論文の概要: The Attribution-Compression Frontier in Retrieval-Augmented Generation
- arxiv url: http://arxiv.org/abs/2609.14245v1
- Date: Sun, 13 Sep 2026 02:49:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 07:15:05.76985
- Title: The Attribution-Compression Frontier in Retrieval-Augmented Generation
- Title（参考訳）: 検索型世代における属性圧縮フロンティア
- Abstract要約: 圧縮方法と予算にまたがる励振特性を計測する。
ASQAでは、名目0.25の予算(圧縮0.08)で、RECOMPスタイルの圧縮機の引用はサマリーに対して0.86の精度で、ソーススパンに対して0.12の精度で評価される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Context compression reduces generator input in retrieval-augmented generation, but answer quality alone does not characterize citation attribution. We measure citation attribution across compression methods and budgets, comparing reranking, extractive selection, abstractive summarization, token pruning, and an extract-cluster-rewrite construction on ASQA and QASPER under a fixed generator and primary entailment evaluator. On ASQA at a nominal 0.25 budget (achieved compression 0.08), a RECOMP-style compressor's citations score 0.86 precision against its summaries but 0.12 against source spans under our re-attributability protocol. These estimates depend on a shared NLI model for span recovery and citation scoring and lack independent human calibration. Extractive selection's observed grounded precision ranges from 0.43 to 0.49 across nominal budgets from one-half to one-tenth of the ASQA context, while answer quality declines. For the same RECOMP setting, claim verification after source recovery yields an unsupported rate of 0.88 versus 0.17 when checking summaries. This gap persists beyond structural rejection of missing provenance, but remains evaluator-dependent. A 200-question TRUE T5-XXL audit also finds emitted--grounded gaps under both fixed and recomputed source mappings, without establishing human-calibrated support rates.
- Abstract（参考訳）: コンテキスト圧縮は、検索拡張生成におけるジェネレータ入力を減らすが、応答品質だけでは、引用属性を特徴づけない。
提案手法は, 圧縮法と予算間の励振特性を測定し, 抽出選択, 抽象的要約, トークンプルーニング, ASQA と QASPER の抽出クラスタ書き換え構造を, 固定発生器と一次エンテーメント評価器で比較した。
ASQAでは、名目0.25の予算(圧縮0.08)で、RECOMPスタイルの圧縮機の引用は、サマリーに対して0.86の精度で、再帰性プロトコルの下ではソーススパンに対して0.12の精度で評価される。
これらの推定は、リカバリと引用のスコアリングのための共有NLIモデルに依存し、独立した人間のキャリブレーションを欠いている。
抽出選抜精度は、ASQAの文脈の5分の1から10分の1までの名目予算で0.43から0.49の範囲であり、回答の品質は低下している。
同じRECOMP設定では、ソースリカバリ後のクレーム検証は、サマリーチェック時に0.88と0.17の非サポートレートが得られる。
このギャップは、失明の構造的拒絶を超えて継続するが、評価者に依存している。
200-question TRUE T5-XXL 監査では、ヒトの校正された支持率を確立することなく、固定と再計算の両方のソースマッピングの下で、放出されたギャップが見つかった。
関連論文リスト
- Repeated-Game Security for Restaking-Based Verifiable Inference [2.9661360665913574]
本論文は,1ラウンドスラッシング条件が同一の利害関係下での推論を繰り返すと,セキュリティを過小評価できることを示す。
本稿では,歴史に依存した課題,評価ヘビー級のスラッシュ,利得の優位性を組み合わせた展開可能なメカニズムを提案する。
論文 参考訳（メタデータ） (2026-08-10T03:03:56Z) - What Would Fix This RAG Failure? Auditing Counterfactual Response with Paired Evidence Interventions [0.0]
我々はPair-IDを紹介した。Pair-IDは1つのクエリ、検索状態、読み取り定数を格納し、次に2つの操作を横断する。
19,981のベンチマーククエリで11,105のQwen障害が特定され、SHA-256オーダーが1200を選択して、サンプリングされた応答を生成する。
その結果,ハッシュ選択された有資格障害サンプルにおいて有意な速度でエビデンスが発生し,観察された故障から部分的に予測可能であり,読者に条件付きであることが示唆された。
論文 参考訳（メタデータ） (2026-08-09T22:43:27Z) - Caliber: Cross-Architecture Extraction-Cost Control for Score-Returning APIs [27.21644231867863]
Caliberは、キャリブレーション問題としてノイズ選択を定式化するモデル抽出に対する防御である。
知識蒸留に返却されたスコアを使用する攻撃者に対して、Caliberは独立して同一に分散したガウスノイズを内部ロジットに追加する。
Caliberは、正方形中央2対数辺による雑音分散を正規化し、その結果の雑音効用関係をロジスティック曲線に適合させる。
論文 参考訳（メタデータ） (2026-08-02T05:58:00Z) - Certified Optimal Measurement Reduction over Quantum Context Landscapes [0.0]
RANGEを用いて,Fockproxy-co-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockpr oxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockpr oxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockpr oxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockpr oxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy-Fockproxy。
論文 参考訳（メタデータ） (2026-07-18T16:06:52Z) - ARC: Adaptive Robust Joint State and Covariance Estimation [42.045109659898465]
センサの測定は、外れ値と非ガウスノイズによって頻繁に破壊される。
センサデータのこれらの不完全性は、古典的状態推定器がバイアス付きで信頼性の低い状態と不確実性の推定を発生させる可能性がある。
本稿では,標準対応型適応ロバスト損失と反復重み付けされたLast-Squares状態更新を組み合わせたBlock-Coordinate Descentフレームワークを提案する。
論文 参考訳（メタデータ） (2026-06-18T16:09:50Z) - Jury Duty: Calibration and Orientation Failures in MLLM-as-a-Judge Under Cultural Ambiguity [43.23157850664282]
VOIR DIREは、米国と中国本土にまたがる、626の文化的にペアリングされたイメージプロンプトアーティファクトのマルチモーダルベンチマークである。
6つのMLLMにまたがって、バイアスは2つの障害に分解される。
本稿では,各参照プールに対して個別にアライメントを報告することを推奨する。
論文 参考訳（メタデータ） (2026-06-12T15:53:40Z) - Source-Aware Reranking for Retrieval-Augmented Generation: A Reliability Prior Approach [0.0]
本研究は,RAG検索ランキングの簡易かつ解釈可能な変更について評価する。
このフレームワークは120文書の健康ドメインコーパスの類似性のみのベースラインに対して評価される。
source-aware re ranking は Precision@5 を 0.48 から 0.72 に改善し、平均敵対的なドキュメント検索を減らす。
論文 参考訳（メタデータ） (2026-06-08T14:09:04Z) - Enhancing Factuality through Consensus and Consistency in Summarization Using Minimum Bayes Risk Decoding [64.98167175790817]
本稿では、ソース文書の一貫性と他の候補間のコンセンサスという2つの要因を考慮し、候補要約を再引用するConSUMを提案する。
我々のシステムは既存の手法と競合しており、人による評価により、生成した要約が他のシステムよりも好まれていることが確認されている。
論文 参考訳（メタデータ） (2026-05-28T04:14:43Z) - Stochastic Estimation of the Layer-wise Hessian Trace for Monitoring Neural-network Training [45.88028371034407]
本稿では,ニューラルネットワークの経験的リスクであるヘッセン行列の対角ブロックの軌跡のパラメータ推定器を提案する。
この手順はハッチンソントレース推定器とパラメータベクトル全体の上の1つのヘッセンベクトル積を組み合わせたものである。
重み分担の下での正しさは,第2次微分の前に階層的にヘッセンを組み立てる必要があることを示す。
論文 参考訳（メタデータ） (2026-05-25T10:24:32Z) - What Are We Actually Decoding? Source Attribution for Non-Invasive Brain-to-Language Retrieval [42.66754319854329]
我々は,刺激同期MEG-to-audio検索を監査フレームワークとして再放送した。
構造的ショートカット、ウィンドウレベルの刺激ロックされたエビデンス、ウィンドウ間のコンテキストアグリゲーションを使用します。
これらの結果は、脳から言語へのパフォーマンスは、単に報告されるのではなく、ソース属性であるべきだことを示唆している。
論文 参考訳（メタデータ） (2026-05-23T11:23:39Z) - Distributional Energy-Based Models for Uncertainty-Aware Structured LLM Reasoning [40.342912574072024]
大規模言語モデルは、旅行計画やコードソリューションのような構造化されたアウトプットを生成する。
個々の推論ステップは正しく見えるが、アウトプット全体が予算に違反したり、テストケースに失敗したり、あるいは以前の推論に矛盾することがある。
構造化LCM出力の検証のための決定論的解析制約付き学習品質スコアラを提案する。
論文 参考訳（メタデータ） (2026-05-15T17:08:27Z) - From Black Box to Glass Box: Cross-Model ASR Disagreement to Prioto Review in Ambient AI Scribe Documentation [43.148402136307716]
異種ASRシステム間のクロスモデル不一致は、基準のない不確実性信号として機能する。
商用APIとオープンソースエンジンにまたがる8つのASRシステムを備えた,50の公開医療用オーディオクリップを転写した。
低アグリメント領域は内容の不一致に富み、高リスク質量のクインタイル全体では53.9%から73.9%に増加した。
論文 参考訳（メタデータ） (2026-03-02T13:02:13Z)
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。