論文の概要: Knowing When the Evidence Is Enough: Requirement-Directed Search with Horn-Closure Certificates

• arxiv url: http://arxiv.org/abs/2610.34684v1
• Date: Mon, 26 Oct 2026 01:20:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.667892
• Title: Knowing When the Evidence Is Enough: Requirement-Directed Search with Horn-Closure Certificates
• Title（参考訳）: 証拠が不十分な時期を知る:ホーン・クロージャ証明書による要求指向検索
• Abstract要約: Certifyは、質問を分解し、要求ごとに検索し、エンティティチェック後にリンクを受け付けます。 デフォルト設定では、検索エージェントやグラフ検索、不十分な判断よりもはるかに正確に決定する。 ウィキペディアの2100万件以上のパスでは、金の証拠が存在する場合の判定精度が4ポイントから13ポイント上昇する。
• 参考スコア（独自算出の注目度）: 8.344663246893925
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: After each Web search, a search-augmented model must decide whether its evidence suffices: answer, search again, or abstain. Prevailing systems leave this to holistic model judgement, which can accept a context naming every entity yet lacking one required fact. We instead make sufficiency structural: a per-query requirement hypergraph states which facts jointly yield another fact. This raises two challenges: deriving requirements from the question alone, and linking each requirement to passages about the right entity. Certify therefore decomposes the question, searches per requirement, and accepts links only after entity checks. Horn closure over the links yields a certificate, the minimal sufficient passages and their derivation, or an abstention naming open requirements. Given correct retrieval, requirements and links, the decision is sound, and complete up to the entity check. Pooled over three corpora with unanswerable twins, Certify decides significantly more accurately than search agents, graph retrieval and sufficiency judges in default configurations. On the same evidence, it matches a proprietary model's sufficiency label without an additional model call. Over 21M Wikipedia passages, entity checks add 4 to 13 points of decision accuracy where gold evidence exists. Finally, answers from its certificate are 80% correct, against 57% from all retrieved passages.
• Abstract（参考訳）: それぞれのWeb検索の後、検索強化されたモデルは、その証拠が十分であるかどうかを判断しなければならない。 一般的なシステムは、これを全体論的モデル判断に任せ、すべてのエンティティを命名するコンテキストを受け入れることができるが、1つの要求された事実を欠くことができる。 代わりに、我々は十分構造を作る: クエリごとの要求ハイパーグラフで、事実が他の事実を共同で生成する。 これは2つの課題を提起する: 問題のみから要件を導き出し、各要件を適切なエンティティに関するパスにリンクする。 したがって、Certifyは、質問を分解し、要求ごとに検索し、エンティティチェック後にのみリンクを受け付けます。 リンク上のホーンのクロージャは、証明書、最低限の十分なパスとその派生、またはオープンな要件の命名を与える。 正しい検索、要件、リンクが与えられれば、決定は健全で、エンティティチェックまで完了します。 Certifyは、解決不可能な双子を持つ3つのコーパスでプールされ、デフォルト設定で検索エージェント、グラフ検索、および十分性判断器よりもはるかに正確に決定する。 同じ証拠では、プロプライエタリなモデルの満足度ラベルに、追加のモデルコールなしでマッチする。 ウィキペディアの2100万件以上のパスでは、金の証拠が存在する場合の判定精度が4ポイントから13ポイント上昇する。 最後に、その証明書からの回答は80%の正解で、検索された全てのパスから57%が正解である。

関連論文リスト

• Minimum-Cost Robust Evidence Certificates for Horn Reasoning under Correlated Source Failures [2.398386906858336]
  我々は,ほとんどのkソースドメインが削除されるたびに,Hhornの結論を維持する最小コスト証明書について検討する。 正確な手順は、重み付きエビデンス選択とソース障害オラクルを交互に置き換える。 ルールクローズされた逆解釈は、サポートや障害シナリオを列挙することなく、グローバルに有効な選択カットをもたらす。
  論文  参考訳（メタデータ） (2026-10-19T06:20:44Z)
• H-CRSPV: Preventing Semantic Omission in Late-Bound Large Language Model Releases [4.8539809887204735]
  H-CRSPV(Hybrid Cryptographic Relation-based Semantic Plan Verification)は、リリース前に必要セットの完全性を強制するレプリケーション層である。 36個の省略アーティファクトのうち、提出対象バリデーションはすべての36を受理する。 プロトタイプはまた、6つの制限されたソース-リレーショナルIR結合を検証し、全60の試験された突然変異を拒絶する。
  論文  参考訳（メタデータ） (2026-10-05T08:41:49Z)
• Legal Research Bench: Measuring End-to-End Reliability in Long-Horizon Legal Research Agents [0.05384415989912719]
  textbfLegal Research Bench (LRB) は、専門家によって書かれた413の米国法研究質問のベンチマークである。 ウェブ検索,ケースロー検索,ページ解析,検索ツールを用いた13のフロンティアモデルの評価を行った。 ソース検証による全パスグレーディングを通じてエージェント応答をスコアし、要求された基準が満たされ、引用された当局が検証した場合にのみ応答が正される。
  論文  参考訳（メタデータ） (2026-09-30T19:13:16Z)
• Claim-Gated Source-Risk Auditing for Generative Search [5.329247092746233]
  生成検索は、サポートされたパスを引用するが、その解釈を変えるソース関係を省略することができる。 クェリソース回答のクレームゲート監査を指定する。 我々は、セマンティックな妥当性を確立するために、独立したアノテーション、保留評価、およびペアのユーティリティテストを定義する。
  論文  参考訳（メタデータ） (2026-09-24T07:22:14Z)
• EAVer: Long-Form Factuality Verification as an End-to-End Agentic Policy [50.665874114632]
  我々は、完全な応答レベルの検証ワークフローを統一ポリシーとして制御することを学ぶ、エンドツーエンドのエージェント検証であるEAVerを紹介する。 EAVerはセマンティック関連クレームをグループ化し、信頼に基づいた直接検証やターゲット検索にルートし、コンパクトなインコンテキストメモで検索によって返される証拠を保持する。
  論文  参考訳（メタデータ） (2026-09-02T21:00:35Z)
• SEER: A Self-Grounded Evidence Interface for Controlled Spatial Relation Classification [71.9783246097687]
  SEERは、ペアローカライゼーション中の候補関係を隠蔽し、明示的な主観的/対象的役割を持つクエリ固有ビューを構築し、補完的な証拠として完全なイメージとスパースボックス幾何学を保持する。 正確な逆サポートを持つ関係選択プロトコルでは、オプションリファインメントがエンティティロールを交換し、正確に1つの視覚状態が対応する逆関係に従う場合にのみ前方決定を変更する。 変更されていないプロトコルは、3つのモデルにまたがる2,434個のフィルター付きEmbSpatialペア関係質問に対して +4.35 から +11.79 を得る。
  論文  参考訳（メタデータ） (2026-08-04T13:16:15Z)
• DRNOISE: Benchmarking Deep Research Agents in Misleading Evidence Environments [51.049999642138]
  誤解を招く証拠の下で、回答回復のための100タスクのベンチマークであるDRNOISEを紹介する。 それぞれのタスクは、2つの間接的レコードチェーンが支持する固有の金の答えを持ち、ペアのノイズ条件は競合する答えを直接記述する1つのもっともらしい文書を付加する。 強いクリーンタスク性能を持つエージェント全体で、この単一の介入は66-88ポイントの精度低下を引き起こす。
  論文  参考訳（メタデータ） (2026-07-19T15:20:40Z)
• Read it Twice: Towards Faithfully Interpretable Fact Verification by Revisiting Evidence [59.81749318292707]
  本稿では,証拠の検索とクレームの検証を行うためにReReadという名前の事実検証モデルを提案する。 提案システムは,異なる設定下での最良のレポートモデルに対して,大幅な改善を実現することができる。
  論文  参考訳（メタデータ） (2023-05-02T03:23:14Z)
• 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)
• Hierarchical Evidence Set Modeling for Automated Fact Extraction and Verification [5.836068916903788]
  階層的エビデンス・セット・モデリング(Heerarchical Evidence Set Modeling, HESM)は、エビデンス・セットを抽出し、サポート対象のクレームを検証するためのフレームワークである。 実験の結果,HESMは事実抽出とクレーム検証の7つの最先端手法より優れていた。
  論文  参考訳（メタデータ） (2020-10-10T22:27:17Z)

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。