論文の概要: C$^2$U in RAG: Compositional Concept Unlearning in Retrieval-Augmented Generation

• arxiv url: http://arxiv.org/abs/2610.29223v1
• Date: Wed, 21 Oct 2026 05:30:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.245745
• Title: C$^2$U in RAG: Compositional Concept Unlearning in Retrieval-Augmented Generation
• Title（参考訳）: RAGにおけるC$^2$U: 検索型生成における構成概念の学習
• Abstract要約: 検索拡張生成は、生成元が適度である場合でも、検索された証拠を通して不要な概念を露呈することができる。 固定エンコーダと文書インデックスを用いたクエリ側の概念抑圧について検討する。
• 参考スコア（独自算出の注目度）: 16.25353660640125
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Retrieval-augmented generation can expose unwanted concepts through retrieved evidence even when the generator is moderated. We study query-side concept suppression with a fixed encoder and document index. Compositional Concept Unlearning (C$^2$U) routes a profile-derived direction through an augmented atom bank, adding only a bounded edited-minus-original delta to the raw query. Across five datasets, four encoders, and three seeds, the validation-selected configuration reduces pooled binary target Hit@5 by 4.25 percentage points with non-positive control degradation and target-exposure changes. Under the evaluated query transforms, it suppresses target density without increasing budgeted control-query exposure. Separately, ArXiv four-concept composition improves over an averaged-direction comparator after independent validation gates and first-use test evaluation.
• Abstract（参考訳）: 検索拡張生成は、生成元が適度である場合でも、検索された証拠を通して不要な概念を露呈することができる。 固定エンコーダと文書インデックスを用いたクエリ側の概念抑圧について検討する。 合成概念アンラーニング (C$^2$U) は、プロファイル由来の方向を拡張原子バンクにルーティングし、原クエリに境界付き編集されたミナス由来のデルタのみを追加する。 5つのデータセット、4つのエンコーダ、3つのシードに対して、バリデーション選択された構成により、プールされたバイナリターゲットのHit@5が4.25ポイント削減され、非ポジティブな制御劣化とターゲット露光が変化した。 評価されたクエリ変換の下では、予算化された制御クエリの露出を増加させることなく、ターゲット密度を抑える。 第2に,ArXivの4概念構成は,独立した検証ゲートと第一使用試験評価の後に,平均方向コンパレータよりも向上する。

関連論文リスト

• Readout Blindness: VLM Scores Miss the Spatial Direction Their Frozen Encoders Retain [49.084687777528046]
  我々は,字幕語を凍結した特徴のイメージパッチと整列し,一致した物体セントロイド間の符号付き変位によって各関係をスコアする非対称変位読み出し手法を提案する。 ADRは配置されたスコアよりも大幅に改善され、微調整エンコーダであってもほとんどの方向バランスのセットにほぼ近い確率で維持されることを示す。 より複雑な読み出しと比較すると、ADRは評価されたMLLM確率読み出しよりも優れており、計算のごく一部でチャット推論と競合する。
  論文  参考訳（メタデータ） (2026-10-05T13:36:45Z)
• The Illusion of Control: Why Bare Classifier Inversion Silently Fails in Concept-Bottleneck Text Generation [0.30693357740321775]
  コンセプション・ブートネック制御可能生成路は低次元概念コードを介してマルチ属性制御を行う。 我々はこの問題を多軸合成一般化の下で概念ボトルネックテキスト生成において研究する。
  論文  参考訳（メタデータ） (2026-08-24T08:21:10Z)
• Architecture-Dependent Causal Transfer of Activation States Across Large Language Models [51.56484100374058]
  内部言語アクティベーション状態は、異なる大きな言語モデル間で因果的に転送することができる。 生成中に投影された活性化をターゲットモデルに注入すると、統計的に有意で事前登録された因果効果が生じる。 現在実装されているLCM間のエンド・ツー・エンドのアクティベーション・ステート・トランスファーは、ユニバーサルではなくアーキテクチャに依存していると結論付けている。
  論文  参考訳（メタデータ） (2026-08-17T09:53:27Z)
• BOUND: Brief-Guided Corrective Preference Distillation at Search-Control Boundaries [82.41764922522565]
  BOUNDは、永続的な探索ドリフトのための短いガイド付き修正選好蒸留フレームワークである。 Trajectory SFT は Bamboogle で 5.6 EM 、BrowseComp-Plus で 4.8 の精度で上回っている。
  論文  参考訳（メタデータ） (2026-08-09T15:32:16Z)
• ANCHOR: Autoregressive Non-intrusive Chunk-Ordered Refinement for Joint Multi-Resolution Speech Quality Modeling [62.983372215479925]
  ストリーミングと生成システムは、部分的なオーディオから漸進的な推定を必要とする。 多分解能オートレタスクとしてインクリメンタルアセスメントを改良したANCHORを提案する。 2秒プレフィックスの48%のPLCMOSエラー削減を含む、部分入力下でのかなりの堅牢性を示す実験。
  論文  参考訳（メタデータ） (2026-06-08T22:46:30Z)
• Principles of Concept Representation in Sentence Encoders [0.24828140397930876]
  文エンコーダは、その潜在空間が対応する意味演算子の低歪み実現を認める場合にのみ、概念をサポートする。 このフレーミングは、現在のエンコーダが成功する場所と、それらが監督に構造的に不一致している場所の両方を予測する。 微調整は、拡張するのではなく、潜在幾何学を再検討する。 そこで我々は,DBpediaのセマンティックギャップベンチマークと修正子ラベル付きデータセットNPパラフレーズスイートの2つの新しい評価結果を発表した。
  論文  参考訳（メタデータ） (2026-06-05T07:33:05Z)
• Beyond Encoder Accumulation: Measuring Encoder Roles in Multi-Encoder VLMs [50.3757247538081]
  我々は、統一パイプラインの下で、5つの共通ビジョンエンコーダの空でないサブセット31を再訓練し、評価する。 各エンコーダのコントリビューションを,容量と必要量という2つの軸に分解する。 エンコーダごとのプロジェクタ有効ランクは、残留スコアの変動を説明する。
  論文  参考訳（メタデータ） (2026-06-02T16:46:42Z)
• EGA: Adapting Frozen Encoders for Vector Search with Bounded Out-of-Distribution Degradation [0.9179857807576733]
  本稿では,3つの原理を結合した残留アダプタであるユークリッドジオデシックアライメント(EGA)を提案する。 コンバージェンスでは9,6.5%のトリップレットが勾配無しであり、目に見えない地域ではほとんど触れられていない。 EGAは4つの一次分割において最も最悪なラベル精度を達成し、5番目の分割では一貫した改善を達成している。
  論文  参考訳（メタデータ） (2026-05-07T04:56:37Z)
• Generate Then Correct: Single Shot Global Correction for Aspect Sentiment Quad Prediction [5.379256398853664]
  ABSAの主な課題はアスペクト感情クワッド予測(ASQP)で、4つの要素を識別する必要がある。 本稿では,1ショットのシーケンスレベルの大域的補正を行うジェネレータであるGenerate-then-Correct (G2C)を提案する。 Rest15とRest16データセットでは、G2Cは強力なベースラインモデルを上回っている。
  論文  参考訳（メタデータ） (2026-03-14T06:11:27Z)
• CARE What Fails: Contrastive Anchored-REflection for Verifiable Multimodal [84.71254539482369]
  検証可能な報酬を伴うグループ相対的強化学習(RLVR)は、しばしば、すでに失敗している最も情報に富むデータを浪費する。 エラーを監督するマルチモーダル推論のための,障害中心のポストトレーニングフレームワークであるCAREを提案する。 CAREは正確さを改善し、スムーズさをトレーニングすると同時に、障害からの学習信号のシェアを明示的に増やします。
  論文  参考訳（メタデータ） (2025-12-22T16:34:21Z)

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。