために設計されたベンチマークであるNeoQAを紹介します。
我々は,エビデンスに基づく質問応答を評価するための新しいプラットフォームとして,データセットを提案する。
論文 参考訳（メタデータ） (2025-05-09T10:51:29Z) - REM-Net: Recursive Erasure Memory Network for Commonsense Evidence
Refinement [130.8875535449478]
REM-Netは、答えを説明できない低品質な証拠を消去することで証拠を洗練するためのモジュールを備えている。
既存の知識ベースから証拠を取得する代わりに、REM-Netは事前訓練された生成モデルを利用して、質問用にカスタマイズされた候補証拠を生成する。
結果はREM-Netの性能を示し、洗練された証拠が説明可能であることを示します。
論文 参考訳（メタデータ） (2020-12-24T10:07:32Z)
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。