論文の概要: Beyond the Query: Do Retrieval Signals Improve Adaptive Multimodal RAG Routing?

• arxiv url: http://arxiv.org/abs/2609.12437v1
• Date: Fri, 11 Sep 2026 04:57:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-15 07:38:31.625239
• Title: Beyond the Query: Do Retrieval Signals Improve Adaptive Multimodal RAG Routing?
• Title（参考訳）: クエリを超えて: Retrieval Signalsは適応型マルチモーダルRAGルーティングを改善するか?
• Abstract要約: 検索状態の機能は、一致したクエリのみの制御よりも改善されない限り、ルーティング値としてクレジットされてはならない。 その結果,ルーティングや検索状態は一般に役に立たないことが示され,検索信号の漸進的な値が示されなければならないことがわかった。
• 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: Adaptive RAG often uses retrieval-time signals to decide whether another retrieval, reranking, or multimodal step should run. We ask whether these signals add routing value once the query itself is already known. Across document, audio, and video RAG, we compare matched query-only and query+retrieval routers while holding the optional actions, router family, training procedure, and evaluation fixed. On the held-out final evaluation, adding the tested retrieval signals does not produce a reliable routing improvement over the query-only baseline. Some retrieval signals are associated with whether a later step will help, but that predictability does not consistently lead to bet- ter RUN/SKIP decisions. The main lesson is therefore methodological: retrieval-state features should not be credited with routing value unless they improve over a matched query-only control. Our results do not show that routing or retrieval state is generally useless; they show that the incremental value of retrieval signals must be demonstrated rather than assumed.
• Abstract（参考訳）: Adaptive RAGは、検索時間信号を使用して、別の検索、再ランク付け、マルチモーダルステップを実行するかどうかを決定する。 これらのシグナルが、クエリ自体がすでに分かっているときにルーティング値を追加するかどうかを問う。 文書,オーディオ,ビデオRAG全体で,オプションアクション,ルータファミリー,トレーニング手順,評価修正を保ちながら,マッチしたクエリ専用ルータとクエリ+検索可能なルータを比較した。 最終的な評価では、テストされた検索信号を追加することで、クエリのみのベースラインに対する信頼性の高いルーティングの改善が得られない。 一部の検索信号は、後続のステップが役立つかどうかに関連付けられているが、その予測可能性は常にRUN/SKIP決定の賭けにつながるわけではない。 検索状態の機能は、一致したクエリのみの制御よりも改善されない限り、ルーティング値でクレジットされてはならない。 結果から,ルーティングや検索状態は一般的には役に立たないことを示し,検索信号の漸進的な値を仮定するよりも,示さなければならないことを示す。

関連論文リスト

• ORDER: Task-Conditioned Routing for Retrieval-Augmented Generation [3.6028767235872965]
  本稿では,クエリにインデックス付けと検索を併用する問合せ条件付きRAGフレームワークを提案する。 我々は,大規模かつ異種な歴史的アーカイブの枠組みを評価し,クエリのインデックス付けと検索の条件付けが,根本的ベースラインと最先端RAGシステムの両方を一貫して上回っていることを示す。
  論文  参考訳（メタデータ） (2026-09-15T11:23:16Z)
• RetrievalRouter: Joint Modality and Architecture Selection for Document Retrieval [3.797359376885946]
  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。
  論文  参考訳（メタデータ） (2026-08-26T10:50:28Z)
• R$^3$AG: Retriever Routing for Retrieval-Augmented Generation [59.47703698994575]
  R$3$AGは、検索機能を2つの学習可能なディメンション、すなわち検索品質と生成ユーティリティに分解する。 R$3$AGは、最高の個々のレトリバーと最先端の静的ルーティングメソッドの両方を一貫して上回っている。
  論文  参考訳（メタデータ） (2026-04-22T06:51:20Z)
• Stop-RAG: Value-Based Retrieval Control for Iterative RAG [10.378290102256534]
  反復検索拡張生成(RAG)は、大規模な言語モデルで複雑なマルチホップ質問に答えることができる。 既存のメソッドは、所定の回数のイテレーションを使用するか、あるいは、より多くの検索が実際に役立つかどうかを反映しない信頼性プロキシに依存している。 そこで我々は,いつ検索を中止するかを適応的に決定する値ベースのコントローラであるStop-RAGを紹介した。
  論文  参考訳（メタデータ） (2025-10-16T06:17:38Z)
• Evaluating Retrieval-Augmented Generation Systems on Unanswerable, Uncheatable, Realistic, Multi-hop Queries [53.99620546358492]
  実世界のユースケースでは、複雑なクエリを持つRAGシステムが存在し、関連する情報がコーパスから欠落したり、不完全であったりすることが多い。 既存のRAGベンチマークは、マルチホップやスコープ外の質問に対して、現実的なタスクの複雑さを反映することはめったにない。 un$underlinec$heatable, $underliner$ealistic, $underlineu$nanswerable, $underlinem$ulti-hopの自動生成のための最初のパイプラインを提示する。
  論文  参考訳（メタデータ） (2025-10-13T21:38:04Z)
• LTRR: Learning To Rank Retrievers for LLMs [53.285436927963865]
  ルーティングベースのRAGシステムは、単一リトリバーベースのシステムよりも優れていることを示す。 パフォーマンス向上は、特にAnswer Correctness(AC)メトリックでトレーニングされたモデルで顕著である。 SIGIR 2025 LiveRAG チャレンジの一環として,提案システムを用いて提案手法の有効性を実証した。
  論文  参考訳（メタデータ） (2025-06-16T17:53:18Z)
• Efficient Federated Search for Retrieval-Augmented Generation [5.455019218544053]
  大規模言語モデル(LLM)は、様々な領域で顕著な能力を示してきたが、幻覚や矛盾の影響を受けやすいままである。 Retrieval-augmented Generation (RAG) は、これらの問題を、外部の知識ソースに応答を基盤として緩和する。 フェデレートされたRAG検索のための新しいメカニズムであるRAGRouteを紹介する。
  論文  参考訳（メタデータ） (2025-02-26T16:36:24Z)
• ReFIT: Relevance Feedback from a Reranker during Inference [109.33278799999582]
  Retrieve-and-Rerankは、ニューラル情報検索の一般的なフレームワークである。 本稿では,リランカを利用してリコールを改善する手法を提案する。
  論文  参考訳（メタデータ） (2023-05-19T15:30:33Z)
• Optimizing Test-Time Query Representations for Dense Retrieval [34.61821330771046]
  TOURは、テスト時間検索の結果によってガイドされるクエリ表現を改善する。 我々は、クロスエンコーダのリランカを利用して、検索結果よりもきめ細かい擬似ラベルを提供する。 TOURは1.3-2.4倍高速で実行しながら、常に最大2.0%のダイレクトリランクを改善する。
  論文  参考訳（メタデータ） (2022-05-25T11:39:42Z)
• Session-Aware Query Auto-completion using Extreme Multi-label Ranking [61.753713147852125]
  本稿では,セッション対応クエリ自動補完の新たな手法を,XMR(Multi Multi-Xtreme Ranking)問題として取り上げる。 アルゴリズムのキーステップにいくつかの修正を提案することにより、この目的のために一般的なXMRアルゴリズムを適応させる。 当社のアプローチは、セッション情報を活用しながら、自動補完システムの厳しいレイテンシ要件を満たします。
  論文  参考訳（メタデータ） (2020-12-09T17:56:22Z)
• Query Resolution for Conversational Search with Limited Supervision [63.131221660019776]
  本稿では,双方向トランスフォーマに基づくニューラルクエリ解決モデルQuReTeCを提案する。 我々はQuReTeCが最先端モデルより優れており、また、QuReTeCのトレーニングに必要な人為的なデータ量を大幅に削減するために、我々の遠隔監視手法が有効であることを示す。
  論文  参考訳（メタデータ） (2020-05-24T11:37:22Z)

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。