論文の概要: Which Reranking Conclusions Survive the Answer Interface? A Prospective Finite-Orbit Audit

• arxiv url: http://arxiv.org/abs/2609.26250v1
• Date: Thu, 13 Aug 2026 03:22:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.933868
• Title: Which Reranking Conclusions Survive the Answer Interface? A Prospective Finite-Orbit Audit
• Title（参考訳）: 回答インタフェースを生き残るものはどれか? : 前向きな有限軌道監査
• Abstract要約: RAGuard と FEVER に対するクレーム対効果を,4人の読者で将来評価する。 推定された検索政治効果、その順序、選択値が変化するかどうかを問う。 6つの確認条件のいずれも、予め規定された0.015の物質性閾値以上の統計的に認証されたインターフェース変化は示さなかった。
• 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: Rerankers are increasingly evaluated through downstream language-model answers. This raises a retrieval-measurement question: if only the reader's answer interface changes, should we reach the same conclusion about BM25 versus BGE-v2-m3? We prospectively audit their claim-paired effect on RAGuard and FEVER with four readers. Retrieval policies, evidence, claims, and context depth remain fixed while semantic-to-label binding, A/B versus X/Y vocabulary, and option order form eight task-equivalent interfaces. We ask whether the estimated retrieval-policy effect, its ordering, or selection value changes. None of the six confirmatory settings showed statistically certified interface variation above the prespecified 0.015 materiality threshold, and none showed a certified reversal of the BM25-BGE ordering. Selector disagreement reaches 33.5% in one environment, yet none of eight environments establishes the prespecified material held-out value difference. These results do not support broad replicated instability, but they do not prove universal invariance: five settings remain too uncertain to satisfy the prespecified higher-order equivalence condition. They show why retrieval evaluations should separate policy level, interface stability, policy ordering, and selection value. When stability is unverified, a uniform average over the enumerated interfaces with explicit variation bounds avoids privileging one interface.
• Abstract（参考訳）: リランカは、下流の言語モデルによる回答を通じてますます評価される。 読者の回答インタフェースが変更された場合、BM25対BGE-v2-m3で同じ結論に達するべきか? 我々は,RAGuard と FEVER に対するクレーム対効果を,読者4名とともに予測的に評価する。 検索ポリシー、エビデンス、クレーム、文脈深さは、セマンティック-ラベル結合、A/B対X/Y語彙、オプション順序は8つのタスク等価インターフェースを形成する。 推定された検索政治効果、その順序、選択値が変化するかどうかを問う。 6つの確認設定のうち、0.015の物質性閾値以上の統計的に認証されたインターフェースのばらつきは見られず、BM25-BGEの規則の逆転は示されなかった。 選挙人の不一致は1つの環境において33.5%に達するが、8つの環境のいずれも、所定の物質が保持される値差を定めていない。 これらの結果は、広範囲に複製された不安定性をサポートしないが、普遍的な不変性を証明するものではない。 それらが示すのは、なぜ検索評価がポリシーレベル、インターフェース安定性、ポリシー順序付け、選択値を分離すべきなのかである。 安定性が検証されていない場合、明示的な変動境界を持つ列挙されたインタフェース上の均一な平均は、1つのインターフェースを特権化することを避ける。

関連論文リスト

• Off-Target Effects of Response-Style Alignment in a Korean 27B Language Model [2.8678936590409028]
  本研究の目的は,不明瞭な社会的質問の棄却と証券ガイダンスの未公表の2つの行動を測定することである。 一致したターゲットフォームコントロールは、回答の妥当性がトレーニング対象に依存していることを示し、プロンプトセットやレシピのみに依存しない。
  論文  参考訳（メタデータ） (2026-09-10T09:23:04Z)
• Explicit State Elicitation Is Not Enough: A Controlled Audit of Memory-Policy Classification [11.991995412984503]
  この設定を用いて、構造化中間出力の実証監査プロトコルを開発する。 480サンプルの合成開発セットは、当初は状態に構造化されたプロンプトバンドルから大きな利益が得られたことを示唆していた。 このセットでは、4つの状態定義を公開することで精度が向上するが、分離された明示的な状態出力フィールドはポリシーの精度を著しく改善しない。
  論文  参考訳（メタデータ） (2026-08-18T01:04:45Z)
• When Does Permutation Instability Generalize? Independent-View Validation for Listwise LLM Reranking [0.0]
  リストワイズ言語モデルリランカは、等価な候補置換に異を唱える。 有限不安定診断は、追加のサンプリング、アグリゲーション、選択的な計算の動機付けに使用される。 有限ビュー不安定度スコアが未確認順列を予測するという主張にどのように影響するかを考察する。
  論文  参考訳（メタデータ） (2026-08-13T03:40:32Z)
• BOUND: Brief-Guided Corrective Preference Distillation at Search-Control Boundaries [82.41764922522565]
  BOUNDは、永続的な探索ドリフトのための短いガイド付き修正選好蒸留フレームワークである。 Trajectory SFT は Bamboogle で 5.6 EM 、BrowseComp-Plus で 4.8 の精度で上回っている。
  論文  参考訳（メタデータ） (2026-08-09T15:32:16Z)
• Agreement Before Diversity: Verification-First Complementarity for Heterogeneous Language-Model Coordination [11.215813718564283]
  候補のヘッドルームを置換権限から切り離し、後者を明示的で監査可能なオブジェクトとします。 提案手法であるCon Agreement-Before-Diversityは,フリーフリーでラベルのない決定ルールである。
  論文  参考訳（メタデータ） (2026-08-05T09:24:39Z)
• SEER: A Self-Grounded Evidence Interface for Controlled Spatial Relation Classification [71.9783246097687]
  SEERは、ペアローカライゼーション中の候補関係を隠蔽し、明示的な主観的/対象的役割を持つクエリ固有ビューを構築し、補完的な証拠として完全なイメージとスパースボックス幾何学を保持する。 正確な逆サポートを持つ関係選択プロトコルでは、オプションリファインメントがエンティティロールを交換し、正確に1つの視覚状態が対応する逆関係に従う場合にのみ前方決定を変更する。 変更されていないプロトコルは、3つのモデルにまたがる2,434個のフィルター付きEmbSpatialペア関係質問に対して +4.35 から +11.79 を得る。
  論文  参考訳（メタデータ） (2026-08-04T13:16:15Z)
• Visual Credit Audit for Multimodal Spatial Reasoning [70.16915309526443]
  Visual Credit Auditは、ベンチマーク画像がテキストのみとブランクコントロールよりもモデルの宣言された決定をもっとサポートするかどうか、モデルが関係性固有の視覚的エビデンスに反応するかどうかの2つの評価を分離する。 ラベルを適用すれば依存性認定正当性(D-CC)が得られる 4つのオープンMLLMと2つの空間ベンチマーク、12.73-26.25%の判定は正確であるが、証明されていない。
  論文  参考訳（メタデータ） (2026-07-29T15:55:31Z)
• SEED-GRPO: Semantic Entropy Enhanced GRPO for Uncertainty-Aware Policy Optimization [57.69385990442078]
  大規模言語モデル(LLM)は、入力プロンプト(クエスト)にまたがる様々なレベルの信頼を示す。 セマンティックエントロピー(Semantic entropy)は、プロンプトが与えられた複数の生成された回答における意味の多様性を測定し、ポリシー更新の規模を変調するためにこれを使用する。
  論文  参考訳（メタデータ） (2025-05-18T10:20:59Z)
• Uncertainty in Language Models: Assessment through Rank-Calibration [65.10149293133846]
  言語モデル(LM)は、自然言語生成において有望な性能を示している。 与えられた入力に応答する際の不確実性を正確に定量化することは重要である。 我々は、LMの確実性と信頼性を評価するために、Rank$-$Calibration$と呼ばれる斬新で実用的なフレームワークを開発する。
  論文  参考訳（メタデータ） (2024-04-04T02:31:05Z)

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。