論文の概要: Guaranteeing Faithful Evidence Extraction in Speculative Retrieval-Augmented Generation

• arxiv url: http://arxiv.org/abs/2609.10046v2
• Date: Fri, 11 Sep 2026 14:57:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-15 07:38:31.460262
• Title: Guaranteeing Faithful Evidence Extraction in Speculative Retrieval-Augmented Generation
• Title（参考訳）: 投機的検索拡張生成における忠実な証拠抽出の保証
• Authors: Quentin Signé, Mohand Boughanem, Jose Moreno, Thiziri Belkacem,
• Abstract要約: 本稿では、投機的RAGのための新しい忠実度第一パラダイムである制約付きハイブリッドデコーディング(CHyD)を紹介する。 提案手法は,検索した文書中の連続スパンの生成を制限するハードデコード制約を強制する。 以上の結果から,既存のハイブリッド手法では抽出精度が技術領域で40%以下に低下する傾向がみられた。
• 参考スコア（独自算出の注目度）: 1.002229589104305
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large Language Models (LLMs) are increasingly used as interfaces for information retrieval, but they remain prone to hallucinations and faithfulness errors, in which the generated answers diverge from the retrieved evidence. While Retrieval-Augmented Generation (RAG) and recent hybrid or semi-extractive approaches mitigate this issue, they do not guarantee that quoted or extracted spans are verbatim from the retrieved context. This limitation can have severe consequences in safety-critical domains, where answers must exactly match certified documentation. We introduce Constrained Hybrid Decoding (CHyD), a novel faithfulness-first paradigm for speculative RAG. While traditional speculative decoding is optimized for inference speed, CHyD repurposes this architecture to ensure faithful verbatim evidence extraction when the extraction mode is correctly triggered. Our approach enforces hard decoding constraints that restrict generation to continuous spans present in the retrieved documents. This design provides a robust but straightforward guarantee: any explicitly quoted span in the output appears verbatim in the provided context. We evaluate our method across state-of-the-art LLMs on diverse abstractive, extractive, and semi-extractive QA benchmarks, including technical datasets motivated by aircraft maintenance. Results show that existing hybrid methods frequently hallucinate quoted spans, with exact extraction accuracy dropping below 40% in technical domains. In contrast, our approach achieves near-perfect extraction faithfulness regardless of the model used. Although enforcing hard constraints introduces a trade-off with fluency-oriented metrics, our method improves exact answer correctness and remains competitive overall, highlighting its suitability for safety-critical information retrieval applications.
• Abstract（参考訳）: 大規模言語モデル (LLMs) は情報検索のインタフェースとしてますます使われているが、その答えが得られた証拠から分岐する幻覚や忠実さの誤りが相次いだままである。 Retrieval-Augmented Generation (RAG) と最近のハイブリッドまたは半抽出アプローチはこの問題を軽減するが、抽出されたスパンが検索された文脈から冗長であることを保証するものではない。 この制限は安全クリティカルな領域で深刻な結果をもたらす可能性がある。 本稿では、投機的RAGのための新しい忠実度第一パラダイムである制約付きハイブリッドデコーディング(CHyD)を紹介する。 従来の投機的復号法は推論速度に最適化されているが、CHYDはこのアーキテクチャを再利用し、抽出モードが正しく起動されたときに、忠実な動詞のエビデンス抽出を保証する。 提案手法は,検索した文書中の連続スパンの生成を制限するハードデコード制約を強制する。 出力で明示的に引用されたスパンは、提供されたコンテキストで冗長に表示される。 我々は,航空機の保守を動機とした技術データセットを含む,多種多様な抽象的,抽出的,半抽出的QAベンチマークに基づいて,最先端のLCMの手法を評価する。 以上の結果から,既存のハイブリッド手法では抽出精度が技術領域で40%以下に低下する傾向がみられた。 対照的に,本手法は,使用するモデルによらず,ほぼ完全な抽出忠実性を実現する。 厳密な制約を課すことは、流派指向のメトリクスとのトレードオフをもたらすが、我々の手法は正確な回答の正しさを改善し、全体的な競争力を保ち、安全クリティカルな情報検索アプリケーションに適していることを強調している。

関連論文リスト

• UniNDM: A Unified Noise-driven Detection and Mitigation Framework Against Sexual Content in Text-to-Image Generation [90.0896070825457]
  本稿では,拡散過程におけるノイズダイナミクスのレンズを通して,安全機構を再考する統合ノイズ駆動フレームワークを提案する。 我々の重要な洞察は、早期の予測ノイズは、正常な内容と性的な内容の間に固有の分離性を示すことである。 我々は,計算オーバーヘッドがほとんどなく,精度の高い軽量ノイズベース検出器を開発した。
  論文  参考訳（メタデータ） (2026-07-18T14:03:39Z)
• Latent Abstraction for Retrieval-Augmented Generation [4.6096940605642915]
  既存のシステムは各ホップで自然言語クエリを生成することに依存している。 我々は,単一のLLMが符号化,検索,生成を同時に行う統一的なフレームワークである textbfLAnR (Latent Abstraction for RAG) を提案する。
  論文  参考訳（メタデータ） (2026-04-20T06:26:13Z)
• DiffuGR: Generative Document Retrieval with Diffusion Language Models [80.78126312115087]
  本稿ではDiffuGRと呼ばれる拡散言語モデルを用いた生成文書検索を提案する。 推論のために、DiffuGRはDocIDトークンを並列に生成し、制御可能な多数のデノナイジングステップを通じてそれを洗練しようと試みている。 従来の左から右への自動回帰デコーディングとは対照的に、DiffuGRはより信頼性の高いDocIDトークンを生成するための新しいメカニズムを提供する。
  論文  参考訳（メタデータ） (2025-11-11T12:00:09Z)
• Faithfulness-Aware Uncertainty Quantification for Fact-Checking the Output of Retrieval Augmented Generation [108.13261761812517]
  本稿では,RAG出力における幻覚検出の新しい手法であるFRANQ(Fithfulness-based Retrieval Augmented Uncertainty Quantification)を紹介する。 本稿では,事実性と忠実性の両方に注釈を付したQAデータセットを提案する。
  論文  参考訳（メタデータ） (2025-05-27T11:56:59Z)
• Cognitive-Aligned Document Selection for Retrieval-augmented Generation [2.9060210098040855]
  本稿では,クエリを動的に更新し,高品質で信頼性の高い検索文書をフィルタリングするGGatrievalを提案する。 ユーザクエリを構文コンポーネントにパースし、検索したドキュメントときめ細かいグラウンドアライメントを実行する。 提案手法では,検索した文書をフィルタリングするための新しい基準を導入し,ターゲット情報を取得するための人的戦略を密にエミュレートする。
  論文  参考訳（メタデータ） (2025-02-17T13:00:15Z)
• RetroLLM: Empowering Large Language Models to Retrieve Fine-grained Evidence within Generation [21.764973680014368]
  RetroLLMは、検索と生成を単一の凝集プロセスに統合する統合フレームワークである。 制約付きエビデンス生成の過程での偽プルーニングを軽減するために,階層的FM-Index制約を導入する。 5つのオープンドメインQAデータセットの実験では、ドメイン内タスクとドメイン外タスクの両方にわたって、RetroLLMの優れたパフォーマンスが示されている。
  論文  参考訳（メタデータ） (2024-12-16T16:03:25Z)
• Towards General Visual-Linguistic Face Forgery Detection [95.73987327101143]
  ディープフェイクは現実的な顔操作であり、セキュリティ、プライバシー、信頼に深刻な脅威をもたらす可能性がある。 既存の方法は、このタスクを、デジタルラベルまたはマスク信号を使用して検出モデルをトレーニングするバイナリ分類として扱う。 本稿では, 微粒な文レベルのプロンプトをアノテーションとして用いた, VLFFD (Visual-Linguistic Face Forgery Detection) という新しいパラダイムを提案する。
  論文  参考訳（メタデータ） (2023-07-31T10:22:33Z)
• Generation-Augmented Retrieval for Open-domain Question Answering [134.27768711201202]
  GAR(Generation-Augmented Retrieval)は、オープンドメインの質問に答える機能である。 クエリーに対して多様なコンテキストを生成することは、結果の融合が常により良い検索精度をもたらすので有益であることを示す。 GARは、抽出読取装置を備えた場合、抽出QA設定の下で、自然質問およびトリビアQAデータセットの最先端性能を達成する。
  論文  参考訳（メタデータ） (2020-09-17T23:08:01Z)

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。