論文の概要: Finding the Right Balance: Relevance and Diversity in LLM Retrieval

• arxiv url: http://arxiv.org/abs/2610.09412v1
• Date: Wed, 07 Oct 2026 04:14:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 21:58:22.713604
• Title: Finding the Right Balance: Relevance and Diversity in LLM Retrieval
• Title（参考訳）: 正しいバランスを見つける: LLM検索における妥当性と多様性
• Abstract要約: 多様性は,清浄プールにおける妥当性,エビデンスカバレッジ,品質に悪影響を及ぼすことを示す。 クエリ適応型ルールを導入し、クエリのエビデンス要件以下に最寄りの$-k$選択において、個々のドキュメントの有効個数が異なる場合にのみ、多様化する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Retrieval diversification is widely available in retrieval-augmented generation (RAG) frameworks, yet prior studies disagree on whether it improves retrieval and answer quality. We show that its effectiveness varies primarily with candidate-pool redundancy, in a pattern consistent with the number of distinct evidence pieces a query requires. Using controlled near-duplicate injection and production-style overlapping chunking, we find that diversification harms relevance, evidence coverage and answer quality on clean pools, but becomes beneficial on multi-evidence tasks when redundancy causes nearest-neighbor retrieval to select repeated passages. We therefore introduce a query-adaptive rule that diversifies only when the effective number of distinct documents in the nearest-neighbor top-$k$ selection falls below the query's evidence requirement. Computed from existing embeddings, the rule captures most of the achievable gain, transfers across datasets and encoders and automatically reduces to nearest-neighbor retrieval for single-evidence queries. We also introduce RNG-Score, a geometric reranker with an exact nearest-neighbor fallback whose margin indicates duplicate structure. Overall, we conclude that diversification should be used selectively, based on observable redundancy and evidence requirements.
• Abstract（参考訳）: 検索の多様化は、検索強化世代(RAG)フレームワークで広く見られるが、事前の研究では、検索と回答の品質の改善について意見が一致していない。 提案手法の有効性は,クエリが要求する明確な証拠の個数と一致したパターンで,主に候補プールの冗長性によって異なることを示す。 制御された近接重複注入と生産スタイルのオーバーラップ・チャンクを用いることで,多様性はクリーンプールにおける関連性,エビデンスカバレッジ,回答品質に悪影響を及ぼすが,冗長性が最寄りの探索に近づき,繰り返し経路を選択すると,多面的タスクに有益となる。 そこで,クエリ適応型ルールを導入し,クエリのエビデンス要件の下にある最寄りの$-k$選択において,個々の文書の有効個数だけを多様化する。 既存の埋め込みから計算されたこのルールは、達成可能なゲインの大部分をキャプチャし、データセットとエンコーダをまたいで転送し、シングルエビデンスクエリの最も近い隣の検索に自動的に還元する。 また、RNG-Scoreも導入した。RNG-Scoreは、隣り合う最寄りのフォールバックを持つ幾何学的再ランカで、そのマージンは重複構造を示している。 全体として,観測可能な冗長性とエビデンス要件に基づいて,多角化を選択的に利用するべきであると結論付けた。

関連論文リスト

• ORDER: Task-Conditioned Routing for Retrieval-Augmented Generation [3.6028767235872965]
  本稿では,クエリにインデックス付けと検索を併用する問合せ条件付きRAGフレームワークを提案する。 我々は,大規模かつ異種な歴史的アーカイブの枠組みを評価し,クエリのインデックス付けと検索の条件付けが,根本的ベースラインと最先端RAGシステムの両方を一貫して上回っていることを示す。
  論文  参考訳（メタデータ） (2026-09-15T11:23:16Z)
• 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)
• Hierarchical Evidence-Driven Reasoning for Long Document Understanding [95.51688464037096]
  閉領域文書理解のための階層的・エビデンス駆動型マルチモーダルRAGフレームワークであるHIEVI-RAGを紹介する。 我々のフレームワークは、既存のオープンソースベースラインを著しく上回り、最強の報告ベースラインを平均8.05%の精度で上回ります。
  論文  参考訳（メタデータ） (2026-07-06T03:08:28Z)
• Retriever Portfolios: A Principled Approach to Adaptive RAG [30.668406304237404]
  そこで本研究では,対象クエリ分布の異なる領域をカバーするために,候補の大規模プールから,少数の多種多様なサブセットを自動的に選択する手法を提案する。 複数のQAベンチマークを通じて、学習したポートフォリオとルータパイプラインは、一貫してシングルリレーバとナイーブなマルチリレーバベースラインを上回っています。
  論文  参考訳（メタデータ） (2026-05-29T11:43:05Z)
• Can QPP Choose the Right Query Variant? Evaluating Query Variant Selection for RAG Pipelines [48.34524144147475]
  LLM(Large Language Models)は、現代の検索やRAG(Retrieval-Augmented Generation)パイプラインにおいて、クエリ再構成を至るところで実現している。 本稿では、アドホック検索とエンドツーエンドRAGをまたいで、クエリ性能予測(QPP)を異種選択のメカニズムとして検討する。
  論文  参考訳（メタデータ） (2026-04-24T15:36:40Z)
• LITTA: Late-Interaction and Test-Time Alignment for Visually-Grounded Multimodal Retrieval [0.0]
  LITTAは、エビデンスページ検索のためのクエリ拡張中心の検索フレームワークである。 ユーザクエリが与えられた後、LITTAは大きな言語モデルを使用して補完的なクエリ変種を生成する。 拡張されたクエリからの候補は、エビデンスカバレッジを改善するために、相互のランクフュージョンを通じて集約される。
  論文  参考訳（メタデータ） (2026-03-10T13:25:39Z)
• MARA: A Multimodal Adaptive Retrieval-Augmented Framework for Document Question Answering [51.19392014547221]
  検索型マルチモーダル文書QAは,視覚的にリッチな文書から複雑なマルチモーダル構造を持つ関連情報を識別し,統合することを目的としている。 現在のアプローチは、サージェントなコンテンツを見渡すクエリに依存しないドキュメント表現に依存しています。 本稿では,クエリ適応生成を導入したMultimodal Adaptive Retrieval-Augmented (MARA)フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-01T12:27:40Z)
• MultiConIR: Towards multi-condition Information Retrieval [38.864056667809095]
  MultiConIRは、複雑なマルチ条件クエリシナリオ下での検索および再ランクモデルの評価のために設計されたベンチマークである。 ほとんどのレトリバーとリランカは、クエリの複雑さが増大するにつれて、パフォーマンスが大幅に低下する。 この研究は、リランカの性能劣化の原因を解明し、クエリ内の条件位置が類似性評価にどのように影響するかを検討する。
  論文  参考訳（メタデータ） (2025-03-11T05:02:03Z)

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。