論文の概要: CHSR-RRF: A curriculum-gated hybrid retrieval framework with reciprocal rank fusion and leakage-aware benchmarking for educational RAG

• arxiv url: http://arxiv.org/abs/2609.02913v1
• Date: Tue, 14 Jul 2026 04:50:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.45616
• Title: CHSR-RRF: A curriculum-gated hybrid retrieval framework with reciprocal rank fusion and leakage-aware benchmarking for educational RAG
• Title（参考訳）: CHSR-RRF:RAGのための相互階級統合とリークアウェアベンチマークを用いたカリキュラム付きハイブリッド検索フレームワーク
• Abstract要約: 学校設定では、間違った主題、レベル、または検査の文脈から来た場合、パスは関係するが不適切である。 本稿では,メタデータの制約を適用したカリキュラム付きハイブリッド検索フレームワークCHSR-RRFについて述べる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Retrieval-augmented generation (RAG) is increasingly used in educational question answering, but standard retrievers optimize topical relevance without enforcing curriculum validity. In school settings, a passage can be relevant yet inappropriate if it comes from the wrong subject, level, or examination context; we call this failure mode curriculum leakage. We present CHSR-RRF, a curriculum-gated hybrid retrieval framework that applies metadata constraints before retrieval, then combines sparse and dense search with reciprocal rank fusion and deterministic reranking. We also introduce CERB, a 126-case benchmark for curriculum-constrained retrieval with hierarchy-aware relevance labels and explicit leakage annotations. On a 61-case pilot, pre-retrieval gating reduces leakage by 4.6x ($p<0.001$) while preserving ranked recall, whereas applying the same constraints after retrieval collapses recall and exact-scope success to zero ($p=0.039$). A full-benchmark lower-bound analysis further shows that many remaining failures arise from corpus and metadata gaps rather than retrieval design alone. These results show that retrieval in structured educational domains should be treated as constrained selection, with validity enforced when the candidate pool is formed rather than after ranking.
• Abstract（参考訳）: Retrieval-augmented Generation (RAG) は、教育的質問応答においてますます使われているが、標準検索者は、カリキュラムの妥当性を強制することなく、トピックの関連性を最適化する。 学校設定では、間違った科目、レベル、または検査コンテキストから来た場合、パスは適切でないが、この障害モードカリキュラムリークと呼ぶ。 本稿では,メタデータの制約を適用したカリキュラム付きハイブリッド検索フレームワークCHSR-RRFについて述べる。 また、CERBはカリキュラム制約付き検索のための126ケースのベンチマークであり、階層型関連ラベルと明示的なリークアノテーションを備えている。 61ケースのパイロットでは、検索前のゲーティングはリコールのランクを保ちながら4.6倍(p<0.001$)のリークを減らし、リコール後に同じ制約を適用してリコールと正確なスコープの成功をゼロ(p=0.039$)にする。 フルベンチマークの低バウンド解析により、検索設計のみでなく、コーパスやメタデータのギャップから残る多くの障害が生じることが示された。 これらの結果から、構造化された教育領域における検索は、ランク付け後にではなく、候補プールが形成される場合に有効であるように、制約された選択として扱われるべきであることが示唆された。

関連論文リスト

• Pre-retrieval Query Clustering for Adaptive Top-k Document Retrieval in RAG Systems [7.440012812118169]
  RAGシステムは通常、固定数の文書を基底生成に検索する。 単純なクエリは過剰検索(ノイズとコストを追加する)に悩まされ、複雑なクエリは未検索である。 本稿では,クエリ適応検索のための実用的,汎用的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-09-11T19:57:12Z)
• From Association to Causation: Improving Retrieval Precision of Retrieval-Augmented Generation via Causal Relations and an Attention Mechanism [23.0538048682894]
  我々は,ライヒェンバッハの共通原因原理に基づく因果グラフを用いて,終端検索段階をモデル化する。 検索された文書はコライダー(A−>d−B)であるため、検索自体がクエリとBの関連経路を開く。 知識内容内の因果関係をモデル化する因果関係強化RAG変種とは異なり、我々のグラフは検索プロセス自体の因果構造をモデル化する。
  論文  参考訳（メタデータ） (2026-08-22T00:31:06Z)
• When Should Queries Be Decomposed? A Stage-Aware Study of Query Decomposition for Multi-Condition Retrieval [7.14438992840294]
  マルチ条件検索には、複数の制約を満たす文書を識別するシステムが必要である。 クエリ分解は直感的な治療法として広く採用されているが、検索パイプラインの段階によってその有効性は未解明のままである。 本稿では,グローバルなセマンティックコンテキストを保存するために,初期検索時にモノリシックなクエリを保持するための,ルール付きStage-Aware Decompositionフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-07T11:13:15Z)
• QUBRIC: Co-Designing Queries and Rubrics for RL Beyond Verifiable Rewards [68.15832368034815]
  クエリとルーブリックを共同設計するフレームワークを提案する。 QUBRICはSFTベースラインよりもアリーナハードで+5.5ポイントのゲインを達成している。
  論文  参考訳（メタデータ） (2026-06-02T17:53:04Z)
• Cycle-Consistent Search: Question Reconstructability as a Proxy Reward for Search Agent Training [80.20022221643414]
  Cycle-Consistent Searchは、検索エージェントを訓練するための金色のスーパービジョンのないフレームワークである。 CCSは教師付きベースラインに匹敵する性能を示す。 これらの結果から,CCSは金の監督が不可能な環境で検索エージェントを訓練するためのスケーラブルな訓練パラダイムを提供する可能性が示唆された。
  論文  参考訳（メタデータ） (2026-04-14T17:00:18Z)
• Maximally-Informative Retrieval for State Space Model Generation [59.954191072042526]
  テスト時に特定のクエリに対するモデル不確実性を最小化するために、Retrieval In-Context Optimization (RICO)を導入する。 文書検索に外部に依存した従来の検索強化生成(RAG)とは異なり,本手法はモデルから直接のフィードバックを利用する。 モデル勾配を用いた標準のトップ$kの検索は、最適化手順を近似し、残余損失への接続を提供することを示す。
  論文  参考訳（メタデータ） (2025-06-13T18:08:54Z)
• Gumbel Reranking: Differentiable End-to-End Reranker Optimization [61.16471123356738]
  RAGシステムは関連する文書を識別するためにリランカーに依存している。 注釈付きクエリ-ドキュメントペアが不足しているため、これらのモデルの微調整は依然として難しい。 我々は,トレーニングと推論のギャップを最小限に抑えることを目的とした,リランカーのためのエンドツーエンドのトレーニングフレームワークであるGumbel Re rankを提案する。
  論文  参考訳（メタデータ） (2025-02-16T13:23:39Z)
• GAR-meets-RAG Paradigm for Zero-Shot Information Retrieval [16.369071865207808]
  本稿では,既存のパラダイムの課題を克服する新しいGAR-meets-RAG再帰の定式化を提案する。 鍵となる設計原則は、リライト・検索段階がシステムのリコールを改善し、最終段階が精度を向上させることである。 我々の手法はBEIRベンチマークで新たな最先端性を確立し、8つのデータセットのうち6つでRecall@100とnDCG@10の指標で過去の最高の結果を上回った。
  論文  参考訳（メタデータ） (2023-10-31T03:52:08Z)
• Does Recommend-Revise Produce Reliable Annotations? An Analysis on Missing Instances in DocRED [60.39125850987604]
  テキスト修正方式は, 偽陰性サンプルと, 人気エンティティや関係性に対する明らかな偏見をもたらすことを示す。 より信頼性の高いドキュメントREモデルのテストセットとして機能するように、relabeledデータセットがリリースされている。
  論文  参考訳（メタデータ） (2022-04-17T11:29:01Z)

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。