論文の概要: Bridging Static and Agentic RAG for Taiwanese Historical Question Answering

• arxiv url: http://arxiv.org/abs/2609.23056v1
• Date: Sat, 19 Sep 2026 14:43:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:00.665821
• Title: Bridging Static and Agentic RAG for Taiwanese Historical Question Answering
• Title（参考訳）: 台湾の歴史的質問に対するブリジングスタティックとエージェントRAG
• Abstract要約: エージェント検索拡張生成(RAG)は、以前検索された証拠に基づいて言語モデルが検索に適応できるようにする。 台湾の歴史的質問に対するエージェントと静的なRAGを比較し、同じジェネレータとハイブリッド検索バックエンドを共有する。 同様の総合的な性能にもかかわらず、2つのパイプラインは70.83%の質問で異なる。
• 参考スコア（独自算出の注目度）: 18.679189356657982
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Agentic retrieval-augmented generation (RAG) enables language models to adapt retrieval based on previously retrieved evidence, but it remains unclear whether such adaptive orchestration consistently outperforms well-designed static pipelines. We conduct a controlled comparison of agentic and static RAG for Taiwanese historical question answering, sharing the same generator and hybrid retrieval backend. Despite similar aggregate performance, the two pipelines differ on 70.83% of questions, with their advantages largely canceling out when averaged. An oracle that selects the better response per question improves the composite score by 0.2417 over the better individual pipeline, revealing substantial headroom for question-level selection. We therefore introduce a post-hoc selector that compares the two responses and their cited evidence, significantly outperforming either individual pipeline and recovering 60.34% of the oracle headroom. These results show that aggregate comparisons can obscure meaningful question-level differences between retrieval strategies, suggesting that exploiting their complementarity may be more fruitful than seeking a universally superior pipeline.
• Abstract（参考訳）: エージェント検索拡張生成(RAG)により、以前検索された証拠に基づいて言語モデルを適応させることができるが、そのような適応的なオーケストレーションがよく設計された静的パイプラインを一貫して上回るかどうかは不明である。 台湾の歴史的質問に対するエージェントと静的なRAGの制御比較を行い、同じジェネレータとハイブリッド検索バックエンドを共有する。 同様の総合的な性能にもかかわらず、2つのパイプラインは70.83%の質問で異なる。 より優れた応答を選択するオラクルは、より優れた個別パイプラインよりも合成スコアが0.2417向上し、質問レベルの選択のためのかなりのヘッドルームが明らかになる。 そこで我々は,2つの応答とそれらの引用された証拠を比較したポストホックセレクタを導入し,個々のパイプラインを著しく上回り,オラクルのヘッドルームの60.34%を回復させた。 これらの結果から, 総合的比較は, 探索戦略間の有意義な問合せレベルでの差を生じさせる可能性が示唆され, 相補性を活かすことは, 普遍的に優れたパイプラインを求めるよりも有益である可能性が示唆された。

関連論文リスト

• One Size Does Not Fit All! Dynamic Retriever and Generator Selection for RAG [15.069168222795975]
  我々は,リトリバーとジェネレータの複雑さがファクトイドおよびマルチホップ質問応答タスク間でどのように相互作用するかを分析する。 本稿では,レトリバージェネレータの構成を選択するためのクエリ適応フレームワークであるDRAGを紹介する。 DRAGは、検索と生成を協調的に適応させることで、静的なRAGパイプラインよりも効率効率の良いトレードオフを実現することを示した。
  論文  参考訳（メタデータ） (2026-09-15T18:20:38Z)
• Can QPP Choose the Right Query Variant? Evaluating Query Variant Selection for RAG Pipelines [48.34524144147475]
  LLM(Large Language Models)は、現代の検索やRAG(Retrieval-Augmented Generation)パイプラインにおいて、クエリ再構成を至るところで実現している。 本稿では、アドホック検索とエンドツーエンドRAGをまたいで、クエリ性能予測(QPP)を異種選択のメカニズムとして検討する。
  論文  参考訳（メタデータ） (2026-04-24T15:36:40Z)
• 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)
• Beyond Relevance: On the Relationship Between Retrieval and RAG Information Coverage [89.58253972744531]
  Retrieval-augmented Generation (RAG) システムは、文書検索と生成モデルを組み合わせて、レポート生成のような複雑な情報を求める課題に対処する。 我々は,上流の検索指標が,最終生成応答の情報カバレッジの信頼性の高い早期指標として機能するかどうかを検討する。 本研究は,トピックとシステムレベルの両方で生成した応答におけるカバレッジベース検索指標とナゲットカバレッジとの間に強い相関関係を示した。
  論文  参考訳（メタデータ） (2026-03-09T18:20:20Z)
• A Comprehensive Evaluation of Transformer-Based Question Answering Models and RAG-Enhanced Design [3.974953368025457]
  トランスフォーマーベースのモデルは質問応答の分野を進歩させてきたが、複数の経路にまたがるエビデンスを必要とするマルチホップ推論は依然として困難である。 本稿では,検索強化生成フレームワーク内でのマルチホップ質問応答に対する検索戦略を総合的に評価する。 HotpotQAデータセットの実験は、ハイブリッドアプローチがベースラインメソッドを大幅に上回っていることを示している。
  論文  参考訳（メタデータ） (2025-09-26T04:11:10Z)
• Hybrid Deep Searcher: Integrating Parallel and Sequential Search Reasoning [57.78245296980122]
  本稿では,自然質問から自動生成されるデータセットであるHDS-QA(Hybrid Deep Search QA)を紹介する。 並列化可能な独立サブクエリ(同時に実行可能)と逐次依存サブクエリ(ステップバイステップの解決を必要とする)を組み合わせたハイブリッドホップ質問を含む。 モデルの名称はHybridDeepSearcherで、複数のベンチマークで最先端のベースラインを上回っています。
  論文  参考訳（メタデータ） (2025-08-26T15:15:17Z)
• Investigating the Robustness of Retrieval-Augmented Generation at the Query Level [4.3028340012580975]
  推論中に外部知識を動的に組み込むソリューションとして、検索拡張生成(RAG)が提案されている。 その約束にもかかわらず、RAGシステムは実際的な課題に直面し、特に、正確な検索のために入力クエリの品質に強く依存する。
  論文  参考訳（メタデータ） (2025-07-09T15:39:17Z)
• Question Decomposition for Retrieval-Augmented Generation [2.6409776648054764]
  本稿では疑問分解をサブクエストに組み込んだRAGパイプラインを提案する。 補間的な文書を効果的に組み立てる一方で、再ランク付けによってノイズが減少することを示す。 再ランク自体は標準的なものであるが、LLMによる質問分解と既製のクロスエンコーダのペアリングは、マルチホップ質問の検索ギャップを橋渡しすることを示す。
  論文  参考訳（メタデータ） (2025-07-01T01:01:54Z)
• SiReRAG: Indexing Similar and Related Information for Multihop Reasoning [96.60045548116584]
  SiReRAGは、類似情報と関連する情報の両方を明示的に考慮する新しいRAGインデックス方式である。 SiReRAGは、3つのマルチホップデータセットの最先端インデックス手法を一貫して上回る。
  論文  参考訳（メタデータ） (2024-12-09T04:56:43Z)

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。