論文の概要: TopoGraphRAG-Bench: Evaluating Multimodal GraphRAG on Layout-Grounded Evidence Reasoning
- arxiv url: http://arxiv.org/abs/2610.09360v1
- Date: Wed, 07 Oct 2026 03:15:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 21:58:22.693153
- Title: TopoGraphRAG-Bench: Evaluating Multimodal GraphRAG on Layout-Grounded Evidence Reasoning
- Title（参考訳）: TopoGraphRAG-Bench: Layout-Groundence ReasoningによるマルチモーダルグラフRAGの評価
- Abstract要約: 本稿では,GraphRAGにおけるマルチモーダルエビデンスのためのレイアウトグラウンドベンチマークTOPOGRAPHRAG-BENCHを紹介する。
検索,生成,トポロジ対応推論指標を用いて,テキストのみのGraphRAG,ページレベルのビジュアル検索,マルチモーダルなGraphRAGシステムの評価を行った。
- 参考スコア（独自算出の注目度）: 5.635643939397581
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Real-world documents distribute evidence across text, tables, figures, and captions within complex page layouts. Answering complex questions over such documents therefore requires more than retrieving relevant passages: systems must recover the evidence topology that connects heterogeneous evidence units. Existing GraphRAG evaluations remain largely text-centered, while multimodal document RAG benchmarks assess cross-modal retrieval and generation without directly evaluating recovery of the intended evidence topology. We introduce TOPOGRAPHRAG-BENCH, a layout-grounded benchmark for multimodal evidence reasoning in GraphRAG, comprising 2,024 questions over 201 long, visually rich documents. Questions are constructed bottom-up from text, figure, and table evidence units under three controlled topologies: single-hop retrieval, bridge-chain reasoning, and multi-source synthesis. To ensure that questions preserve their intended structure, we apply counterfactual validation for shortcut resistance, modality necessity, and evidence necessity. We evaluate text-only GraphRAG, page-level visual retrieval, and multimodal GraphRAG systems using retrieval, generation, and topology-aware reasoning metrics. Multimodal GraphRAG systems achieve the strongest overall performance, but still fail when visual-textual evidence alignment or multi-unit composition is incomplete. Text-only GraphRAG struggles when key dependencies are grounded in figures or tables, while page-level visual retrieval lacks the fine-grained structure needed for topology recovery. These findings motivate GraphRAG systems that move beyond text-derived entity relation graphs to explicitly model document layouts, cross-modal evidence alignment, and the reasoning roles of evidence units. Code and data are available at https://richardlrc.github.io/TopoGraphRAG-Bench/.
- Abstract（参考訳）: 現実世界の文書は、複雑なページレイアウトの中で、テキスト、テーブル、フィギュア、キャプションに証拠を分配する。
したがって、そのような文書に関する複雑な質問に答えるには、関連するパスを検索する以上のことが必要である:システムは異種証拠ユニットを接続するエビデンストポロジを回復しなければならない。
既存のGraphRAG評価は、主にテキスト中心であり、マルチモーダル文書RAGベンチマークは、意図したエビデンストポロジの回復を直接評価することなく、クロスモーダル検索と生成を評価する。
ToPOGRAPHRAG-BENCHは,201の長い視覚的にリッチな文書に対して2,024の質問を含む,GraphRAGのマルチモーダルエビデンス推論のためのレイアウトグラウンドベンチマークである。
質問は、シングルホップ検索、ブリッジチェーン推論、マルチソース合成という3つの制御されたトポロジーの下で、テキスト、フィギュア、テーブルエビデンスユニットからボトムアップを構築する。
質問が意図した構造を確実に維持するために, ショートカット抵抗, モダリティの必要性, 証拠の必要性に対して, 反実的検証を適用した。
検索,生成,トポロジ対応推論指標を用いて,テキストのみのGraphRAG,ページレベルのビジュアル検索,マルチモーダルなGraphRAGシステムの評価を行った。
マルチモーダルグラフRAGシステムは、最も高い全体的な性能を達成するが、視覚的・テキスト的エビデンスアライメントやマルチユニット合成が不完全である場合にはまだ失敗する。
テキストのみのGraphRAGは、キー依存関係が図やテーブルに埋もれている場合と、ページレベルのビジュアル検索では、トポロジー回復に必要なきめ細かな構造が欠如している。
これらの発見は、テキスト由来のエンティティ関係グラフを超えて文書レイアウトを明示的にモデル化するGraphRAGシステム、クロスモーダルなエビデンスアライメントアライメント、エビデンスユニットの推論の役割を動機付けている。
コードとデータはhttps://richardlrc.github.io/TopoGraphRAG-Bench/で公開されている。
関連論文リスト
- ConceptFormer: Learning Adaptive Latent Concepts for Query-Document Alignment in Visual Document Retrieval [62.80735412748694]
ConceptFormerは、ビジュアル文書検索のための潜在概念表現学習フレームワークである。
クエリ関連エビデンスとは、局所化された視覚的エビデンスとセマンティックな関連性を明確に橋渡しする、連続的でクエリ条件付き潜在概念である。
平均的なNDCG@10では、最強のビジュアル検索ベースラインと最強のOCRベースのテキスト検索ベースラインに対して16.7%と22.1%の相対的な改善が達成されている。
論文 参考訳（メタデータ） (2026-08-16T12:07:12Z) - HVM-GraphRAG: Holistic-View Multimodal Graph Retrieval-Augmented Generation on Complex Document [36.46869470798395]
マルチモーダルグラフRAGは、ドキュメントエビデンスをグラフ構造で整理することで、有望な方向を提供する。
HVM-GraphRAGは、グラフ構築をガイドするために全体的なビューを使用し、ノイズと競合するグラフ更新を減らす。
3つのデータセットの実験から、HVM-GraphRAGは、ほとんどの評価済み設定において、最高の回答性能を達成することが示された。
論文 参考訳（メタデータ） (2026-07-26T12:47:25Z) - MAGE-RAG: Multigranular Adaptive Graph Evidence for Agentic Multimodal RAG in Long-Document QA [14.865891513918278]
長い文書のマルチモーダルな質問応答には、長いPDFでスパースエビデンスを見つけるシステムが必要である。
本稿では,長期文書マルチモーダルQAのための多言語適応グラフエビデンスフレームワークであるMAGE-RAGを提案する。
論文 参考訳（メタデータ） (2026-06-14T16:34:15Z) - WildGraphBench: Benchmarking GraphRAG with Wild-Source Corpora [34.720109050809285]
グラフベースのRetrieval-Augmented Generation (GraphRAG)は、階層グラフとして外部知識を整理する。
GraphRAGの既存のベンチマークの多くは、外部知識として短い、キュレートされたパスに依存している。
WildGraphBenchは、GraphRAGのパフォーマンスを野生で評価するために設計されたベンチマークである。
論文 参考訳（メタデータ） (2026-02-02T12:55:29Z) - $G^2$-Reader: Dual Evolving Graphs for Multimodal Document QA [53.491241153213565]
G2$-Readerはマルチモーダルな質問応答のためのデュアルグラフシステムである。
Qwen3-VL-32B-Instructによる$G2$-Readerの平均精度は66.21%に達し、強力なベースラインとスタンドアローンのGPT-5(53.08%)を上回った。
5つのマルチモーダルドメインにわたるVisDoMBenchでは、Qwen3-VL-32B-Instructを使った$G2$-Readerが平均精度66.21%に達し、強力なベースラインとスタンドアロンのGPT-5(53.08%)を上回っている。
論文 参考訳（メタデータ） (2026-01-29T17:52:54Z) - N2N-GQA: Noise-to-Narrative for Graph-Based Table-Text Question Answering Using LLMs [0.0]
ハイブリッドテーブルテキストデータに対するマルチホップ質問応答には,大規模コーパスからの複数のエビデンス部分の検索と推論が必要である。
Standard Retrieval-Augmented Generation (RAG) パイプラインは文書をフラットなランクリストとして処理し、検索ノイズがあいまいな推論連鎖を引き起こす。
N2N-GQAは、ノイズの多い検索出力から動的エビデンスグラフを構成する、オープンドメインハイブリッドテーブルテキストQAのための最初のゼロショットフレームワークである。
論文 参考訳（メタデータ） (2026-01-10T15:55:15Z) - RouteRAG: Efficient Retrieval-Augmented Generation from Text and Graph via Reinforcement Learning [69.87510139069218]
Retrieval-Augmented Generation (RAG)は、非パラメトリック知識をLarge Language Models (LLM)に統合する
強化学習(RL)による多ターン推論へのテキストベースRAGの進歩
LLMがマルチターンおよび適応的なグラフテキストハイブリッドRAGを実現するためのRLベースのフレームワークであるモデルを導入する。
論文 参考訳（メタデータ） (2025-12-10T10:05:31Z) - Scaling Beyond Context: A Survey of Multimodal Retrieval-Augmented Generation for Document Understanding [61.36285696607487]
文書理解は、財務分析から科学的発見への応用に不可欠である。
現在のアプローチでは、OCRベースのパイプラインがLarge Language Models(LLM)やネイティブのMultimodal LLMs(MLLM)に制限されている。
Retrieval-Augmented Generation (RAG)は、外部データの基底モデルを支援するが、文書のマルチモーダルな性質は、テキスト、テーブル、チャート、レイアウトを組み合わせることで、より高度なパラダイムを必要とする。
論文 参考訳（メタデータ） (2025-10-17T02:33:16Z) - Respecting Temporal-Causal Consistency: Entity-Event Knowledge Graphs for Retrieval-Augmented Generation [69.45495166424642]
我々は,物語文書における時間的,因果的,文字的整合性を理解するために,頑健で差別的なQAベンチマークを開発する。
次に、バイナリマッピングでリンクされたエンティティとイベントのサブグラフを分離したまま保持するデュアルグラフフレームワークであるEntity-Event RAG(E2RAG)を紹介します。
ChronoQA全体で、我々のアプローチは最先端の非構造化およびKGベースのRAGベースラインよりも優れており、因果一貫性クエリや文字整合性クエリが顕著である。
論文 参考訳（メタデータ） (2025-06-06T10:07:21Z) - Divide by Question, Conquer by Agent: SPLIT-RAG with Question-Driven Graph Partitioning [62.640169289390535]
SPLIT-RAGは、質問駆動セマンティックグラフ分割と協調サブグラフ検索による制限に対処するマルチエージェントRAGフレームワークである。
革新的なフレームワークは、まずリンク情報のセマンティック分割を作成し、次にタイプ特化知識ベースを使用してマルチエージェントRAGを実現する。
属性対応グラフセグメンテーションは、知識グラフを意味的に一貫性のあるサブグラフに分割し、サブグラフが異なるクエリタイプと整合することを保証する。
階層的なマージモジュールは、論理的検証を通じて、部分グラフ由来の解答間の矛盾を解消する。
論文 参考訳（メタデータ） (2025-05-20T06:44:34Z)
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。