論文の概要: Feedback-Assisted Trust Propagation over Document Relation Graphs for Retrieval-Augmented Generation

• arxiv url: http://arxiv.org/abs/2609.00543v1
• Date: Tue, 01 Sep 2026 01:30:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-02 16:31:36.182747
• Title: Feedback-Assisted Trust Propagation over Document Relation Graphs for Retrieval-Augmented Generation
• Title（参考訳）: 検索型生成のための文書関係グラフに対するフィードバック支援トラスト伝搬
• Authors: Zhuoheng Li, Ying Chen,
• Abstract要約: 本稿では,TrustPropRAGを提案する。 TrustPropRAGは、ドキュメントの信頼性に対する人間からのフィードバックを限定して、この伝搬をアンロックする。 我々は,TrustPropRAGがベースラインよりも検索品質と正確なマッチングを向上し,疎度でノイズの多いフィードバックの下でも頑健であることを示す。
• 参考スコア（独自算出の注目度）: 4.167408391008487
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Retrieval-augmented generation (RAG) systems rely on external corpora that may contain outdated, contradictory, noisy, or unreliable documents, introducing reliability risks. Prior work has leveraged document relations to improve the answer reliability of RAG. To propagate reliability signals beyond directly compared document pairs, we propose TrustPropRAG, which structures document relations as a graph and estimates document reliability through multi-hop propagation across the graph. TrustPropRAG anchors this propagation with a limited set of human feedback on document reliability, extending these costly-to-collect feedback-based reliability signals across the whole corpus. Specifically, based on the constructed document relation graph, TrustPropRAG estimates a trust score for each document by formulating and solving an optimization problem that jointly captures pairwise document relations and user feedback. These scores are then used to improve the selection of reliable documents and support trust-aware answer generation. Evaluation results show that TrustPropRAG improves both retrieval quality and exact match over baselines, and remains robust under sparse and noisy feedback.
• Abstract（参考訳）: Retrieval-augmented Generation (RAG) システムは、古い、矛盾する、ノイズの多い、または信頼性の低いドキュメントを含む、外部コーパスに依存している。 それまでの作業は、RAGの回答信頼性を改善するためにドキュメント関係を活用してきた。 直接比較した文書対を超えて信頼性信号の伝搬を行うため,TrustPropRAGを提案する。 TrustPropRAGは、文書の信頼性に対する人間のフィードバックの限られたセットで、この伝搬をアンロックし、コーパス全体にわたって、これらのコストのかかるフィードバックベースの信頼性信号を拡張する。 具体的には、構築された文書関係グラフに基づいて、TrustPropRAGは、ペアワイドな文書関係とユーザフィードバックを共同でキャプチャする最適化問題を定式化し、解決することにより、各文書に対する信頼スコアを推定する。 これらのスコアは、信頼性の高いドキュメントの選択を改善し、信頼できる回答生成をサポートするために使用される。 評価の結果,TrustPropRAGはベースラインよりも検索品質と正確なマッチングを向上し,疎度でノイズの多いフィードバックの下でも頑健であることがわかった。

関連論文リスト

• Dual-Confidence Contrastive Decoding for Retrieval-Augmented Generation [18.633632165243423]
  多文書RAGにおけるコンテクスト内競合の相補的問題について検討した。 トレーニング不要な復号法としてDual-Confidence Contrastive Decoding (DCCD)を提案する。 DCCDは、フルコンテキストとコントラストデコードベースラインの間で最高の平均性能を達成する。
  論文  参考訳（メタデータ） (2026-07-01T07:55:21Z)
• TCHG: Tri-Trust Conditioned Heterogeneous Graph Learning for Reliable Dynamic Trust Prediction [5.435667023660699]
  グラフニューラルネットワークは、ネットワーク構造と複雑な信頼依存関係を学習する能力のため、信頼予測に対する顕著なアプローチになっている。 本稿では,信頼証拠を未分化な入力として扱うべきではないが,グラフ伝播に対する機能的制御因子として利用すべきである,と論じる。 提案するTHGは,信頼証拠を3つのチャネルに分解し,伝播における機能的役割を個別に割り当てる,信頼条件付き不均一グラフ学習フレームワークである。
  論文  参考訳（メタデータ） (2026-06-15T12:01:34Z)
• Quantifying Document Impact in RAG-LLMs [9.10734114158633]
  本稿では、検索した文書が生成した応答に与える影響を計測する部分情報分解に基づく新しい指標であるインフルエンススコア(IS)を紹介する。 まず、3つのデータセットにまたがる毒の攻撃シミュレーションでは、ISが悪意のある文書を86%のケースで最も影響力のある文書と正しく識別していることが示されている。 第2に、アブレーション研究では、上位文書のみを用いて生成された応答が、残りの文書から生成された応答よりも、元の応答と一貫して類似していることが示されている。
  論文  参考訳（メタデータ） (2025-10-27T00:47:13Z)
• ReliabilityRAG: Effective and Provably Robust Defense for RAG-based Web-Search [69.60882125603133]
  本稿では,検索した文書の信頼性情報を明確に活用する,敵対的堅牢性のためのフレームワークであるReliabilityRAGを提案する。 我々の研究は、RAGの回収されたコーパスの腐敗に対するより効果的で確実に堅牢な防御に向けた重要な一歩である。
  論文  参考訳（メタデータ） (2025-09-27T22:36:42Z)
• ClaimTrust: Propagation Trust Scoring for RAG Systems [7.7690689135107425]
  ClaimTrustは、RAGシステムにおける文書の信頼性を動的に評価する、伝搬ベースの信頼評価フレームワークである。 我々は、政治ニュース記事814件を前処理し分析し、2,173件のユニークなクレームを抽出し、965件の有意義な関係を分類する。 ClaimTrustは、信頼に値する記事と信頼できない記事とを効果的に区別し、コンバージェンスまで信頼スコアを反復的に更新する。
  論文  参考訳（メタデータ） (2025-03-12T07:52:24Z)
• TrustGuard: GNN-based Robust and Explainable Trust Evaluation with Dynamicity Support [59.41529066449414]
  本稿では,信頼度を考慮した信頼度評価モデルであるTrustGuardを提案する。 TrustGuardは、スナップショット入力層、空間集約層、時間集約層、予測層を含む階層アーキテクチャで設計されている。 実験により、TrustGuardは、シングルタイムスロットとマルチタイムスロットの信頼予測に関して、最先端のGNNベースの信頼評価モデルより優れていることが示された。
  論文  参考訳（メタデータ） (2023-06-23T07:39:12Z)
• REAM$\sharp$: An Enhancement Approach to Reference-based Evaluation Metrics for Open-domain Dialog Generation [63.46331073232526]
  オープンドメイン対話システムにおける参照ベースのEvAluation Metricsの拡張手法を提案する。 予測モデルは、与えられた基準セットの信頼性を推定するように設計されている。 本稿では,その予測結果が参照集合の増大にどのように役立つかを示し,測定値の信頼性を向上させる。
  論文  参考訳（メタデータ） (2021-05-30T10:04:13Z)

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。