論文の概要: Post-Generation Verification Dominates Retrieval Optimization: A 2^4 Factorial Ablation of RAG Pipeline Features

• arxiv url: http://arxiv.org/abs/2609.35774v1
• Date: Wed, 29 Jul 2026 08:32:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-05 14:48:16.240631
• Title: Post-Generation Verification Dominates Retrieval Optimization: A 2^4 Factorial Ablation of RAG Pipeline Features
• Title（参考訳）: 検索最適化における生成後検証の優位性: RAGパイプライン特徴の2^4因子アブレーション
• Abstract要約: セクション展開、エージェント検索、完全性チェック、テーブル・オブ・コンテント誘導検索という、4つのRAGパイプライン機能に関する24の要素検証を実行しています。 我々は5つの公文書の確認済み参照条件に対してすべての回答を採点する。 我々は,回答の検証は検索を最適化するよりも重要であり,要因的評価は特徴を体系的に誤っていると結論付けた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Modern RAG pipelines stack many enhancement features, but these features are typically validated in isolation, leaving their interactions unmeasured. We run a 2^4 full factorial ablation of four pipeline features -- section expansion (SE), agentic search (AS), completeness check (CC), and table-of-contents-guided retrieval (ToC) -- across 16 configurations, 24 queries spanning eight interaction types, and two cloud-class models (768 conditions) on five public documents (78-492 pages), scoring every answer against a verified reference. Post-generation verification dominates: CC is the strongest feature (d=+0.48, p<0.001), improving accuracy, completeness, and usefulness simultaneously, and CC alone (4.31/5) outperforms every configuration without it, including the three-feature SE+AS+ToC (4.11). ToC yields a significant gain at zero LLM cost (d=+0.22); AS is small and unstable, helping some queries and harming others; SE is neutral. The highest-quality configuration roughly doubles baseline latency, producing a genuine quality-latency Pareto frontier of six configurations. Feature utility is strongly query-type dependent -- CC reaches d=+0.83 on completeness-demanding queries -- so single-query-type evaluations systematically mis-rank features. We conclude that verifying answers matters more than optimizing retrieval, and that factorial designs with diverse query types are necessary to evaluate RAG features.
• Abstract（参考訳）: 現代のRAGパイプラインは多くの拡張機能を積み重ねているが、これらの機能は一般的に独立して検証され、インタラクションは未測定のままである。 セクション展開(SE)、エージェント検索(AS)、完全性チェック(CC)、テーブルオブコンテント誘導検索(ToC)の4つのパイプライン機能に対して、2^4のフルファクターアブレーションを実行する。 CCは最も強力な特徴(d=+0.48, p<0.001)であり、精度、完全性、有用性を同時に向上し、CC単独(4.31/5)は3つの機能を持つSE+AS+ToC(4.11)を含む全ての構成を上回る。 ToC は LLM コストゼロ (d=+0.22); AS は小さく不安定であり、いくつかのクエリを助け、他のクエリを傷つける。 高品質な構成はベースラインのレイテンシをおよそ2倍にし、6つの構成の真のクオリティのParetoフロンティアを生み出します。 機能ユーティリティは強いクエリ型に依存し、CCは完全性要求クエリでd=+0.83に達する。 我々は,回答の検証は検索を最適化するよりも重要であると結論し,RAGの特徴を評価するためには,多様なクエリ型を持つ因子設計が必要であると結論付けた。

関連論文リスト

• Predictable Failure in Multi-Hop Retrieval: Score-Distributional Confidence Scoring and Abstention [0.0]
  マルチホップ検索障害はクエリに均一に分散しない。 CWAR(Confident-Wrong-Answer Rate)は、3つのマルチホップベンチマークで評価される。 MuSiQue では、RCS は 5 つの条件すべてにおいて最高の AUCAC または 最高の AUCAC を達成する。
  論文  参考訳（メタデータ） (2026-09-18T17:48:15Z)
• EAVer: Long-Form Factuality Verification as an End-to-End Agentic Policy [50.665874114632]
  我々は、完全な応答レベルの検証ワークフローを統一ポリシーとして制御することを学ぶ、エンドツーエンドのエージェント検証であるEAVerを紹介する。 EAVerはセマンティック関連クレームをグループ化し、信頼に基づいた直接検証やターゲット検索にルートし、コンパクトなインコンテキストメモで検索によって返される証拠を保持する。
  論文  参考訳（メタデータ） (2026-09-02T21:00:35Z)
• ReBRAC-v2: The Return of the King [9.34711333978267]
  本稿では、RLアクターとして正確な正規化フローを直接訓練するReBRAC-v2を紹介する。 このレシピをタスク毎に個別にチューニングするのではなく、単一の共有構成を開発する。 一般的な10のOGBenchカテゴリで、ReBRAC-v2の平均は74.8であり、次のベストアグリゲーションの結果は52.3である。
  論文  参考訳（メタデータ） (2026-08-02T12:42:20Z)
• optimize_anything: A Universal API for Optimizing any Text Parameter [98.42497715725356]
  単一タスク検索をサポートする1つのAIベースの最適化システム、クロスプロブレム転送によるマルチタスク検索、および目に見えない入力への一般化を示す。 LLMに基づく検索によるテキストの最適化は汎用的な問題解決パラダイムであることを示す。
  論文  参考訳（メタデータ） (2026-05-19T10:18:12Z)
• How Does Chunking Affect Retrieval-Augmented Code Completion? A Controlled Empirical Study [6.9242874337023705]
  検索可能な生成パイプラインは、ソースファイルを検索可能なユニットに分割するチャンキングに依存している。 本研究は,チャンキングがコード補完品質に及ぼす影響を検証した実証的研究である。 以上の結果から,チャンキング戦略がRAGベースのコード補完に統計的に有意な影響を及ぼすことが明らかとなった。
  論文  参考訳（メタデータ） (2026-05-06T11:09:42Z)
• Adaptive ToR: Complexity-Aware Tree-Based Retrieval for Pareto-Optimal Multi-Intent NLU [0.15293427903448018]
  多言語自然言語理解には、高い精度と計算効率を同時に達成する検索システムが必要である。 本稿では,クエリ特性に基づいた検索トポロジを動的に構成する複雑性を考慮した検索アーキテクチャであるAdaptive Tree-of-Retrieval (Adaptive ToR)を提案する。
  論文  参考訳（メタデータ） (2026-04-27T09:24:10Z)
• 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)
• A Refreshed Similarity-based Upsampler for Direct High-Ratio Feature Upsampling [54.05517338122698]
  一般的な類似性に基づく機能アップサンプリングパイプラインが提案されている。 本稿では,セマンティック・アウェアとディテール・アウェアの両方の観点から,明示的に制御可能なクエリキー機能アライメントを提案する。 我々は,モーザイクアーティファクトを緩和する上ではシンプルだが有効であるHR特徴に対して,きめ細かな近傍選択戦略を開発する。
  論文  参考訳（メタデータ） (2024-07-02T14:12:21Z)
• Faithful Chain-of-Thought Reasoning [51.21714389639417]
  CoT(Chain-of-Thought)は言語モデル(LM)のパフォーマンスを様々な推論タスクで向上させる。 翻訳と問題解決という2つの段階を含む推論フレームワークであるFithful CoTを提案する。 このことは、推論連鎖が最終回答の忠実な説明を提供することを保証している。
  論文  参考訳（メタデータ） (2023-01-31T03:04:26Z)

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。