論文の概要: Faithful Query Resolution for Conversational Search

• arxiv url: http://arxiv.org/abs/2610.15034v1
• Date: Sat, 10 Oct 2026 16:19:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 02:49:52.063734
• Title: Faithful Query Resolution for Conversational Search
• Title（参考訳）: 対話型検索のための忠実な問合せ解決法
• Abstract要約: BM25とSPLADE検索を用いて,行動適応型アシスタント内の5つのクエリ生成構成を比較した。 最小限の忠実なリゾルバはユーザの言葉を保存し、コンテキストに依存した参照のみを解決します。 重み付けされた相互の階調融合は、そのランクと、学習されたリライターと生の発話のランクを組み合わせる。
• 参考スコア（独自算出の注目度）: 3.2801975324657366
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Conversational query rewriting makes context-dependent requests explicit for retrieval, but additional context can introduce an information need the user did not express. This raises a question about the interaction between query fidelity and retrieval breadth. This paper examines that interaction in behavior-adaptive conversational search, using iKAT SCAI 2026 as the evaluation setting. We compare five query-generation configurations within a behavior-adaptive assistant using BM25 and SPLADE retrieval. A minimal-faithful resolver preserves the user's wording and resolves only context-dependent references; weighted reciprocal rank fusion combines its rankings with those from a learned rewriter and the raw utterance. Offline evaluation shows that adding these formulations recovers recall over the faithful query alone, with a slight reduction in nDCG@10. Across our five iKAT SCAI 2026 submissions, the weighted configuration obtains the highest mean retrieval scores, reaching nDCG@5 of 0.534, a 5.3\% relative improvement over the strongest alternative. However, this retrieval advantage does not coincide with the highest conversational satisfaction scores. These findings motivate separating faithful query interpretation from retrieval expansion, while assessing their effects on conversational utility independently.
• Abstract（参考訳）: 会話クエリの書き直しは、検索のためにコンテキスト依存の要求を明示するが、追加のコンテキストでは、ユーザが表現していない情報を導入することができる。 これにより、クエリの忠実度と検索幅の相互作用に関する疑問が提起される。 本稿では,iKAT SCAI 2026を評価設定として,行動適応型会話探索におけるインタラクションについて検討する。 BM25とSPLADE検索を用いて,行動適応型アシスタント内の5つのクエリ生成構成を比較した。 最小限の信頼度リゾルバはユーザの言い回しを保存し、文脈依存参照のみを解決し、重み付けされた相互階調融合は、そのランクと学習されたリライタと生の発話とを結合する。 オフライン評価では、これらの定式化を追加することで、忠実なクエリのみに対するリコールが回復し、nDCG@10がわずかに削減された。 5つのiKAT SCAI 2026の投稿の中で、重み付けされた構成は最も高い平均検索スコアを取得し、0.534のnDCG@5に達した。 しかし、この検索の優位性は、会話満足度の高いスコアと一致しない。 これらの知見は,検索拡張から忠実な問合せ解釈を分離すると同時に,会話ユーティリティへの影響を独立して評価する動機となっている。

関連論文リスト

• LINE Conversation History Retrieval for Personal Memory RAG: Evaluating Search Representations and Hybrid Retrieval [0.0]
  本研究では、あるユーザのLINE会話履歴に関する検索専用ケーススタディを提案する。 我々は358,896のメッセージを22,329の時間的コヒーレントなチャンクに分割し、3つの検索表現を構築した。 一つのアノテータで検証した100個の評価質問に対して,BM25,密度ベクトル検索,線形ハイブリッド検索を比較した。
  論文  参考訳（メタデータ） (2026-08-28T00:52:11Z)
• VisDocAgentBench: Benchmarking Agents for Visually Rich Document Retrieval [65.89247522243959]
  VisDocAgentBenchは、静的検索とエージェント検索を比較したクローズドコーパスベンチマークである。 100の文書から2,375ページ、120のユニークなターゲットクエリが直接、一橋、二橋のエビデンス構造でバランスを取っている。 強力な遅延対話型ビジュアルレトリバーは、直接アイテムで97.50%のRecall@1に達するが、2ブリッジアイテムでは2.50%に達し、関連性がコーパスコンテキストに依存する場合のクエリ-ターゲットマッチングの限界を明らかにする。
  論文  参考訳（メタデータ） (2026-08-18T15:23:06Z)
• RCEM: Embedder Equipped with Query Rewriting Skill for Robust Conversational Search in Distributional Shift [7.4048532358172245]
  本稿では,LLMの問合せ変換能力を埋込みモデルに蒸留する,対話型高密度検索モデルRCEMを提案する。 直接の会話と文書のマッチングを学習する従来の会話の密集した検索手法とは異なり、RCEMは会話クエリの埋め込みと書き直しクエリの埋め込みを整列する。 QReCC、TopiOCQA、TREC CAsTの実験は、RCEMが強い会話検索ベースラインを一貫して上回ることを示した。
  論文  参考訳（メタデータ） (2026-06-01T05:04:17Z)
• Test-Time Strategies for More Efficient and Accurate Agentic RAG [58.44913384057518]
  Retrieval-Augmented Generation (RAG) システムは複雑なマルチホップ問題に直面している。 このような手法は、以前に処理された情報の反復的な検索を含む非効率性を導入することができる。 本稿では,これらの問題を軽減するために,サーチ-R1パイプラインに対するテスト時間修正について検討する。
  論文  参考訳（メタデータ） (2026-03-12T19:18:59Z)
• Cluster-based Adaptive Retrieval: Dynamic Context Selection for RAG Applications [8.946586077722822]
  クラスタベースのAdaptive Retrieval (CAR) は、順序付きクエリ文書類似度距離のクラスタリングパターンを分析して、最適な文書数を決定するアルゴリズムである。 CARは、常に最適な検索深度を選択し、最高TESスコアを達成し、固定されたトップkベースラインを全て上回る。
  論文  参考訳（メタデータ） (2025-10-02T05:11:12Z)
• ConvMix: A Mixed-Criteria Data Augmentation Framework for Conversational Dense Retrieval [25.129468117978767]
  本研究では,対話型高密度検索のための混合基準フレームワークであるConvMixを提案する。 大規模言語モデルの助けを借りて,両面の妥当性判断拡張スキーマをスケーラブルに設計する。 広範に使用されている5つのベンチマーク実験の結果,我々のConvMixフレームワークで訓練された対話型高密度検索器は,従来のベースライン法よりも優れていた。
  論文  参考訳（メタデータ） (2025-08-06T01:28:49Z)
• Aligning Query Representation with Rewritten Query and Relevance Judgments in Conversational Search [32.35446999027349]
  我々は、より優れたクエリ表現モデルをトレーニングするために、リライトされたクエリと会話検索データの関連判断の両方を活用する。 提案したモデル --Query Representation Alignment Conversational Retriever(QRACDR)は、8つのデータセットでテストされる。
  論文  参考訳（メタデータ） (2024-07-29T17:14:36Z)
• BRIGHT: A Realistic and Challenging Benchmark for Reasoning-Intensive Retrieval [54.54576644403115]
  BRIGHTは、関係する文書を検索するために、集中的推論を必要とする最初のテキスト検索ベンチマークである。 私たちのデータセットは、経済学、心理学、数学、コーディングなど、さまざまな領域にまたがる1,384の現実世界のクエリで構成されています。 クエリに関する明示的な推論を取り入れることで、検索性能が最大12.2ポイント向上することを示す。
  論文  参考訳（メタデータ） (2024-07-16T17:58:27Z)
• Query Expansion Using Contextual Clue Sampling with Language Models [69.51976926838232]
  本稿では,実効的なフィルタリング戦略と検索した文書の融合の組み合わせを,各文脈の生成確率に基づいて提案する。 我々の語彙マッチングに基づくアプローチは、よく確立された高密度検索モデルDPRと比較して、同様のトップ5/トップ20検索精度と上位100検索精度を実現する。 エンド・ツー・エンドのQAでは、読者モデルも我々の手法の恩恵を受けており、いくつかの競争基準に対してエクサクト・マッチのスコアが最も高い。
  論文  参考訳（メタデータ） (2022-10-13T15:18:04Z)

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。