論文の概要: TimelineAgent: An LLM-based Framework for Query-Centric Event Timeline Extraction Across Multiple Documents

• arxiv url: http://arxiv.org/abs/2610.25733v1
• Date: Mon, 19 Oct 2026 03:35:35 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:44:22.095966
• Title: TimelineAgent: An LLM-based Framework for Query-Centric Event Timeline Extraction Across Multiple Documents
• Title（参考訳）: TimelineAgent: 複数のドキュメントにわたるクエリ中心のイベントタイムライン抽出のためのLLMベースのフレームワーク
• Abstract要約: クロスドキュメント・イベント・タイムラインの抽出は、クロスドキュメント・タイムライン構築の本質的な複雑さとクエリの多様性のために困難である。 マルチステージ推論ワークフローを備えたマルチエージェントフレームワークであるTimelineAgentを提案する。 我々はTimelineAgentが既存の手法を一貫して上回り、複雑な実世界のタイムライン構築のための実践的なフレームワークを提供することを示す。
• 参考スコア（独自算出の注目度）: 20.218576219959157
• License:
• Abstract: Query-centric cross-document event timeline extraction aims to construct event timelines from multiple documents under diverse query focuses. The task is very challenging due to the heterogeneous event modeling and reasoning requirements arising from both the intrinsic complexity of cross-document timeline construction and the diversity of query focuses. In this paper, we propose TimelineAgent, an LLM-based multi-agent framework featuring a multi-stage reasoning workflow, where heterogeneous event features are organized into reusable skills and orchestrated through a goal-oriented protocol. To facilitate evaluation, we construct a benchmark covering diverse query focuses. Experimental results show that TimelineAgent consistently outperforms existing methods, offering a practical framework for complex real-world timeline construction.
• Abstract（参考訳）: クエリ中心のクロスドキュメントイベントタイムライン抽出は、さまざまなクエリに焦点を当てた複数のドキュメントからイベントタイムラインを構築することを目的としている。 このタスクは、クロスドキュメントタイムライン構築の本質的な複雑さとクエリ焦点の多様性の両方から生じる異種イベントモデリングと推論要求のため、非常に難しい。 本稿では,多段階推論ワークフローを備えたLCMベースのマルチエージェントフレームワークであるTimelineAgentを提案する。 評価を容易にするため,多様なクエリに焦点を当てたベンチマークを構築した。 実験の結果,TimelineAgentは既存の手法を一貫して上回り,複雑な実世界のタイムライン構築のための実践的なフレームワークを提供することがわかった。

関連論文リスト

• TimelineReasoner: Advancing Timeline Summarization with Large Reasoning Models [54.737142557469916]
  我々は、タイムラインの要約を静的生成からアクティブな推論駆動プロセスに移行するフレームワークであるTimelineReasonerを提案する。 タイムラインの精度,カバレッジ,コヒーレンスの観点から,TimelineReasoner は既存の LLM ベースのTLS 手法よりも優れていることを示す。 この作業はTLSの境界を推し進めるだけでなく、タイムラインの要約のためのLRMベースの推論フレームワークの幅広い可能性を強調している。
  論文  参考訳（メタデータ） (2026-04-03T12:30:15Z)
• Resolving Evidence Sparsity: Agentic Context Engineering for Long-Document Understanding [49.26132236798123]
  視覚言語モデル(VLM)は、文書理解における主要なアプローチになりつつある。 本稿では,粗いプロセスにおいて,検索者と4つの協調エージェントを編成するマルチエージェントフレームワークSLEUTHを提案する。 このフレームワークは、検索したページ内の重要なテキストおよび視覚的手がかりを特定し、テーブルやチャートなどの健全な視覚的エビデンスをフィルタし、クエリを分析して推論戦略を考案する。
  論文  参考訳（メタデータ） (2025-11-28T03:09:40Z)
• 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)
• MMESGBench: Pioneering Multimodal Understanding and Complex Reasoning Benchmark for ESG Tasks [56.350173737493215]
  環境・社会・ガバナンス(ESG)報告は、持続可能性の実践の評価、規制コンプライアンスの確保、財務透明性の促進に不可欠である。 MMESGBenchは、マルチモーダル理解と複雑な推論を、構造的に多種多様なマルチソースESG文書間で評価するための、最初のベンチマークデータセットである。 MMESGBenchは、45のESG文書から得られた933の検証済みQAペアで構成され、7つの異なるドキュメントタイプと3つの主要なESGソースカテゴリにまたがる。
  論文  参考訳（メタデータ） (2025-07-25T03:58:07Z)
• Reinforcing Compositional Retrieval: Retrieving Step-by-Step for Composing Informative Contexts [67.67746334493302]
  大規模言語モデル(LLM)は、多くのタスクにまたがる顕著な機能を示してきたが、複雑なタスクを扱うために外部のコンテキストに依存していることが多い。 我々は、このプロセスをマルコフ決定プロセス(MDP)としてモデル化するトリエンコーダシーケンシャルレトリバーを提案する。 提案手法は,サンプル間の依存関係を明示的にモデル化することの重要性を強調し,ベースラインを一貫して大幅に上回ることを示す。
  論文  参考訳（メタデータ） (2025-04-15T17:35:56Z)
• Agentic Retrieval-Augmented Generation for Time Series Analysis [0.0]
  本稿では,時系列解析のためのエージェント検索拡張フレームワークを提案する。 提案したモジュール型マルチエージェントRAGアプローチは、柔軟性を提供し、主要な時系列タスクに対してより最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2024-08-18T11:47:55Z)
• TemPrompt: Multi-Task Prompt Learning for Temporal Relation Extraction in RAG-based Crowdsourcing Systems [21.312052922118585]
  時間的関係抽出(TRE)は、出来事や行動の進化を把握し、関連するタスクのワークフローを形成することを目的としている。 本稿では,TRE(TemPrompt)のためのマルチタスク・プロンプト学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-06-21T01:52:37Z)
• Analyzing Temporal Complex Events with Large Language Models? A Benchmark towards Temporal, Long Context Understanding [57.62275091656578]
  時間的複合イベント(TCE)として、長い期間にわたって多くのニュース記事から構成される複合イベントについて述べる。 本稿では,Large Language Models (LLMs) を用いて,TCE内のイベントチェーンを系統的に抽出し,解析する手法を提案する。
  論文  参考訳（メタデータ） (2024-06-04T16:42:17Z)

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。