論文の概要: ABAI at COLIEE 2026 Task 1: Multi-Stage Retrieval with GraphRAG-Enhanced Meta-Learning, and a Post-Hoc Study of the Cross-Validation-to-Test Gap

• arxiv url: http://arxiv.org/abs/2609.26237v1
• Date: Wed, 12 Aug 2026 13:05:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.930408
• Title: ABAI at COLIEE 2026 Task 1: Multi-Stage Retrieval with GraphRAG-Enhanced Meta-Learning, and a Post-Hoc Study of the Cross-Validation-to-Test Gap
• Title（参考訳）: ABAI at COLIEE 2026 Task 1: Multi-Stage Retrieval with GraphRAG-Enhanced Meta-Learning and a Post-Hoc Study of the Cross-Validation-to-Test Gap
• Abstract要約: 我々は,ABAI 申請を COLIEE 2026 Task 1 に提示する。 このタスクは引用されたパス自体を抑圧し、レトリバーが依存する語彙の重複の多くを取り除く。 私たちのパイプラインは、4つの独立して訓練されたステージでこれに答えます。
• 参考スコア（独自算出の注目度）: 7.5681086280820615
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present the ABAI submission to COLIEE 2026 Task 1, case law retrieval, together with a controlled study of why it underperformed. The task suppresses the cited passages themselves, which removes much of the lexical overlap a retriever would rely on. Our pipeline answers this with four independently trained stages: multi-view BM25 over citation-context windows with reciprocal rank fusion, neural reranking, graph-based features from entity communities and a graph attention network, and a LightGBM meta-learner over 34 features. Our best run reached F1=0.177 on the official test set, against a cross-validated 0.311, and we attributed that gap to a recall ceiling, temporal distribution shift, and threshold miscalibration. We then tested all three. Under leakage-free protocols threshold transfer costs 0.007 F1, decision quality is flat across chronological quartiles, and the official test queries are not measurably farther from the training manifold than training queries are from each other, in two independent embedding spaces. Decomposing the misses instead splits them exactly evenly between candidates never retrieved and candidates retrieved but ranked below the cut. Measuring the remedies for each half, BM25 length-normalisation tuning, an event-triple view, and full-content dense fusion lift top-200 recall by three to seven points, and citation-graph features add 0.014 F1 over eight seeds once own-citation leakage is removed, while per-query cutoff rules, a zero-shot reranker swap, and a date filter do not help. We also document four evaluation artifacts, each of which reversed a result once the protocol was corrected.
• Abstract（参考訳）: 本稿では,ABAI を COLIEE 2026 Task 1 に提示する。 このタスクは引用されたパス自体を抑圧し、レトリバーが依存する語彙の重複の多くを取り除く。 我々のパイプラインは、4つの独立して訓練されたステージで答える: 相互の階数融合を伴う引用コンテキストウィンドウ上のマルチビューBM25、ニューラルリランク、エンティティコミュニティとグラフアテンションネットワークからのグラフベースの機能、および34以上の機能を持つLightGBMメタラーナ。 F1=0.177,クロスバリデーション0.311,リコール天井,時間分布シフト,しきい値の誤校正を理由として,我々はF1=0.177に到達した。 3つすべてをテストしました。 リークフリープロトコルしきい値転送コスト 0.007 F1 では、決定品質は、時間的四成分にまたがって平坦であり、公式なテストクエリは、2つの独立した埋め込み空間において、トレーニングクエリが互いに離れているのよりも、トレーニング多様体から測定できるほど遠くない。 ミスを分解する代わりに、それらを正確に均等に分割する。 BM25長正規化チューニング、イベントトリプルビュー、およびフルコンテントの高密度核融合リフトのトップ200リコールを3〜7ポイントで測定し、引用グラフ特徴は、一度自己引用リークが除去された8つのシードに対して0.014 F1を加算し、クエリごとのカットオフルール、ゼロショットリランカースワップ、日付フィルタは役に立たない。 また、4つの評価アーティファクトを文書化し、それぞれがプロトコルが修正されると結果を逆転させた。

関連論文リスト

• Agora: Git as Shared Memory for Collective AutoResearch [54.31992252587096]
  別々のセッションで作業する調査エージェントは、他の人が試したことと、構築可能な結果を知る必要がある。 各コミットは結果、洞察、仮説、検証、報告を記録し、それを以前の作業とリンクする。 約12日間に渡り,13人の言語モデル労働者がアゴラを重み移動問題の解決に利用したことを報告した。
  論文  参考訳（メタデータ） (2026-09-16T04:00:54Z)
• Threshold Choice, Not Sample Size, Bounds Trustless Verification of Nondeterministic Compound AI Workflows [0.0]
  複合AIパイプライン LLMコール、レトリバー、ツールは非決定論的である。 各ステージのインプット、アウトプット、コンテキストのダイジェストをコミットします。 合成HotpotQAパイプラインでは、校正された固定しきい値が45個の正直な複製のうち44個を受け入れ、105個の発散ペアのうち104個を拒絶する。
  論文  参考訳（メタデータ） (2026-09-07T22:10:54Z)
• Zero2Skill: Bootstrapping Robot Skills through Autonomous Data Collection, Training, and Deployment [53.913175773174636]
  既存のパイプラインは、自己リセット、VLM検証、言語指導による修正を通じて、人間の労力を減らす。 Zero2Skill(ゼロ2スキル)は、人ロボットの共生型エージェントシステムで、丸ごとの修正を維持・再利用する。
  論文  参考訳（メタデータ） (2026-07-15T17:16:24Z)
• TASR: Training-Free Adaptive Stopping for Iterative Retrieval [12.177557521540082]
  反復的検索拡張生成エージェントは、モデルが解答に収束した後も検索を続けることで、一般的にオーバースペンドされる。 TASR(Training-Free Adaptive Stopping Rule)は,モデルが前ラウンドの正規化を繰り返すと発火する一行述語である。
  論文  参考訳（メタデータ） (2026-06-11T18:35:14Z)
• Right Makes Might: Aligning Verified Hidden States Empowers RL Reasoning [55.264863369127774]
  現在の方法では、それぞれの正しいロールアウトを単一の報酬ビットに減らし、隠れた状態間で共有される幾何学的構造を無視している。 本稿では,RLトレーニングにおけるアンカートークンにおける正ロールアウトの最終層を,トレーニングと推論の両方においてゼロオーバーヘッドで整列する補助損失関数Hidden-Alignを提案する。 8つの数学的推論ベンチマークでは、Hidden-AlignはDAPOベースラインの平均パス@1をQwen3-1.7B, 4B, 14Bで3.8, 6.2, 5.4ポイント改善し、3つのスケールで一貫したパス@kゲインを得る。
  論文  参考訳（メタデータ） (2026-06-02T06:51:15Z)
• Topic Is Not Agenda: A Citation-Community Audit of Text Embeddings [0.0]
  我々は358万の科学論文の上に、補助的な引用グラフを構築した。 4つの最先端の埋め込みは、L1バーを合理的にクリアするが、L2で動くのをやめる。 絶対的に言えば、10件の回収された論文のうち8件は未成年者である。
  論文  参考訳（メタデータ） (2026-05-08T02:43:17Z)
• Ensemble Threshold Calibration for Stable Sensitivity Control [0.0]
  本稿では,数千万組の幾何対もの幾何に対して,過度に分散した正確なリコールを実現するエンド・ツー・エンドのフレームワークを提案する。 我々のアプローチは、小さなエラーで常にリコールターゲットにヒットし、他のキャリブレーションと比較して冗長な検証を減らし、単一のTPU v3コア上でエンドツーエンドで実行します。
  論文  参考訳（メタデータ） (2025-10-02T15:22:28Z)
• Eigen-1: Adaptive Multi-Agent Refinement with Monitor-Based RAG for Scientific Reasoning [53.45095336430027]
  暗黙的な検索と構造化された協調を組み合わせた統合フレームワークを開発する。 Humanity's Last Exam (HLE) Bio/Chem Goldでは,48.3%の精度を実現している。 SuperGPQAとTRQAの結果はドメイン間の堅牢性を確認した。
  論文  参考訳（メタデータ） (2025-09-25T14:05:55Z)
• Fact or Facsimile? Evaluating the Factual Robustness of Modern Retrievers [34.31192184496381]
  デンスレトリバーとリランカーは、検索強化世代(RAG)パイプラインの中心である。 我々は,これらのコンポーネントがベースとする大規模言語モデル(LLM)をどの程度の事実的能力で継承するか,あるいは失うかを評価する。 全ての埋め込みモデルにおいて、クエリと正しい完了の間のコサイン類似度スコアは、間違ったものよりも著しく高い。
  論文  参考訳（メタデータ） (2025-08-28T04:13:51Z)

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。