論文の概要: From Noisy Retrieval to Decision Evidence: Silver Evidence Demonstrations for In-Context Learning
- arxiv url: http://arxiv.org/abs/2610.32128v1
- Date: Fri, 23 Oct 2026 03:56:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 01:38:06.339602
- Title: From Noisy Retrieval to Decision Evidence: Silver Evidence Demonstrations for In-Context Learning
- Title（参考訳）: 雑音の検索から決定的証拠:インコンテキスト学習のための銀エビデンスデモ
- Abstract要約: RAGと検索強化された数発のICLは、決定関連証拠が長くノイズの多い状況に埋もれているときに苦労する可能性がある。
そこで本研究では,ICL例の生検パスをターゲット条件で生成した証拠要約に置き換える銀エビデンス実証法を提案する。
- 参考スコア（独自算出の注目度）: 2.150275686755121
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: RAG and retrieval-augmented few-shot ICL can struggle when decision-relevant evidence is buried in long, noisy context. Retrieved passages and demonstrations may contain redundant or distracting information. Although expert-labeled development examples may identify the text supporting each decision, these annotations are typically used only as answer-side rationales rather than as supervision for filtering noisy retrieval. We propose silver-evidence demonstrations, which replace raw retrieved passages in ICL examples with generated, target-conditioned evidence summaries. For each labeled development example, an LLM generates silver evidence without access to the expert label or gold evidence; this evidence is then paired with the expert label and gold evidence where available. At test time, a single structured call generates silver evidence from retrieved passages and then predicts the final label and decision evidence. Across EI 2.0, SciFact, synthetic policy retrieval, and HICRIC/IMR data, our full method improves over equally sized gold-only ICL (label-only for policy) on three of four datasets and improves evidence F1 on all annotated datasets. It also achieves higher mean label accuracy than InstructRAG-style ICL on all four datasets. These results suggest that replacing demonstration-side retrieved passages with compact, target-conditioned silver evidence is particularly useful for decisions based on long and noisy text, where it reduces distracting context while preserving decision-relevant signals and expert supervision.
- Abstract（参考訳）: RAGと検索強化された数発のICLは、決定関連証拠が長くノイズの多い状況に埋もれているときに苦労する可能性がある。
回収された通路やデモには余分な情報や注意をそらす情報が含まれる。
専門家ラベル付き開発例では、各決定を支持するテキストを特定できるが、これらのアノテーションは通常、ノイズ検索のフィルタリングの監督としてではなく、答え側の論理としてのみ使用される。
そこで本研究では,ICL例の生検パスをターゲット条件で生成した証拠要約に置き換える銀エビデンス実証法を提案する。
ラベル付き開発例では、LDMは専門家のラベルや金の証拠にアクセスせずに銀の証拠を生成し、この証拠は専門家のラベルや金の証拠と組み合わせられる。
テスト時には、単一の構造化された呼び出しが検索されたパスから銀の証拠を生成し、最終的なラベルと決定の証拠を予測する。
EI 2.0、SciFact、合成ポリシー検索、HICRIC/IMRデータを通じて、当社の全手法は、4つのデータセットのうち3つについて、同じ大きさの金のみのICL(ポリシー専用ラベル)を改良し、すべての注釈付きデータセットの証拠F1を改善する。
また、4つのデータセットすべてにおいて、InstructRAGスタイルのICLよりも高い平均ラベル精度を実現する。
以上の結果から,実証側で検索したパスをコンパクトで目標条件の銀の証拠に置き換えることは,意思決定関連信号と専門家の監督を保ちながら,混乱を緩和する長文およびノイズの多いテキストに基づく決定に特に有用であることが示唆された。
関連論文リスト
- Navigating Sparse Evidence: Agentic Visual RAG via Explicit Context Selection and Consolidation [50.92223196290564]
明示的な証拠選択と統合のための統一エージェントループを提案する。
探索中、SCoREはクエリ関連観測とソースポインタのみを保守されたテキスト台帳に保持する。
終了時には、参照された元のイメージを再ロードし、答えの視覚的証拠を統合し、論理的なシーケンスにアレンジする。
論文 参考訳（メタデータ） (2026-09-14T16:11:35Z) - SAFE-G: Structure-aware Faithful Evidence-guided Generation for Knowledge-based Visual Question Answering [8.538563236020947]
SAFE-Gは構造対応のFiveence-Guided Generationフレームワークである。
正確な証拠のローカライズと信頼できる推論を可能にする。
従来の手法を8.9%と3.5%で上回っている。
論文 参考訳（メタデータ） (2026-08-22T06:34:53Z) - Diagnosing Evidence Utilization in Long-Context and Retrieval-Augmented Language Models under Matched Evidence Conditions [0.0]
モデルはパラメトリックの先行情報から回答したり、存在する証拠を使わなかったり、関連するテキストを最終回答に変換することなく引用したりすることができる。
本稿では,エビデンス利用評価のための4条件診断プロトコルを提案する。
論文 参考訳（メタデータ） (2026-06-04T22:44:57Z) - E-MIA: Exam-Style Black-Box Membership Inference Attacks against RAG Systems [4.305347927600694]
対象文書の検証可能なハードエビデンスを,客観的に段階的な4種類の質問タイプによる試験に変換するE-MIAを提案する。
E-MIAは、自然でステルスなクエリを保持しながら、厳密な設定でメンバ/非メンバ分離性を改善する。
論文 参考訳（メタデータ） (2026-05-01T12:30:00Z) - Multi-Sourced, Multi-Agent Evidence Retrieval for Fact-Checking [47.47518672198846]
インターネット上に拡散する誤報は、社会と個人の両方に重大な脅威をもたらす。
これまでの方法は、トレーニングデータから学んだ意味的パターンと社会的コンテキスト的パターンに依存していた。
我々は、証拠のコアリソースとして認証されたオープンナレッジグラフを利用するWKGFCを提案する。
論文 参考訳（メタデータ） (2026-02-27T19:29:01Z) - D-SECURE: Dual-Source Evidence Combination for Unified Reasoning in Misinformation Detection [9.049034101566642]
マルチモーダルな誤報は、現実的な即興編集と、流動的だが誤解を招くテキストを混在させ、検証が難しい説得的な投稿を生み出している。
D-SECUREは、内部操作検出と外部エビデンスに基づくニューススタイル投稿の推論を組み合わせたフレームワークである。
論文 参考訳（メタデータ） (2026-02-16T03:51:49Z) - VeriCite: Towards Reliable Citations in Retrieval-Augmented Generation via Rigorous Verification [107.75781898355562]
証拠を厳格に検証し,回答の帰属性を高めるために設計された,VeriCiteと呼ばれる新しいフレームワークを紹介する。
我々は,5つのオープンソースLCMと4つのデータセットを対象とした実験を行い,VeriCiteが回答の正しさを維持しつつ,引用品質を大幅に向上できることを実証した。
論文 参考訳（メタデータ） (2025-10-13T13:38:54Z) - Unstructured Evidence Attribution for Long Context Query Focused Summarization [53.08341620504465]
固定粒度の場合よりも、より関連性が高く一貫した証拠を得るために、非構造的(すなわち任意の長さのスパン)な証拠を抽出することを提案する。
既存のシステムが、非構造的証拠をコピーし、適切に引用するのにどのように苦労しているかを示す。
論文 参考訳（メタデータ） (2025-02-20T09:57:42Z) - Give Me More Details: Improving Fact-Checking with Latent Retrieval [58.706972228039604]
証拠は、自動化された事実チェックにおいて重要な役割を果たす。
既存のファクトチェックシステムは、エビデンス文が与えられたと仮定するか、検索エンジンが返した検索スニペットを使用する。
資料から得られた全文を証拠として組み込んで,2つの豊富なデータセットを導入することを提案する。
論文 参考訳（メタデータ） (2023-05-25T15:01:19Z) - AmbiFC: Fact-Checking Ambiguous Claims with Evidence [57.7091560922174]
実世界の情報ニーズから10kクレームを抽出したファクトチェックデータセットであるAmbiFCを提示する。
アンビFCの証拠に対する主張を比較する際に,曖昧さから生じる不一致を分析した。
我々は,このあいまいさをソフトラベルで予測するモデルを開発した。
論文 参考訳（メタデータ） (2021-04-01T17:40:08Z)
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。