論文の概要: RetrievalRouter: Joint Modality and Architecture Selection for Document Retrieval

• arxiv url: http://arxiv.org/abs/2608.25625v1
• Date: Wed, 26 Aug 2026 10:50:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-27 14:15:15.771685
• Title: RetrievalRouter: Joint Modality and Architecture Selection for Document Retrieval
• Title（参考訳）: RetrievalRouter: ドキュメント検索のための共同モダリティとアーキテクチャ選択
• Authors: Emre Kuru, Mehmet Onur Keskin, Reza Farahbakhsh, Noel Crespi,
• Abstract要約: Retrievalは、金融、医療、法律における高度な情報アクセスをサポートする。 ほとんどの効果的なパイプラインは遅くてコストがかかりすぎて大規模に実行できないが、最も高速なパイプラインは複雑なドキュメントから証拠を取得するのに失敗している。 クエリテキストのみから学習する軽量なクエリ対応ルータであるRetrievalを導入する。
• 参考スコア（独自算出の注目度）: 3.797359376885946
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Document retrieval increasingly supports high-stakes information access in finance, healthcare, and law. Modern retrieval pipelines vary both in modality (text or multimodal) and in retrieval architecture (dense or late-interaction). These choices impose a hard compromise: the most effective pipelines are too slow and expensive to run at scale, while the fastest fail to retrieve evidence from complex documents. Practitioners must therefore choose between missed evidence and unusable latency, with no principled basis for adapting that choice at the query level. We show that this compromise is unnecessary. Not every query requires the same pipeline. Across benchmarks spanning financial and scientific corpora, no static pipeline dominates. We introduce RetrievalRouter, a lightweight query-aware router that learns, from the query text alone, which retrieval pipeline best fits each query. A single tunable parameter exposes the full accuracy-latency frontier, and for every static baseline, RetrievalRouter offers an operating point that is simultaneously more accurate and faster. Against the best static baseline, RetrievalRouter is 2.5% more accurate and 12.4 times faster. Furthermore, compared with prior adaptive strategy selection methods, RetrievalRouter achieves significantly higher nDCG@5 across accuracy-oriented settings, while matching or numerically outperforming them on both nDCG@5 and latency in latency-oriented settings. Our code and data are available at https://github.com/emrekuruu/retrieval-router.
• Abstract（参考訳）: 文書検索は、金融、医療、法律における高額の情報アクセスをますます支援している。 現代の検索パイプラインは、モダリティ(テキストまたはマルチモーダル)と検索アーキテクチャ(denseまたは late-interaction)の両方で異なる。 これらの選択は、難しい妥協を要する。最も効果的なパイプラインは、大規模に実行するには遅すぎるし、コストがかかる一方で、最も高速に複雑なドキュメントから証拠を取得できない。 したがって、実践者は、欠落したエビデンスと使用不可能なレイテンシのどちらかを選択する必要があり、クエリレベルでその選択を適用するための原則化された基盤は存在しない。 この妥協は不要であることを示す。 すべてのクエリが同じパイプラインを必要とするわけではない。 財務と科学のコーパスにまたがるベンチマークでは、静的パイプラインが支配的ではない。 RetrievalRouterは、クエリテキストのみから学習する軽量なクエリ対応ルータで、検索パイプラインがクエリ毎に最も適している。 単一のチューニング可能なパラメータが全精度レイテンシフロンティアを公開し、すべての静的ベースラインに対して、RetrievalRouterは、より正確で高速な操作ポイントを提供する。 最高の静的ベースラインに対して、RetrievalRouterは2.5%正確で12.4倍高速である。 さらに, 従来の適応型戦略選択手法と比較して, RetrievalRouterは, nDCG@5とレイテンシ指向設定の両方において, マッチングや数値的に優れている一方で, 精度指向設定におけるnDCG@5を大幅に向上させる。 私たちのコードとデータはhttps://github.com/emrekuruu/retrieval-router.comで公開されています。

関連論文リスト

• Disagree to Explore, Agree to Commit: Routing-Guided Test-Time Scaling for Software Agents [60.650808962786364]
  外部判断や選択時間テストの実行なしに,ネイティブなMoEルータトレースがステアリングと選択をガイドできるかどうかを検討する。 我々の分析は、ルーティングが堅牢な行動的役割シグナルを提供することを示している。トークン・グラニュラ・リードアウトと決定整合比較セットは、ルーティングを効果的に制御する。 オープンウェイトスパースMOEエージェントを用いたSWEベンチ検証を行い,評価を行った。
  論文  参考訳（メタデータ） (2026-08-23T03:07:03Z)
• Routing Before Looking: Query-Adaptive Evidence Acquisition for Long-form Video Understanding [34.47367969610384]
  Route2Lookは、ロングフォームビデオ理解においてクエリ適応型エビデンスを取得するための軽量でモデルに依存しないフレームワークである。 Route2Lookは、全体的コンテキストのグローバルブラウズ、明示的な時間的手がかりの時間的グラウンド、セマンティック検索のセマンティック検索という3つのツールを備えたルート・フック・モードループで動作する。 挑戦的なロングビデオベンチマークの実験では、Rute2Lookは、データセットとクエリタイプ間で強いフレーム効率を維持しながら、最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2026-08-21T07:23:35Z)
• Adaptive Re-Ranking [9.210588331263503]
  コスト対応ルーティングのためのユーティリティベースのラベリングフレームワークであるAdaptive Re-Rankingを提案する。 我々は、スパース検索(BM25)、密度再ランク(MiniLM-L6-v2)、重神経再ランク(BGE-v2-m3)の3つの戦略でルーティング分類器を訓練する。 BGEと比較すると,テスト対象のデータセットの平均レイテンシは1.15～53倍,平均レイテンシは1.11～5.22倍で,-17.5%から+4.0%のnDCG@10を提供する。
  論文  参考訳（メタデータ） (2026-06-24T00:12:44Z)
• Agent-as-a-Router: Agentic Model Routing for Coding Tasks [54.00153674547733]
  Agent-as-a-router (AC)はC-A-Fループとしてルーティングを形式化する(Context->Action->FeedbackContext) ACは、分配タスクに対する最小の累積後悔を達成し、配布外エージェントプログラミングタスクに一般化する。
  論文  参考訳（メタデータ） (2026-06-22T06:37:31Z)
• TwinRouterBench: Fast Static and Live Dynamic Evaluation for Realistic Agentic LLM Routing [24.63595849324157]
  2トラックのステップレベルのルーティングベンチマークであるTwinBenchを紹介した。 静的トラックは、SWE-bench、BFCL、mtRAG、QMSum、PinchBenchの520インスタンスから970のルータ可視プレフィックスを提供する。 ダイナミックトラックは、500ケースのSWE-bench Verifiedスイートでルーターを走らせるハーネスを提供する。
  論文  参考訳（メタデータ） (2026-05-14T08:58:59Z)
• OpenResearcher: A Fully Open Pipeline for Long-Horizon Deep Research Trajectory Synthesis [63.8655724265611]
  深層研究エージェントの訓練には、探索、証拠収集、多段階推論をインターリーブする長い水平軌道が必要である。 既存のデータ収集パイプラインは、一般的にプロプライエタリなWeb APIに依存しており、大規模な軌道合成をコストが高く、不安定で、再現が難しい。 再生可能なパイプラインであるOpenResearcherは,複数ターン軌道合成から1回のコーパスブートストラップを分離する。
  論文  参考訳（メタデータ） (2026-03-17T20:10:12Z)
• Towards Hyper-Efficient RAG Systems in VecDBs: Distributed Parallel Multi-Resolution Vector Search [5.216774377033164]
  我々は,VecDBにおけるRAGのための新しい多分解能ベクトルインデックスフレームワークである textbfSemantic Pyramid Indexing (SPI) を提案する。 オフラインチューニングやモデルトレーニングの分離を必要とする既存の階層的手法とは異なり、SPIはドキュメントの埋め込みの上にセマンティックピラミッドを構築し、クエリ毎に最適な解像度レベルを動的に選択する。 FAISSとQdrantバックエンドのプラグインとしてSPIを実装し、MS MARCO、Natural Questions、マルチモーダル検索ベンチマークを含む複数のRAGタスクでSPIを評価する。
  論文  参考訳（メタデータ） (2025-11-12T09:31:08Z)
• Dr.LLM: Dynamic Layer Routing in LLMs [55.11953638340419]
  Dr.LLMは、事前訓練されたモデルに軽量な層ごとのルータを装備し、ブロックをスキップ、実行、繰り返すように決定する、適合性のあるフレームワークである。 ARC(logic)とDART(math)では、Dr.LLMは平均で5つのレイヤを保存しながら、最大3.4%の精度向上を実現している。
  論文  参考訳（メタデータ） (2025-10-14T17:51:26Z)
• HyperRouter: Towards Efficient Training and Inference of Sparse Mixture of Experts [34.08858035082419]
  この研究はHyperRoutを導入し、固定されたハイパーネットワークとトレーニング可能な埋め込みを通じてルータのパラメータを動的に生成する。 幅広いタスクにわたる実験は、HyperRoutの優れたパフォーマンスと効率性を示す。
  論文  参考訳（メタデータ） (2023-12-12T07:40:23Z)

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。