論文の概要: Regime Boundary Alignment for Evidence-Gated Question Answering

• arxiv url: http://arxiv.org/abs/2609.37491v1
• Date: Fri, 25 Sep 2026 18:48:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:47.524559
• Title: Regime Boundary Alignment for Evidence-Gated Question Answering
• Title（参考訳）: Evidence-Gated Question AnsweringのためのRegime境界アライメント
• Abstract要約: RBA(Regime Boundary Alignment)は、同じ質問と金の答えの一致した変種について、単一の読者を訓練する。 3つの種にまたがる3つのマルチホップQAデータセットでは、RCAはサポート対象の回答率を60パーセント以上削減する。 結果は, 支持境界の両側で, 証拠有意な回答を学ばなければならないことを示唆している。
• 参考スコア（独自算出の注目度）: 14.305051281043378
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Retrieval-augmented language models are expected to answer from the retrieved evidence, but in practice they often keep answering when that evidence is missing. We trace this behavior to the training signal: answer-focused fine-tuning assigns no target to unsupported contexts, so it cannot distinguish a reader that abstains from one that guesses, and unsupported answering stays near 100% even as supported accuracy improves. We introduce Regime Boundary Alignment (RBA), which trains a single reader on matched variants of the same question and gold answer. The reader is trained to produce the gold answer when the context supports it, including when conflicting evidence is also present, and to abstain when the correct support is removed; inference is ordinary decoding, with no verifier, threshold, or regime label. On three multi-hop QA datasets across three seeds, RBA reduces the unsupported-answer rate by more than sixty percentage points relative to conflict-focused training while matching its supported accuracy. On a held-out TriviaQA retrieval-miss slice, the same reader reduces unsupported answering from 100% to below 1% while also improving supported accuracy. These results indicate that evidence-gated answering must be learned on both sides of the support boundary.
• Abstract（参考訳）: 検索可能な言語モデルは、検索された証拠から答えられることが期待されているが、実際には、その証拠が欠落しているときに答え続けることが多い。 回答中心の微調整は、対象の無関係なコンテキストを割り当てないので、推測を棄却する読者を区別することはできず、サポート対象の精度が向上しても、サポート対象の回答は100%近く留まる。 我々は,同じ質問とゴールド回答の一致した変種に対して,単一の読者を訓練するRegime boundary Alignment (RBA)を紹介した。 読者は、文脈がそれをサポートするとき、矛盾する証拠が存在するとき、正しい支持が取り除かれたときの棄却を含む金の回答を生成するように訓練される。 3つの種にまたがる3つのマルチホップQAデータセットにおいて、RAAは、サポート対象の精度を満足しながら、競合に焦点を当てたトレーニングと比較して、サポート対象の回答率を60パーセント以上削減する。 保持されたTriviaQA検索ミススライスでは、サポート対象の回答を100%から1%以下に削減し、サポート対象の精度も向上した。 これらの結果は,支持境界の両側でエビデンス付き回答を学習しなければならないことを示唆している。

関連論文リスト

• Do LiDAR Language Models Really Understand Spatio-temporal Relationships? [62.56505727364142]
  ベンチマークと診断プロトコルであるLiDAR-Halluを150 nusのシーンで紹介する。 提案プロトコルは,固定回答と候補コンテンツ制御,クロスシーンペアを同一のプロンプトで組み合わせるが,参照応答は逆で,リレーショナルなリコールを行う。 記録された10万の応答の分析は、集合的空間精度によって隠された失敗を明らかにする。
  論文  参考訳（メタデータ） (2026-09-21T11:59:07Z)
• When and How Should an Agent Clarify? CIGAsk: Teaching LLMs to Clarify via Counterfactual Information Gain [73.2163413577971]
  そこで本研究では,回答よりも質問するタイミングと,不明瞭な情報を回復する質問を行う方法という,2つのスキルを教えるレシピを提案する。 不斉あいまいさボーナスは、金のあいまいさラベルに基づいて署名された報酬を端末トークンに割り当て、いつ尋ねるかを案内する。 また、データ単位のチューニングなしでデータセット間で転送し、アウト・オブ・ディストリビューションのベンチマークでシングルターンのQAパフォーマンスを保存する。
  論文  参考訳（メタデータ） (2026-09-21T08:47:39Z)
• Learning Evidence Sufficiency Boundaries for Selective Answering in Grounded Multi-Hop QA [0.0]
  本研究は, 証拠満足度境界による選択的解答について検討する。 同じ質問に対して、モデルはサポートされていない、または部分的にサポートされているコンテキストを排除すべきである。 次世代ネイティブトレーニングフレームワークであるEvidence Sufficiency Boundary Trainingを紹介した。
  論文  参考訳（メタデータ） (2026-09-01T15:16:11Z)
• Prompt-Based Abstention Fails Under Misleading Context: A Controlled Study of Small Frozen RAG Models [0.0]
  誤りや誤解を招く証拠は、検索強化世代でも同じ問題ではない。 証拠が欠落している場合、モデルは確実に棄却されるが、明示的な棄却の下では、誤解を招く質問の41.6%は依然として答えている。
  論文  参考訳（メタデータ） (2026-08-23T05:43:27Z)
• 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)
• Two Regimes of Chain-of-Thought Unfaithfulness: Behavioral Detection Fails Where Models Are Wrong [1.2744523252873352]
  ブラックボックス(行動)によるFaithCoT-Benchの人間のアノテーションに対する不誠実なCoTの検出。 答えの正しさはあらゆるレベルで問題を構成する。
  論文  参考訳（メタデータ） (2026-07-26T04:43:53Z)
• Evidence Interfaces Shape How Retrieval-Augmented Readers Use Support [10.934702002803434]
  我々は、生のコンテキスト、検索ウィンドウ、ゴールドサポート型診断レンダリングで訓練されたマッチングされた読者を比較した。 2Wiki と MuSiQue では、サポート付きローダがカバレッジを高め、ロープロンプトコストで生のコンテキスト品質を回復する。 サポートアノテート評価では、トップkの回答スコアを完全サポートカバレッジとともに報告する必要がある。
  論文  参考訳（メタデータ） (2026-07-19T07:25:44Z)
• When Correct Edges Cannot Be Verified: A Provenance Gap in Incomplete KGQA and a Provenance-Favoring Completion Policy [8.057966659934769]
  不完全な知識グラフ質問回答(IKGQA)は、推論を継続するために欠落したエッジを完成させる必要がある。 増大する作業行は、検索されたテキストに対して完了したエッジを検証し、テキストサポートをエッジ品質のプロキシとして扱う。 私たちは、私たちの知る限りでは、体系的にテストされていない: テキストの妥当性は、実際に正当性を追跡しているのだろうか? 提案するTGCompleteは,証拠を推論ブレークポイントで検索し,軽量ループを通じて候補を検証し,支援が欠落した場合に断定する,証明に好意的な入場ポリシーである。
  論文  参考訳（メタデータ） (2026-06-14T14:14:56Z)
• C-MORE: Pretraining to Answer Open-Domain Questions by Consulting Millions of References [47.20656650130518]
  主な課題は、タスク固有のアノテーションを使わずに、高品質な質問-回答-コンテキスト三つ子を構築する方法である。 本研究では,ウィキペディアで引用される数百万の参照を参考に,3つの基準をすべて満たす大規模コーパスを自動構築する。 事前学習したレトリバーは,トップ20の精度で2%～10%の絶対ゲインを達成し,事前学習した読者では,システム全体の一致率を最大4%向上させる。
  論文  参考訳（メタデータ） (2022-03-16T20:30:05Z)
• Double Retrieval and Ranking for Accurate Question Answering [120.69820139008138]
  本研究では,トランスフォーマーを用いた解答選択モデルに導入された解答検証ステップが,問合せ解答における解答の精度を大幅に向上させることを示す。 AS2のためのよく知られた3つのデータセットの結果は、最先端の一貫性と大幅な改善を示している。
  論文  参考訳（メタデータ） (2022-01-16T06:20:07Z)

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。