論文の概要: PILLAR: Private Inverted-Index Lexical Lookup for Augmented Retrieval
- arxiv url: http://arxiv.org/abs/2609.36326v2
- Date: Wed, 30 Sep 2026 14:14:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-01 18:57:26.1335
- Title: PILLAR: Private Inverted-Index Lexical Lookup for Augmented Retrieval
- Title（参考訳）: PILLAR: 拡張検索のためのプライベート・インバート・インデックス・レキシカル・ルックアップ
- Abstract要約: Retrieval-augmented Generation (RAG) は、ユーザのクエリをコーパスをホストする人に渡す。
プライベート情報検索(PIR)に基づくプライバシ保護RAG(PPRAG)システムであるPILLARを提案する。
PILLARを2つのプロトコルでインスタンス化し、検索品質とレイテンシを交換します。
- 参考スコア（独自算出の注目度）: 6.4584274993673105
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Retrieval-augmented generation (RAG) hands the user's query to whoever hosts the corpus. We propose PILLAR, a Privacy-Preserving RAG (PPRAG) system based on Private Information Retrieval (PIR) in which a client utilizes the k documents most similar to their query from a server-held and publicly known corpus to respond to their query, while the server learns nothing about the query, either its terms or its access pattern. Prior PPRAG constructions rely on dense retrieval alone, translating approximate nearest-neighbor search into many query-dependent rounds of PIR, and pay for it in both latency and retrieval quality. PILLAR instead performs private hybrid retrieval in two stages. A sparse stage issues a small, fixed number of PIR queries against a carefully designed index of precomputed BM25 scores, filtering the corpus down to candidates that share terms with the query without the server ever seeing which terms these are. A dense stage then fetches only those candidates' document embeddings and re-ranks them locally, avoiding the many costly PIR queries that private dense retrieval typically requires. We instantiate PILLAR with two protocols that trade latency against retrieval quality, each built on a different private rendering of lexical search. PILLAR-Bin bins posting lists into a hash table and is a single-round design that achieves lower latency than state-of-the-art private retrieval schemes. PILLAR-Tree turns block-max pruning into an oblivious tree traversal combined with cuckoo hash tables and achieves the highest retrieval quality at lower latency than state-of-the-art schemes.
- Abstract（参考訳）: Retrieval-augmented Generation (RAG) は、ユーザのクエリをコーパスをホストする人に渡す。
プライベート情報検索(PIR)に基づくプライバシ保存RAG(PPRAG)システムであるPILLARを提案する。サーバがクエリに応答するのに対して,サーバはクエリや用語,アクセスパターンなどについて何も学ばない。
PPRAGの以前の構成は、密度の高い検索のみに依存しており、ほぼ隣り合う検索を多くのPIRのクエリ依存ラウンドに翻訳し、レイテンシと検索品質の両方で支払う。
PILLARは2つの段階でプライベートハイブリッド検索を行う。
スパースステージは、慎重に設計されたBM25スコアのインデックスに対して、小さな固定数のPIRクエリを発行する。
密集したステージは、それらの候補のドキュメントの埋め込みのみを取得し、それらをローカルに再ランクし、プライベートな密集した検索が要求する多くのコストの高いPIRクエリを避ける。
PILLARを2つのプロトコルでインスタンス化し、検索品質とレイテンシを交換します。
PILLAR-Bin bins はハッシュテーブルにリストをポストし、最先端のプライベート検索方式よりも低レイテンシを実現するシングルラウンド設計である。
PILLAR-Treeは、ブロックマックスプルーニングを、カッコウのハッシュテーブルと組み合わされ、最先端のスキームよりも低レイテンシで高い検索品質を達成する。
関連論文リスト
- Quantization Enables Private Dense Retrieval against Malicious Service Providers [2.1839191255085995]
プライバシに敏感なアプリケーションでは、サーバはクエリを観察し、エビデンスを返却する。
プライベートな高密度検索を、悪意のあるサーバに対してクエリのプライバシと検索の整合性を提供するものとして定式化し、両方の保証を提供する2ラウンドの暗号プロトコルを開発する。
以上の結果から,クリッピング量子化では,3ビット量子化は検索品質と下流の精度を保ちながら,臨床参照のサイズは1～3分程度であることがわかった。
論文 参考訳（メタデータ） (2026-09-28T23:07:39Z) - Efficient Privacy-Preserving Range Filtered Approximate Nearest Neighbor Search [22.644268689842377]
距離フィルタ近似近傍探索(RFANNS)はベクトルデータベースにとって重要なプリミティブである。
我々は、外部ソースの暗号化ベクタデータベース上でのプライバシー保護RFANNSを定式化し、評価する。
提案手法は,既存のRFANNSアプローチのセキュアな適応に対するQPS-リコールトレードオフを改善する。
論文 参考訳（メタデータ） (2026-08-17T12:28:25Z) - Search, Inspect, Fetch: Exploiting Structure-Aware Boolean Retrieval for Deep-Research Agents [50.35041517085015]
既存のDeep-ResearchエージェントはSearch-Visitワークフローを使用して、タイトル、見出し、セクション、メタデータを通じて公開する構造を考慮せずに、Webページ全体を検索する。
Boolean Query Language (BQL) によって駆動される検索-インスペクション-フェッチ戦略である textscSieve を導入する。
ウェブページのフィールドを検索して候補をフィルタリングし、インターチェンジ可能なランク付け器を使ってそれらを注文し、構造に富んだ結果カードを検査し、選択したセクションのみを取得する。
論文 参考訳（メタデータ） (2026-08-03T18:01:05Z) - GrepSeek: Training Search Agents for Direct Corpus Interaction [66.69568141699311]
GrepSeekは、コンパクトな検索エージェントを訓練し、大きなテキストコーパスから証拠を見つけ、フィルタリングし、構成する、最適化された直接コーパスインタラクション(DCI)検索エージェントである。
DCIを大規模に実用化するためには、シェルコマンドのシーケンシャルな実行とバイトエクササイズ等価性を保ちながら、シェルベースの検索を最大7.6タイムで高速化するセマンティックス保存のシャード並列実行エンジンを使用する。
論文 参考訳（メタデータ） (2026-05-28T03:37:33Z) - PRISM: Pareto-Efficient Retrieval over Intent-Aware Structured Memory for Long-Horizon Agents [9.504077408241544]
ロングホライゾン言語エージェントは、どの固定されたコンテキストウィンドウよりもはるかに早く会話履歴を蓄積する。
PRISMは、長期記憶を共同検索・圧縮問題として扱う訓練不要な検索サイドフレームワークである。
論文 参考訳（メタデータ） (2026-05-12T15:28:30Z) - Superintelligent Retrieval Agent: The Next Frontier of Information Retrieval [25.731213365755234]
textitSuperIntelligent Retrieval Agent (SIRA)を紹介する。
SIRAは、複数ラウンド探索探索を単一のコーパス識別検索アクションに圧縮することができる。
解釈可能で、トレーニング不要で、効率的でありながら、より高価なマルチラウンドサーチを超えることができる。
論文 参考訳（メタデータ） (2026-05-07T17:54:29Z) - Beyond Semantic Similarity: Rethinking Retrieval for Agentic Search via Direct Corpus Interaction [127.64173950476702]
エージェントが直接、汎用端末ツールを用いて、生コーパスを直接検索する直接コーパス間相互作用(DCI)について検討する。
このアプローチではオフラインインデックスを必要とせず、ローカルコーパスの進化に自然に適応する。
IRベンチマークとエンドツーエンドのエージェント検索タスク全体にわたって、この単純なセットアップは、強いスパース、密度、リランクベースラインよりも大幅に優れています。
論文 参考訳（メタデータ） (2026-05-03T19:13:11Z) - SAGE: Structure Aware Graph Expansion for Retrieval of Heterogeneous Data [47.930782177987446]
不均一なコーパスに答える検索拡張された質問は、テキスト、テーブル、グラフノード間で接続されたエビデンスを必要とする。
標準レトリバーリーダーパイプラインは、独立にチャンクされたテキスト上の平坦な類似性検索を使用し、モダリティ間のマルチホップエビデンスチェーンを欠いている。
SAGE(Structure Aware Graph Expansion)フレームワークを提案する。これは、パーセンタイルベースのプルーニングとメタデータ駆動の類似性を利用して、チャンクレベルのグラフをオフラインで構築する。
暗黙的クロスモーダルコーパスと明示的スキーマグラフのエージェント検索であるSPARK(Structure Aware Planning Agent for Retrieval over Knowledge Graphs)のハイブリッド高密度スパース検索を用いて初期検索をインスタンス化する。
論文 参考訳（メタデータ） (2026-02-18T23:57:19Z) - Private-RAG: Answering Multiple Queries with LLMs while Keeping Your Data Private [21.980739918403344]
Retrieval-augmented Generation (RAG)は、外部コーパスからドキュメントを推論時に取得することで、大きな言語モデル(LLM)を強化する。
このコーパスが機密情報を含む場合、保護されていないRAGシステムは個人情報を漏洩するリスクがある。
本稿では、より実用的なマルチクエリ設定について検討し、2つのDP-RAGアルゴリズムを提案する。
論文 参考訳（メタデータ） (2025-11-10T21:12:32Z) - Chain of Retrieval: Multi-Aspect Iterative Search Expansion and Post-Order Search Aggregation for Full Paper Retrieval [68.71038700559195]
The Chain of Retrieval (COR) is a novel repeaterative framework for full-paper search。
SCIBENCH(SCIBENCH)は、クエリと候補のための全論文の完全なコンテキストとセグメント化されたコンテキストを提供するベンチマークである。
論文 参考訳（メタデータ） (2025-07-14T08:41:53Z) - Operational Advice for Dense and Sparse Retrievers: HNSW, Flat, or Inverted Indexes? [62.57689536630933]
本稿では,オープンソースのLucene検索ライブラリを用いたBEIRデータセットの実験結果について述べる。
本研究は,高密度かつ疎密なレトリバーの設計空間を理解するための,今日の検索実践者へのガイダンスを提供する。
論文 参考訳（メタデータ） (2024-09-10T12:46:23Z)
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。