論文の概要: FlexVDR: Learning to Allocate Matryoshka Representation Budgets for Visual Document Retrieval
- arxiv url: http://arxiv.org/abs/2610.30177v1
- Date: Mon, 19 Oct 2026 05:49:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-24 02:08:44.076067
- Title: FlexVDR: Learning to Allocate Matryoshka Representation Budgets for Visual Document Retrieval
- Title（参考訳）: FlexVDR: ビジュアルドキュメント検索のためのMatryoshka表現予算のアロケートを学ぶ
- Abstract要約: 1つのレトリバー内でクエリ適応型の予算配分を行うフレームワークであるFlexVDRを紹介します。
Budget Allocatorは、初期クエリ機能からルート固有の検索ユーティリティを予測し、これらの予測とリソースの好みを組み合わせてルートを選択する。
ViDoRe V1、V2、V3の公開実験によると、FlexVDRは個々のクエリに対してコンパクトなルートを選択しながら、ネイティブな検索品質の大部分を保っている。
- 参考スコア（独自算出の注目度）: 36.01379440567748
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Visual document retrieval relies on rich multi-vector representations to capture fine-grained evidence in document pages, but encoding and matching these representations can be computationally expensive. Existing compression and elastic representation methods expose smaller configurations, yet making multiple budgets available does not determine which configuration a query should use. The allocation decision must estimate the retrieval value of alternative representations before incurring their full computation, while accommodating different resource preferences. We introduce FlexVDR, a framework for query-adaptive budget allocation within a single retriever. We construct a joint family of routes over encoder depth, embedding width, and token count. Retrieval supervision and distillation train the compact routes, while a native bypass preserves the full-budget reference. A Budget Allocator predicts route-specific retrieval utility from early query features and combines these predictions with a configurable resource preference to select a route. Experiments across five backbones on ViDoRe V1, V2, and V3 public show that FlexVDR retains much of the native retrieval quality while selecting compact routes for individual queries. A configurable resource preference allows the same retriever to adjust its computation without retraining or switching models.
- Abstract（参考訳）: ビジュアル文書検索は、文書ページの微細な証拠を捉えるためにリッチなマルチベクトル表現に依存しているが、これらの表現のエンコーディングとマッチングは計算コストがかかる。
既存の圧縮および弾性表現メソッドは、より小さな構成を公開しているが、複数の予算を利用可能にすることは、クエリがどの構成を使うべきかを判断しない。
割り当て決定は、リソースの選好を調整しながら、完全な計算を行う前に、代替表現の検索値を見積もる必要がある。
1つのレトリバー内でクエリ適応型の予算配分を行うフレームワークであるFlexVDRを紹介します。
エンコーダの深さ, 埋め込み幅, トークン数にまたがる経路を共同で構築する。
小売業の監督と蒸留はコンパクトなルートを訓練し、ネイティブのバイパスは全予算の基準を維持している。
Budget Allocatorは、初期クエリ機能からルート固有の検索ユーティリティを予測し、これらの予測と設定可能なリソース設定を組み合わせてルートを選択する。
ViDoRe V1、V2、V3の5つのバックボーンでの実験では、FlexVDRは個々のクエリに対してコンパクトなルートを選択しながら、ネイティブな検索品質の大部分を保っていることが示されている。
設定可能なリソース設定により、同じレトリバーがモデルの再トレーニングや切り替えをすることなく、その計算を調整することができる。
関連論文リスト
- Cascaded Retrieval with Cross-Modal Query Refinement for Efficient Visual Document Search [54.48124421246385]
現在の視覚言語レトリバーは、コーパスサイズとともに成長し、スケールすることができないクエリ時間コストを発生させる。
本稿では,検索性能を徹底検索から分離する2トラック検索フレームワークSCOUTを提案する。
SCOUTを4つの主要なベンチマークで評価し、最高のベースラインに対して80.7倍(平均28.8倍)のクエリ時間遅延改善を観測した。
論文 参考訳（メタデータ） (2026-10-14T15:40:27Z) - 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) - Lightweight Chunk Selection for Mobile Retrieval-Augmented Generation [8.227745781139634]
証拠アライメント問題として軽量RAGチャンク選択について検討する。
我々のセレクタは、3つの補完的特徴源を組み合わせる: LLM側のクエリ意図を表す質問隠蔽状態、ジェネレータの内部ルーティング構造をキャプチャするMoEルーティングに基づくエキスパート信号、および候補側のエビデンスを保存したチャンク埋め込み。
実験の結果、提案したセレクタは、モバイル適用可能なベースラインに対するランク1のエビデンス選択を平均2.5%改善することがわかった。
論文 参考訳（メタデータ） (2026-08-04T05:26:25Z) - Rethinking RAG in Long Videos: What to Retrieve and How to Use It? [56.38819694781005]
V-RAGBenchは$langle$query, evidence chunk, answer$rangle$三重項のベンチマークで、検索と生成を忠実に分離した評価を可能にする。
また、CARVEは、コンフィグレーションにまたがって並列レトリバーを動作させ、チャンク毎に入賞構成を識別するためにチャンク適応リランクを用いる手法である。
論文 参考訳（メタデータ） (2026-06-11T10:05:49Z) - PRISM: Pareto-Efficient Retrieval over Intent-Aware Structured Memory for Long-Horizon Agents [9.504077408241544]
ロングホライゾン言語エージェントは、どの固定されたコンテキストウィンドウよりもはるかに早く会話履歴を蓄積する。
PRISMは、長期記憶を共同検索・圧縮問題として扱う訓練不要な検索サイドフレームワークである。
論文 参考訳（メタデータ） (2026-05-12T15:28:30Z) - R$^3$AG: Retriever Routing for Retrieval-Augmented Generation [59.47703698994575]
R$3$AGは、検索機能を2つの学習可能なディメンション、すなわち検索品質と生成ユーティリティに分解する。
R$3$AGは、最高の個々のレトリバーと最先端の静的ルーティングメソッドの両方を一貫して上回っている。
論文 参考訳（メタデータ） (2026-04-22T06:51:20Z) - Doc-V*:Coarse-to-Fine Interactive Visual Reasoning for Multi-Page Document VQA [71.42483000929614]
複数ページのドキュメント 視覚的質問回答は、長い、視覚的に密集したドキュメントにおける意味論、レイアウト、および視覚的要素の推論を必要とする。
我々は,多ページDocVQAをシーケンシャルエビデンスアグリゲーションとしてキャストするtextbfOCRフリーエージェントフレームワークであるDoc-$V*$を提案する。
論文 参考訳（メタデータ） (2026-04-15T11:12:27Z) - Hierarchical Retrieval: The Geometry and a Pretrain-Finetune Recipe [42.35197658021889]
一致するクエリとドキュメントのペアを類似したベクトル表現に埋め込んだデュアルエンコーダ(DE)モデルは、情報検索に広く利用されている。
本稿では,階層的検索(HR)の文脈において,文書集合が階層構造を持ち,クエリに適合する文書がすべてその祖先であるような制約について検討する。
近い文書の性能を犠牲にすることなく、長距離検索を大幅に改善するプレトレインファインチューンレシピを提案する。
論文 参考訳（メタデータ） (2025-09-19T20:35:58Z) - ReTreever: Tree-based Coarse-to-Fine Representations for Retrieval [64.44265315244579]
そこで本研究では,様々なレベルで参照文書を整理し,表現するためのツリーベース手法を提案する。
我々の手法はReTreeverと呼ばれ、クエリと参照ドキュメントが同様のツリーブランチに割り当てられるように、バイナリツリーの内部ノード毎のルーティング関数を共同で学習する。
我々の評価では、ReTreeverは一般的に完全な表現精度を保っている。
論文 参考訳（メタデータ） (2025-02-11T21:35:13Z)
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。