論文の概要: HyperProve: Answer-Guided Hypergraph Expansion for Multi-Hop Question Answering

• arxiv url: http://arxiv.org/abs/2609.13768v1
• Date: Sat, 12 Sep 2026 07:22:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:05.545463
• Title: HyperProve: Answer-Guided Hypergraph Expansion for Multi-Hop Question Answering
• Title（参考訳）: HyperProve:マルチホップ質問回答のための回答ガイド付きハイパーグラフ拡張
• Abstract要約: マルチホップ質問応答は、検索が元の質問と分離された一致として証拠を扱い、しばしば失敗する。 本稿では,質問分解と回答条件付き拡張を結合することで,この問題に対処する検索強化QAフレームワークHyperProveを提案する。 マルチホップQAベンチマーク全体を通じて、HyperProveは評価において最高の全体的なパフォーマンスを実現しています。
• 参考スコア（独自算出の注目度）: 35.750237167857804
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multi-hop question answering often fails when retrieval treats evidence as isolated matches to the original question, since the facts needed to answer a complex question are usually connected through intermediate entities, relations, and constraints. We propose HyperProve, a retrieval-augmented QA framework that addresses this challenge by coupling question decomposition with answer-conditioned expansion over a hypergraph of atomic facts. HyperProve does not use atomic facts, hypergraphs, or iterative retrieval in isolation; instead, it carries intermediate answers and supporting hyperedges as retrieval state, then uses that state to bias the next local hypergraph expansion. This design enables HyperProve to construct coherent evidence chains for final answer generation while making the retrieval process stateful and fact-centered. Across multi-hop QA benchmarks, HyperProve achieves the best overall performance in our evaluation, outperforming the strongest baselines by an average relative improvement of 6.2% in answer accuracy and 4.9% in F1.
• Abstract（参考訳）: 複雑な質問に答えるために必要な事実は、通常、中間的な実体、関係、および制約によって接続されるため、検索が証拠を元の質問と分離された一致として扱うと、マルチホップの回答は失敗する。 我々は,この課題に対処する検索強化QAフレームワークHyperProveと,原子事実のハイパーグラフ上の解条件拡張とを結合して提案する。 HyperProveは、アトミックな事実、ハイパーグラフ、または反復的な検索を単独で使用するのではなく、中間回答を持ち、ハイパーエッジを検索状態としてサポートし、次に局所的なハイパーグラフ拡張をバイアスするためにその状態を使用する。 この設計により、HyperProveは、検索プロセスをステートフルかつ事実中心にしつつ、最終回答生成のための一貫性のあるエビデンスチェーンを構築することができる。 マルチホップQAベンチマーク全体を通じて、HyperProveは評価において最高の全体的なパフォーマンスを達成し、回答精度の6.2%とF1の4.9%の平均的な相対的な改善により、最強のベースラインを上回った。

関連論文リスト

• Ontology-Guided Evidence Path Inference for Multi-hop Knowledge Graph Question Answering [5.690260503175008]
  知識グラフ質問応答(KGQA)は、構造化事実を推論することで自然言語による質問に答えることを目的としている。 既存のマルチホップKGQA手法は主にトピック中心の拡張に依存しており、2つの重要な課題に直面している。 マルチホップKGQAのためのオントロジー誘導エビデンスパス推論フレームワークであるOPIを提案する。
  論文  参考訳（メタデータ） (2026-06-26T13:40:51Z)
• HyperRAG: Reasoning N-ary Facts over Hypergraphs for Retrieval Augmented Generation [22.189132611244105]
  HyperRAGは、n-aryハイパーグラフに適したRAGフレームワークである。 クエリ条件付きリレーショナルチェインを構築するため、n-ary事実に対する構造意味推論を学ぶ。 MRRでは平均2.95%、Hits@10では1.23%、全体の回答精度は最高である。
  論文  参考訳（メタデータ） (2026-02-16T05:15:55Z)
• PRISM: Agentic Retrieval with LLMs for Multi-Hop Question Answering [10.971852280240357]
  本稿では,大規模言語モデル(LLM)を構造化ループで活用し,高い精度で関連する証拠を検索するエージェント検索システムを提案する。 我々のフレームワークは3つの専門的なエージェントで構成されている: マルチホップ質問をサブクエストに分解する質問アナライザ、サブクエスト毎に最も関連性の高いコンテキストを特定するセレクタ、そして、欠けている証拠をもたらすアダである。
  論文  参考訳（メタデータ） (2025-10-16T04:02:29Z)
• Exploring Hybrid Question Answering via Program-based Prompting [48.87763687023632]
  不均一なデータに対する質問応答には、さまざまなデータソースに対する推論が必要である。 本稿では,ハイブリッド質問応答タスクのための新しいプログラムベースのプロンプトフレームワークであるHProProを提案する。
  論文  参考訳（メタデータ） (2024-02-16T16:35:41Z)
• Locate Then Ask: Interpretable Stepwise Reasoning for Multi-hop Question Answering [71.49131159045811]
  マルチホップ推論では、複雑な質問に答えるために複数の文書を集約する必要がある。 既存の方法は通常、マルチホップの質問を単純なシングルホップの質問に分解する。 そこで本研究では,単一ホップ支援文識別と単一ホップ質問生成の両方を組み込む,解釈可能な段階的推論フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-08-22T13:24:25Z)
• Modeling Multi-hop Question Answering as Single Sequence Prediction [88.72621430714985]
  本稿では,単純な生成手法(PathFid)を提案する。 PathFidは、マルチホップ質問に対する回答を解決するための推論プロセスを明示的にモデル化する。 実験の結果,PathFidは2つのマルチホップQAデータセットに対して高い性能向上をもたらすことが示された。
  論文  参考訳（メタデータ） (2022-05-18T21:57:59Z)
• Multi-hop Question Generation with Graph Convolutional Network [58.31752179830959]
  マルチホップ質問生成(Multi-hop Question Generation, QG)は,異なる段落から散在する複数の証拠を集約・推論することで,回答に関連する質問を生成することを目的とする。 複数のホップでコンテキストエンコーディングを行うMulQG(Multi-Hop volution Fusion Network for Question Generation)を提案する。 提案モデルでは,高い完全性を有する流動的な質問を生成することができ,マルチホップ評価において,最強のベースラインを20.8%向上させることができる。
  論文  参考訳（メタデータ） (2020-10-19T06:15:36Z)
• Answering Any-hop Open-domain Questions with Iterative Document Reranking [62.76025579681472]
  オープンドメインの問に答える統合QAフレームワークを提案する。 提案手法は,シングルホップおよびマルチホップのオープンドメインQAデータセットにおいて,最先端技術に匹敵する性能を継続的に達成する。
  論文  参考訳（メタデータ） (2020-09-16T04:31:38Z)

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。