論文の概要: Semantic Compression Trees: Multi-Resolution Knowledge Retrieval via Hierarchical Semantic Residuals

• arxiv url: http://arxiv.org/abs/2608.21610v1
• Date: Fri, 21 Aug 2026 20:21:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 13:29:43.310419
• Title: Semantic Compression Trees: Multi-Resolution Knowledge Retrieval via Hierarchical Semantic Residuals
• Title（参考訳）: セマンティック圧縮木:階層的セマンティック残差によるマルチリゾリューション知識検索
• Abstract要約: 本稿では,セマンティック圧縮木(Semantic Compression Trees)について紹介する。 QASPER(50の論文、173の質問)を2つのプロトコルで評価し、ベンチマークが関連する文書を供給しているかどうかを判断した。
• 参考スコア（独自算出の注目度）: 1.0152838128195467
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Retrieval-augmented generation relies mostly on flat, fixed-granularity indexes: documents are cut into uniform chunks and retrieved by similarity, discarding the hierarchical structure of the source. We introduce Semantic Compression Trees (SCT), a hierarchical index in which each node stores only its semantic residual -- the information it adds beyond its parent -- and retrieval proceeds by progressive descent from the root, so that per-query cost is governed by tree depth rather than collection size. We evaluate on QASPER (50 papers, 173 questions) under two protocols differing only in whether the benchmark supplies the relevant document, with bootstrap confidence intervals and paired significance tests throughout. The results are mixed and we report them as such. When the document is given, SCT with a zero-LLM extractive compressor matches dense retrieval on answer quality (0.274 vs. 0.277 F1, $p = 0.37$) using 30% fewer context tokens and no LLM calls to build the index, and residual storage beats storing full summaries at each node (0.274 vs. 0.205, $p < 0.001$). Increasing the collection fifty-fold multiplies flat retrieval's per-query scoring work by 48.9x and SCT's by 6.4x. Progressive descent itself is not supported. Retrieving the same residuals without the tree performs identically when the document is given ($p = 0.27$), and descent is substantially worse when the system must select the document (0.122 vs. 0.165, $p < 0.001$). Routing accuracy localises the cause: descent selects the correct paper 20.2% of the time against 39.3% for flat retrieval, because that choice is made from the root residual, the most compressed node in the tree. We conclude that the residual representation is worth keeping and top-down routing is not.
• Abstract（参考訳）: ドキュメントは均一なチャンクに切り分けられ、類似性によって取得され、ソースの階層構造を破棄する。 セマンティック圧縮木(SCT)は,各ノードが意味的残差(親以上の情報)のみを格納する階層的な指標であり,検索は根からの漸進的降下によって進行するので,クエリあたりのコストはコレクションサイズではなくツリーの深さによって管理される。 QASPER(50の論文、173の質問)を2つのプロトコルで評価し、ベンチマークが関連する文書を供給しているか、ブートストラップの信頼区間とペアの重要度テストで評価した。 結果は混在しており、そのように報告する。 文書が与えられたとき、ゼロLLM抽出圧縮機付きSCTは、30%少ないコンテキストトークンとLLMコールを使わずに、回答品質(0.274 vs. 0.277 F1, $p = 0.37$)で密集した検索と一致し、各ノードに全サマリーを格納する(0.274 vs. 0.205, $p < 0.001$)。 収集された50倍の倍数検索は、クエリ毎のスコアリング作業が48.9倍、SCTが6.4倍になる。 プログレッシブ降下自体はサポートされていない。 木無しで同じ残余を取得することは、文書が与えられたとき(p = 0.27$)に同じ処理を行い、システムが文書を選択しなければならない場合(0.122 vs. 0.165, $p < 0.001$)、降下は著しく悪化する。 経路精度は原因をローカライズする: 降下は、木の最も圧縮されたノードである根残基から選択されるため、フラット検索の時間のうち、39.3%に対して正しい紙を20.2%選択する。 残余表現は維持価値があり、トップダウンルーティングはそうではないと結論付けます。

関連論文リスト

• VisDocAgentBench: Benchmarking Agents for Visually Rich Document Retrieval [65.89247522243959]
  VisDocAgentBenchは、静的検索とエージェント検索を比較したクローズドコーパスベンチマークである。 100の文書から2,375ページ、120のユニークなターゲットクエリが直接、一橋、二橋のエビデンス構造でバランスを取っている。 強力な遅延対話型ビジュアルレトリバーは、直接アイテムで97.50%のRecall@1に達するが、2ブリッジアイテムでは2.50%に達し、関連性がコーパスコンテキストに依存する場合のクエリ-ターゲットマッチングの限界を明らかにする。
  論文  参考訳（メタデータ） (2026-08-18T15:23:06Z)
• Self-Correcting Long-Horizon Search Agents via Tree-Structured Memory [20.351040137738398]
  本稿では,検索エージェントのための自己修正木構造記憶機構ReTreeを提案する。 ReTreeは、ソースリンクされたエビデンスを保持しながら、ステップごとのコンテキスト境界を構築する。 4つの公開質問回答と検索ベンチマークの実験は、ReTreeが一貫してFull-Trajectory ReActを上回っていることを示している。
  論文  参考訳（メタデータ） (2026-08-11T08:56:42Z)
• Structure-Aware Semantic Chunking with Title-Chain Prefixes: A 1600-Query Evaluation and the Measurement Trap in Text-Transform Ablations [4.342406076796542]
  3段階のチャンク側のみのセマンティックチャンクパイプラインを提示する。 タイトルチェーンは、生成された要約ではなく、文書のヘッダ階層を再利用する。 パイプラインは完全なセットでMRR@5を0.374から0.463に、答え可能なサブセットで0.828から0.925に改善する。
  論文  参考訳（メタデータ） (2026-08-01T19:01:46Z)
• VecTree-RAG: An Agentic Retrieval-Augmented Generation Framework Combining Vector and Tree Retrieval for Efficiency and Accuracy [1.7944454238144063]
  VecTree-RAGは、これらのタスクを補完的な検索機構に割り当てるエージェントフレームワークである。 VecTree-RAGは3つのベンチマークで最も高い結果を得た。 VecTree-RAGは、科学文献質問応答のための構造対応でトレーサブルなアーキテクチャを提供する。
  論文  参考訳（メタデータ） (2026-07-25T02:50:05Z)
• Lost in a Single Vector: Improving Long-Document Retrieval with Chunk Evidence Aggregation [59.438696079345426]
  DICEは、ドキュメントをチャンクに分割し、凍結したモデルで独立してエンコードし、それらを単一のベクタに集約する、トレーニング不要のドキュメントサイド戦略である。 LongEmbedでは、DICEは4つのバックボーン間の検索を改善し、4kトークンを超えるスライスで最大の利益を上げている。 12,779個のフィルターサンプルのうち、DICEは92.8%のケースで単一ベクトルベースラインよりも低いEDIが得られる。
  論文  参考訳（メタデータ） (2026-06-17T07:44:04Z)
• Evidence Units: Ontology-Grounded Document Organization for Parser-Independent Retrieval [0.0]
  要素レベルの索引付けは、独立したチャンクとして解析された全ての要素を扱い、セマンティックな結合単位を別々の検索候補に分散させる。 本稿では,エビデンス・ユニット(EU)を構成するパイプラインについて述べる。
  論文  参考訳（メタデータ） (2026-04-01T05:32:16Z)
• APEX-EM: Non-Parametric Online Learning for Autonomous Agents via Structured Procedural-Episodic Experience Replay [7.370176470430802]
  LLMベースの自律エージェントは、永続的な手続き記憶を欠いている。 我々は,構造化手続き計画の蓄積,検索,再利用を行う非パラメトリックオンライン学習フレームワークであるAPEX-EMを提案する。
  論文  参考訳（メタデータ） (2026-03-31T00:24:56Z)
• HISA: Efficient Hierarchical Indexing for Fine-Grained Sparse Attention [62.79085204939384]
  HISA (Hierarchical Indexed Sparse Attention) は、平らなトークンスキャンから2段階の階層的な手順に検索パスを書き換える。 カーネルレベルのベンチマークでは、HISAは64Kコンテキストでの高速化を実現している。
  論文  参考訳（メタデータ） (2026-03-30T13:59:51Z)
• KohakuRAG: A simple RAG framework with hierarchical document indexing [1.0844295385744671]
  文書構造を4段階のツリー表現で保存する階層型RAGフレームワークであるKohakuragを提案する。 われわれはWattBot 2025 Challengeの評価を行った。これは32の文書から技術的質問に答えるシステムを必要とするベンチマークである。
  論文  参考訳（メタデータ） (2026-03-08T12:52:39Z)
• $G^2$-Reader: Dual Evolving Graphs for Multimodal Document QA [53.491241153213565]
  G2$-Readerはマルチモーダルな質問応答のためのデュアルグラフシステムである。 Qwen3-VL-32B-Instructによる$G2$-Readerの平均精度は66.21%に達し、強力なベースラインとスタンドアローンのGPT-5(53.08%)を上回った。 5つのマルチモーダルドメインにわたるVisDoMBenchでは、Qwen3-VL-32B-Instructを使った$G2$-Readerが平均精度66.21%に達し、強力なベースラインとスタンドアロンのGPT-5(53.08%)を上回っている。
  論文  参考訳（メタデータ） (2026-01-29T17:52:54Z)
• Don't Get Lost in the Trees: Streamlining LLM Reasoning by Overcoming Tree Search Exploration Pitfalls [83.89771461061903]
  検証者による木探索アルゴリズムの最近の進歩は、大規模言語モデル(LLM)の推論能力を大幅に向上させた。 検証者による木探索アルゴリズムの最近の進歩は、大規模言語モデル(LLM)の推論能力を大幅に向上させた。 意味論的に等価なコンテンツを持つ冗長な状態による$textitover-Exploration$と、検証器のスコアリングにおける高いばらつきに起因する$textitunder-Exploration$である。 各種木探索アルゴリズムに適合するフレキシブルなプラグアンドプレイシステムであるFETCHを提案する。
  論文  参考訳（メタデータ） (2025-02-16T16:12:01Z)
• ReTreever: Tree-based Coarse-to-Fine Representations for Retrieval [64.44265315244579]
  そこで本研究では,様々なレベルで参照文書を整理し,表現するためのツリーベース手法を提案する。 我々の手法はReTreeverと呼ばれ、クエリと参照ドキュメントが同様のツリーブランチに割り当てられるように、バイナリツリーの内部ノード毎のルーティング関数を共同で学習する。 我々の評価では、ReTreeverは一般的に完全な表現精度を保っている。
  論文  参考訳（メタデータ） (2025-02-11T21:35:13Z)
• Precise Zero-Shot Dense Retrieval without Relevance Labels [60.457378374671656]
  仮説文書埋め込み(英: hypothetical Document Embeddings, HyDE)は、ゼロショット高密度検索システムである。 我々は,HyDEが最先端の非教師付き高密度検索器であるContrieverを著しく上回っていることを示す。
  論文  参考訳（メタデータ） (2022-12-20T18:09:52Z)

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。