Fugu-MT 論文翻訳(概要): Building Trustworthy Graph-Agentic RAG for Social Good: Architectures, Failure Propagation, and Assurance by Construction

論文の概要: Building Trustworthy Graph-Agentic RAG for Social Good: Architectures, Failure Propagation, and Assurance by Construction

arxiv url: http://arxiv.org/abs/2609.06391v1
Date: Sun, 06 Sep 2026 05:04:06 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-10 19:44:08.245132
Title: Building Trustworthy Graph-Agentic RAG for Social Good: Architectures, Failure Propagation, and Assurance by Construction
Title（参考訳）: ソーシャルグッズのための信頼できるグラフ・アジェンティックRAGの構築:アーキテクチャ、失敗の伝播、建設による保証
Abstract要約: グラフ関連検索拡張生成では、構造化されたエビデンスと適応的なコントローラを組み合わせることで、検索の計画、トラバース関係、中間クレームの検証、サブタスクの委譲、ツールの使用が可能になる。そこで我々は,新鮮さ,承認,トレーサビリティ,監視,関連事項を回答の質とともに考慮し,社会的良質な設定のために,そのようなシステムをいかに設計し,評価するかを検討する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Graph-agentic retrieval-augmented generation combines structured evidence with adaptive controllers that can plan retrieval, traverse relations, verify intermediate claims, delegate subtasks, and use tools. This combination is useful when answers depend on relations across documents, entities, time, or institutions, but it also creates coupled failure paths: a defect in graph construction can become retrieved evidence, alter later control decisions, and propagate toward a consequential outcome. We examine how such systems should be designed and evaluated for social-good settings in which freshness, authorization, traceability, oversight, and recourse matter alongside answer quality. We organize the literature by graph substrate, graph lifecycle, agent function, coordination pattern, and authority boundary, and distinguish graph-based retrieval from observation-dependent graph control. We then synthesize reported risks as an evidence-to-action failure chain and propose an assurance-by-construction blueprint comprising five interface contracts for evidence, retrieval, reasoning, capability and delegation, and outcome. These contracts make provenance, temporal validity, authorization, uncertainty, and recoverability explicit at system boundaries. An illustrative public-benefit information design shows how the framework constrains graph structure, permissions, abstention, and operating authority. Finally, we derive an evaluation agenda spanning graph assertions, trajectories, claims, coordination, and outcomes.
Abstract（参考訳）: グラフ関連検索拡張生成では、構造化されたエビデンスと適応的なコントローラを組み合わせることで、検索の計画、トラバース関係、中間クレームの検証、サブタスクの委譲、ツールの使用が可能になる。この組み合わせは、回答がドキュメント、エンティティ、時間、機関間の関係に依存する場合に役立つが、同時に障害経路を生成する。そこで我々は,新鮮さ,承認,トレーサビリティ,監視,関連事項を回答の質とともに考慮し,社会的良質な設定のために,そのようなシステムをいかに設計し,評価するかを検討する。本稿では,グラフ基板,グラフライフサイクル,エージェント関数,コーディネーションパターン,オーソリティ境界による文献の整理を行い,グラフベース検索を観察依存グラフ制御と区別する。次に、報告されたリスクをエビデンス・ツー・アクションの失敗連鎖として合成し、エビデンス、検索、推論、能力、デリゲート、結果の5つのインターフェース契約からなる保証・バイ・コンストラクション・ブループリントを提案する。これらの契約は、システムの境界において証明、時間的妥当性、認可、不確実性、および回復可能性を明確にする。実証的な公開利益情報設計は、フレームワークがグラフ構造、許可、棄権、運用権限をいかに制約するかを示している。最後に、グラフアサーション、トラジェクトリ、クレーム、コーディネーション、結果にまたがる評価アジェンダを導出する。

関連論文リスト

Inference-Time Graph Engineering for Multi-Agent LLM Workflows [51.56038180639833]
ReActNetは、クエリとロール特化エージェントのセットを一連の有向通信グラフにコンパイルする、トレーニング不要のフレームワークである。 ReActNetは、競争的推論コストを維持しつつ、固定トポロジと学習トポロジのベースラインを一貫して改善することを示す。
論文参考訳（メタデータ） (2026-09-04T23:32:11Z)
EviGraph: Towards Verifiable Evidence Construction for Information-Seeking Agents [0.28675177318965045]
本稿では,証拠記録から検索実行を分離するディープ検索フレームワークであるEviGraphを紹介する。結果として得られるグラフは、永続的なワーキングメモリと、密集したプロセス報酬の源として機能する。 BrowseComp-Plusでは、Qwen3-8B EviGraphエージェントが一致した相互作用予算の下で35.9%の精度を達成する。
論文参考訳（メタデータ） (2026-08-25T15:06:54Z)
Terminal Agents: A Survey of AI Agents in Command-Line Environments [102.48222742145474]
大規模言語モデルエージェントは、ターミナルを通してますます行動するが、既存の調査は、ソフトウェア工学、ツールの使用、コンピュータ利用の研究にまたがって端末による振る舞いを分散させている。我々は,端末エージェントを,端末コマンドの実行,テキストフィードバック,ステートフルな環境相互作用を介し,進行を伴う動作を主とするシステムとみなす。我々の合成は、実現された行動はモデル、インターフェース、ハーネス、ランタイム、環境によって共同で形成されていることを示している。
論文参考訳（メタデータ） (2026-08-20T18:16:44Z)
Elimination Geometry [2.7823528791601686]
Monographは、幾何学、最適化、情報理論、統計学、機械学習などのツールを、統合性、表現の許容性、リソースの制約、観察上の重複、一般的なデプロイのためのインターフェースに合成する。応用例としては、スパースモデル選択、分布のない予測、観察的処理ポリシー、ルーティングされたエキスパートと検索システム、学習されたスコアフィールドなどがある。
論文参考訳（メタデータ） (2026-08-18T11:03:57Z)
Engineering Reliable Coding Agents: Evaluating and Operating the System Around the Model [0.0]
164の学術作品、100の実践記録、29のベンチマーク記録、17の著者・システム・ケース・レコードを合成する。構造化されたマルチボーカルレビュー、ターゲットとする更新監査、ソフトウェアエンジニアリングカバレッジ分析、分散システムエビデンス合成として書かれた。本は、深さ56の信頼性記録と13のリサーチリードを含む、バージョン管理された206の信頼性記録を寄稿している。
論文参考訳（メタデータ） (2026-08-14T01:34:25Z)
VeriGraph: Towards Verifiable Data-Analytic Agents [71.17693022916896]
LLMをベースとしたエージェントは、データ集約分析タスクにおいて強力な能力を示してきたが、その出力は滅多に検証されていない。 We propose VeriGraph, a traceable neuro-symbolic reasoning framework that agent can construct an explicit heterogeneous evidence directed acyclic graph。以上の結果から,明示的なエビデンスグラフ構築がデータ分析エージェントの検証に期待できる道のりであることが示唆された。
論文参考訳（メタデータ） (2026-06-15T11:50:56Z)
Why Retrieval-Augmented Generation Fails: A Graph Perspective [40.34482080762174]
本稿では,検索された証拠が回答生成にどのように影響するかを検証した検索強化生成のモデル内研究について述べる。属性-グラフトポロジ機能を用いたグラフベースの誤り検出フレームワークを開発した。
論文参考訳（メタデータ） (2026-05-13T23:18:07Z)
GraphReAct: Reasoning and Acting for Multi-step Graph Inference [49.26607058250454]
GraphReActは、グラフ構造化データに対するステップバイステップの推論を可能にするグラフ推論実行フレームワークである。検索と精細化の両方で推論をインターリーブすることで、我々のフレームワークは文脈拡張から圧縮への進歩的な移行を可能にします。
論文参考訳（メタデータ） (2026-05-08T07:09:42Z)
Reasoning Graphs: Self-Improving, Deterministic RAG through Evidence-Centric Feedback [0.0]
言語モデルエージェントは、クエリ毎にスクラッチから推論し、各実行後に思考の連鎖を破棄する。このグラフ構造は,エビデンス・チェーンを,評価項目に関連付けられた構造化されたエッジとみなす。逐次クラスタプロトコル,高再利用デプロイメントシミュレーション,決定論的実験を用いて,MuSiQueとHotpotQAの評価を行った。
論文参考訳（メタデータ） (2026-04-08T20:57:21Z)
Respecting Temporal-Causal Consistency: Entity-Event Knowledge Graphs for Retrieval-Augmented Generation [69.45495166424642]
我々は,物語文書における時間的,因果的,文字的整合性を理解するために,頑健で差別的なQAベンチマークを開発する。次に、バイナリマッピングでリンクされたエンティティとイベントのサブグラフを分離したまま保持するデュアルグラフフレームワークであるEntity-Event RAG(E2RAG)を紹介します。 ChronoQA全体で、我々のアプローチは最先端の非構造化およびKGベースのRAGベースラインよりも優れており、因果一貫性クエリや文字整合性クエリが顕著である。
論文参考訳（メタデータ） (2025-06-06T10:07:21Z)
ExplaGraphs: An Explanation Graph Generation Task for Structured Commonsense Reasoning [65.15423587105472]
スタンス予測のための説明グラフ生成の新しい生成および構造化コモンセンスリゾニングタスク(および関連するデータセット)を紹介します。具体的には、信念と議論が与えられた場合、モデルは、議論が信念を支持しているかどうかを予測し、予測されたスタンスに対する非自明で完全で曖昧な説明として機能する常識強化グラフを生成する必要がある。グラフの83%は、様々な構造と推論深度を持つ外部のコモンセンスノードを含んでいる。
論文参考訳（メタデータ） (2021-04-15T17:51:36Z)

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。