論文の概要: IREA: Intermediate Representation-based Embedding Alignment for Normative RAG

• arxiv url: http://arxiv.org/abs/2610.04974v1
• Date: Sun, 04 Oct 2026 05:42:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-11 07:25:07.837179
• Title: IREA: Intermediate Representation-based Embedding Alignment for Normative RAG
• Title（参考訳）: IREA: Normative RAGのための中間表現に基づく埋め込みアライメント
• Abstract要約: 本稿では,外部規範知識を用いた倫理的判断を支援する検索強化アプローチであるノルマティブRAGを紹介する。 両テキストタイプを共有状況-行動表現にマッピングする双方向アライメント手法であるIREAを提案する。 実験の結果、IREAは複数の設定で規範的検索と下流の倫理的判断を改善していることがわかった。
• 参考スコア（独自算出の注目度）: 8.34693447216045
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language models (LLMs) have shown strong performance across various tasks, but they still struggle with questions involving ethical judgment. Previous studies have attempted to train LLMs on ethical standards, but the diversity and relativity of ethical norms make them difficult to fully internalize in model parameters. As an alternative, we introduce normative RAG, a retrieval-augmented approach that supports ethical judgment using external normative knowledge. Normative retrieval involves a distinct asymmetry between context rich narrative queries and generalized normative statements. Existing factual retrieval methods rely on query-only expansion into a document-like form, making them insufficient for resolving this asymmetry. Therefore, we propose Intermediate Representation-based Embedding Alignment (IREA), a bidirectional alignment method that maps both text types into a shared situation-behavior representation. This representation captures ethically salient contextual and behavioral information in a normalized form, reducing surface-level discrepancies and improving alignment in the embedding space. Experimental results show that IREA improves normative retrieval and downstream ethical judgment across multiple settings, demonstrating the effectiveness of bidirectional alignment for normative RAG.
• Abstract（参考訳）: 大規模言語モデル(LLM)は様々なタスクで強いパフォーマンスを示しているが、倫理的判断に関わる問題に苦慮している。 従来の研究では、LLMを倫理的基準で訓練しようとしたが、倫理的規範の多様性と相対性理論により、モデルパラメータの完全な内部化が困難になった。 代替として,外部規範知識を用いた倫理的判断を支援する検索強化アプローチであるノルマティブRAGを導入する。 規範的検索は、コンテキストリッチな物語クエリと一般化された規範的ステートメントの明確な非対称性を含む。 既存の事実検索法は、クエリのみによる文書型への拡張に依存しており、この非対称性を解決するには不十分である。 そこで本研究では,両テキストタイプを共有状況行動表現にマッピングする双方向アライメント手法であるIntermediate Representation-based Embedding Alignment (IREA)を提案する。 この表現は、倫理的に健全な文脈情報と行動情報を正規化された形で捉え、表面レベルの相違を低減し、埋め込み空間におけるアライメントを改善する。 実験の結果,IREAは規範的検索と下流の倫理的判断を複数の設定で改善し,規範的RAGに対する双方向アライメントの有効性を示した。

関連論文リスト

• UMER: Unifying Embedding and Ranking via Pair-Aware Discriminative Reasoning for Universal Multimodal Retrieval [7.404190239665035]
  汎用マルチモーダル検索のための統一型マルチモーダル埋め込みとランク付けフレームワークを提案する。 UMERはアイテムワイドリフレクションをPair-Aware Discriminative Reasoningに置き換える。 MMEB-V2ベンチマークでは、UMERは最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-08-19T03:51:39Z)
• FollowTable: A Benchmark for Instruction-Following Table Retrieval [30.435522584995336]
  Instruction-Following Table Retrieval (IFTR) を定式化した。 本稿では,IFTRの最初の大規模ベンチマークであるFollowTableを紹介する。
  論文  参考訳（メタデータ） (2026-05-01T04:42:13Z)
• Reinforcing privacy reasoning in LLMs via normative simulacra from fiction [1.143869785127334]
  コンテキスト整合性(Contextual Integrity)は、コンテキスト関連規範内の情報の適切なフローとしてプライバシを定義する、原則化されたフレームワークを提供する。 本稿では、フィクション小説から規範的シミュラクラを抽出し、それらを微調整LDMに使用することを提案する。 異なる社会的文脈にまたがる5つのCI整合ベンチマークを評価した。
  論文  参考訳（メタデータ） (2026-04-21T19:16:22Z)
• When Does Context Help? Error Dynamics of Contextual Information in Large Language Models [64.88201012057822]
  大規模言語モデルにおける任意の文脈情報の影響を分析するための統合理論フレームワークを提案する。 本分析は,出力誤差ダイナミクスによる文脈的影響を特徴付ける。 ICL、検索拡張生成、メモリ進化に関する実験は、我々の理論を検証し、原則化された文脈選択戦略を動機づける。
  論文  参考訳（メタデータ） (2026-02-09T05:58:41Z)
• Grounding Long-Context Reasoning with Contextual Normalization for Retrieval-Augmented Generation [57.97548022208733]
  キー値抽出における表面的選択が精度と安定性のシフトを引き起こすことを示す。 生成前の文脈表現を適応的に標準化する戦略であるコンテキスト正規化を導入する。
  論文  参考訳（メタデータ） (2025-10-15T06:28:25Z)
• Cross-modal Full-mode Fine-grained Alignment for Text-to-Image Person Retrieval [54.90229711181207]
  TIPR (Text-to-Image Person Retrieval) は、与えられたテキストクエリに基づいて、最も関連性の高い人物画像を取得することを目的としている。 TIPRの鍵となる課題は、テキストと視覚のモダリティの効果的なアライメントを達成することである。 FMFA, クロスモーダルフルモーデファインファインファインファインアライメントフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-17T07:12:05Z)
• SCORE: A Semantic Evaluation Framework for Generative Document Parsing [2.5101597298392098]
  マルチモーダル生成文書解析システムは意味論的に正しいが構造的に異なる出力を生成する。 従来のメトリクス-CER, WER, IoU, TEDS-misclassized such diversity as error, penalizing valid interpretations and obscuring system behavior。 SCORE, (i) 調整した編集距離を頑健な内容の忠実度と統合する解釈非依存のフレームワーク, (ii) トークンレベルの診断で幻覚と排便を区別する, (iii) 空間的寛容とセマンティックアライメントによるテーブル評価, (iv) 階層対応の整合性チェックを紹介する。
  論文  参考訳（メタデータ） (2025-09-16T16:06:19Z)
• Improve Rule Retrieval and Reasoning with Self-Induction and Relevance ReEstimate [11.890202757543307]
  本稿では,ルール検索の課題を体系的に解決する。 スパースや密集したレトリバーを用いて関連するルールを直接検索するバニラ検索法は、しばしば低い精度に悩まされる。 本稿では,Large Language Models (LLMs) を用いて潜在的な推論規則を導出する新しい手法であるSelf-Induction Augmented Retrieval (SIAR)を提案する。
  論文  参考訳（メタデータ） (2025-05-16T05:22:42Z)
• Retrieval is Not Enough: Enhancing RAG Reasoning through Test-Time Critique and Optimization [58.390885294401066]
  Retrieval-augmented Generation (RAG) は知識基底型大規模言語モデル(LLM)を実現するためのパラダイムとして広く採用されている。 RAGパイプラインは、モデル推論が得られた証拠と整合性を維持するのに失敗することが多く、事実上の矛盾や否定的な結論につながる。 批判駆動アライメント(CDA)に基づく新しい反復的枠組みであるAlignRAGを提案する。 AlignRAG-autoは、動的に洗練を終了し、批判的な反復回数を事前に指定する必要がなくなる自律的な変種である。
  論文  参考訳（メタデータ） (2025-04-21T04:56:47Z)
• Anticipating the Unseen Discrepancy for Vision and Language Navigation [63.399180481818405]
  視覚言語ナビゲーションでは、エージェントは特定のターゲットに到達するために自然言語命令に従う必要がある。 目に見える環境と目に見えない環境の間に大きな違いがあるため、エージェントがうまく一般化することは困難である。 本研究では,テストタイムの視覚的整合性を促進することによって,未知の環境への一般化を学習する,未知の離散性予測ビジョンと言語ナビゲーション(DAVIS)を提案する。
  論文  参考訳（メタデータ） (2022-09-10T19:04:40Z)

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。