論文の概要: Benchmarking and Training Reward Models for Cross-Source Evidence Grounding in Search Agents

• arxiv url: http://arxiv.org/abs/2610.17827v1
• Date: Tue, 13 Oct 2026 06:48:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.536683
• Title: Benchmarking and Training Reward Models for Cross-Source Evidence Grounding in Search Agents
• Title（参考訳）: 検索エージェントにおけるクロスソースエビデンスグラウンドのためのベンチマークとリワードモデルの訓練
• Abstract要約: オープンなWeb検索の信頼性は、原則化されたクロスソースな証拠の根拠に依存すると我々は主張する。 完全探索軌道上の細粒度6層決定木を用いた評価フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 27.243625991862192
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Existing approaches to training and evaluating search agents focus heavily on final-answer quality, largely neglecting how generated answers map back to retrieved evidence. Recent methods track citations to enforce grounding, but citation support alone does not establish source independence or whether an answer appropriately handles conflicting evidence. We argue that credibility in open-web retrieval depends on principled cross-source evidence grounding that accounts for source independence and systematically attributes and adjudicates conflicting evidence, while hierarchical judgments of these grounding decisions provide a unified signal for training and evaluation. To this end, we propose an evaluation framework, Cross-Source Evidence Grounding (CSEG), that employs a fine-grained, six-layer decision tree over the complete search trajectory. We introduce CSEG-Bench and trainable reward models to provide targeted supervision following this framework. Our approach helps eliminating the severe data skew of natural trajectories by providing targeted coverage over complex, deep-layer decision paths, such as cross-source conflict resolution and nuanced attribution, that standard rollouts fail to capture. Specifically, (1) we define the hierarchy at label, node, and path levels; (2) we construct 1,160 verified trajectories over nine canonical paths by rewriting answers on real retrieved document pools, with independent frontier judges reproducing the entire gold path and human experts deciding inclusion; (3) we train CSEG-RM, which reaches 83.9% exact accuracy on our benchmark while lying on the performance-token efficiency Pareto frontier. Experiments that use this reward alone to supervise a frozen-retrieval answer policy raise the independently judged mean label from 2.83 to 4.19, and show that learning the hierarchy generalizes across layers at a fraction of frontier-judge cost.
• Abstract（参考訳）: 既存の検索エージェントのトレーニングと評価のアプローチは、最終回答の品質に大きく焦点を合わせており、生成した回答がどのように復元された証拠にマップするかを無視している。 最近の方法では、根拠を強制するための引用を追跡するが、引用支援だけでは、情報源の独立性を確立したり、答えが矛盾する証拠を適切に扱うかどうかを判断することができない。 オープンウェブ検索の信頼性は、ソースの独立性や体系的な属性、矛盾するエビデンスを判断する根拠となる、原則的なクロスソースエビデンスに依存していると我々は主張する。 そこで本研究では,全探索軌道上の細粒度6層決定木を用いたクロスソースエビデンスグラウンド(CSEG)の評価フレームワークを提案する。 CSEG-Benchとトレーニング可能な報酬モデルを導入し、このフレームワークに追従してターゲットの監視を行う。 我々のアプローチは、クロスソースコンフリクト解決やニュアンスド属性といった複雑なディープ層決定パスを対象とすることで、通常のロールアウトがキャプチャーできないような、自然なトラジェクトリの厳しいデータスキューを取り除くのに役立つ。 具体的には,(1)ラベル,ノード,パスの階層を定義し,(2)実検索された文書プールの回答を書き換えることにより,1,160個の正準経路上の検証された軌跡を構築し,(2)ゴールドパス全体を再現する独立フロンティアの裁判官と包括性を判断する人間専門家,(3)ベンチマーク上で83.9%の精度で精度の高いCSEG-RMをトレーニングする。 この報酬を単独で利用して、フリーズ・検索の回答ポリシーを監督する実験は、独立に判断された平均ラベルを2.83から4.19に引き上げ、階層の学習がフロンティア・ジャッジのコストのごく一部で階層間を一般化することを示す。

関連論文リスト

• Answer with Evidence: Consistency-Aware Grounded Visual Question Answering for Roadside Traffic Scenes [74.32863692381677]
  RoadSceneVQA-Gは34.7Kの質問応答対のベンチマークである。 RoadSceneVQA-Gは34.7Kの質問応答対のベンチマークである。
  論文  参考訳（メタデータ） (2026-10-04T14:48:54Z)
• PathAnchor: Path-Structured Evidence for Scientific Agents [9.73907942765207]
  パス構造化されたエビデンスワークスペース上に構築された境界科学的推論システムであるPathAnchorを紹介する。 コントローラは3つの読み取り専用ツールを使用して、紙固有の軌跡、候補ソースをまたいだトレースパスを検索し、クレームを暗示する前に正確な証拠をオープンする。 120のシングルペーパーとクロスペーパーのフレキシブルセンサーの質問で、PathAnchorは82.6%を獲得し、6つの評価システムをリードしている。
  論文  参考訳（メタデータ） (2026-09-30T01:49:02Z)
• SingGuard-NSFA: Extensible Guardrails for Agentic AI via Generative Reasoning and Real-Time Classification [0.0]
  nsfaguardは、エージェントAIシステムを運用上の脅威から保護するためのガードレールフレームワークである。 まず,185種のリスク変異をCIA-Triad-grounded 階層に分類するNSFA分類について紹介する。 凍結したバックボーン上の識別的分類ヘッドと解釈可能なオフライン監査のためのSFTに基づく生成推論を組み合わせたデュアルモードアプローチを開発した。
  論文  参考訳（メタデータ） (2026-07-13T07:28:45Z)
• MultAttnAttrib: Training-Free Multimodal Attribution in Long Document Question Answering [73.47440561592556]
  トレーニング不要な属性生成手法であるMultAttnAttribを紹介する。 MultAttnAttribは、様々な属性生成方法よりも一貫して優れていることを示す。 提案手法は直接推論遅延の最大7分の1の属性を生成する。
  論文  参考訳（メタデータ） (2026-07-01T19:29:19Z)
• CogRAG+: Cognitive-Level Guided Diagnosis and Remediation of Memory and Reasoning Deficiencies in Professional Exam QA [13.324231386098042]
  CogRAG+は、検索強化生成パイプラインと人間の認知階層を分離、調整する、トレーニング不要のフレームワークである。 我々は,CagRAG+が,登録栄養士資格試験において汎用モデルと標準RAG法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） (2026-04-01T13:31:12Z)
• AEGIS: From Clues to Verdicts -- Graph-Guided Deep Vulnerability Reasoning via Dialectics and Meta-Auditing [9.271196825503417]
  大きな言語モデル(LLM)は、脆弱性検出にますます採用されているが、その推論は基本的には正しくない。 AEGISは、未解決の投機から、クローズドな事実ベース上の法医学的検証へ、検出をシフトする新しいマルチエージェントフレームワークである。 これは、主要なベースラインと比較して偽陽性率を最大54.40%削減し、1サンプルあたりの平均コストはタスク固有のトレーニングなしで0.09ドルである。
  論文  参考訳（メタデータ） (2026-03-21T04:12:04Z)
• Search-R2: Enhancing Search-Integrated Reasoning via Actor-Refiner Collaboration [49.9937230730202]
  本稿では,新たなアクター・リファイナ・コラボレーション・フレームワークであるSearch-R2を提案する。 提案手法は,生成過程をアクターに分解し,最初の推論軌道を生成する。 本稿では,検索-R2がモデルスケール全体にわたって強力なRAGとRLベースのベースラインを一貫して上回ることを示す。
  論文  参考訳（メタデータ） (2026-02-03T15:32:09Z)

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。