論文の概要: Adaptive Retrieval, Selective Answers: Evaluating Conformal Factuality in Agentic RAG

• arxiv url: http://arxiv.org/abs/2610.34872v1
• Date: Mon, 26 Oct 2026 05:37:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.765072
• Title: Adaptive Retrieval, Selective Answers: Evaluating Conformal Factuality in Agentic RAG
• Title（参考訳）: 適応的検索, 選択解答: エージェントRAGにおける等角性の評価
• Abstract要約: 検索拡張生成は、生成されたクレームがすべてサポートされていることを保証することなく、ファクトグラウンドを改善することができる。 エージェントRAGにおいて、言語モデルポリシーが追従検索クエリを適応的に発行するか、応答生成前に検索を終了する動作について検討する。 我々は適応的検索軌道を明示的に定式化し、エージェント終了後に共形事実が適用された場合の信頼性・情報的トレードオフを特徴付ける。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Retrieval-augmented generation (RAG) can improve factual grounding without guaranteeing that every generated claim is supported. Previous work has studied claim-level conformal factuality in single-stage RAG and, more recently, multi-hop RAG. We examine its behavior in agentic RAG, where a language-model policy adaptively issues follow-up retrieval queries or terminates retrieval before response generation. We retain the retrieval-based relevance-scoring formulation and post-generation conformal filtering and evaluate six model-dataset configurations: GPT-6 Luna and Llama 3.1 8B on HotpotQA, Natural Questions, and TriviaQA. Each configuration uses 60 fixed questions, 100 seeded 30/30 calibration-test partitions, five conformal target levels, and a no-conformal-prediction baseline. Across the six configurations, higher target levels are accompanied by higher observed full-support rates and reduced answer availability. At the 95% target, non-empty response coverage ranges from 17.23% to 60.17%, claim retention from 10.72% to 43.16%, and full support among non-empty outputs from 89.14% to 95.56%. We formulate the adaptive retrieval trajectory explicitly and characterize the reliability-informativeness trade-off when conformal factuality is applied after agent termination.
• Abstract（参考訳）: Retrieval-augmented Generation(RAG)は、生成されたクレームがすべてサポートされていることを保証することなく、ファクトグラウンドを改善することができる。 従来の研究は、単一段階RAGおよびより最近ではマルチホップRAGにおけるクレームレベル共形事実性について研究してきた。 エージェントRAGにおいて、言語モデルポリシーが追従検索クエリを適応的に発行するか、応答生成前に検索を終了する動作について検討する。 GPT-6 Luna, Llama 3.1 8B on HotpotQA, Natural Questions, TriviaQA。 それぞれの構成では、60の固定された質問、100のシードされた30/30のキャリブレーションテストパーティション、5つのコンフォーマルなターゲットレベル、および非コンフォーマルな予測ベースラインを使用する。 6つの構成全体で、より高い目標レベルには、より高いフルサポート率と回答の可用性の低下が伴う。 95%の目標では、空でない応答カバレッジは17.23%から60.17%、クレーム保持は10.72%から43.16%、非空でない出力は89.14%から95.56%である。 我々は適応的検索軌道を明示的に定式化し、エージェント終了後に共形事実が適用された場合の信頼性・情報的トレードオフを特徴付ける。

関連論文リスト

• Bayesian Test-Time Inference of Task-Aligned Similarity from Weak Interactive Feedback [50.42640957891911]
  言語モデルシステムは、類似性を比較することで、繰り返しテスト時の決定を行う。 しかし、類似性はユニークではない:語彙、意味、構造、類似性はNの選択点を取得することができる。 本稿では,現在の意思決定を統括するトレーニングフリーベイズ手法であるAxis Interactive Signalsを紹介する。
  論文  参考訳（メタデータ） (2026-10-13T16:19:49Z)
• Agent Error Dataset: Scaling 50,000 Error--Diagnosis Pairs for Failure Analysis and Error-Aware Post-Training [45.727227890697556]
  我々は,9,961のソースタスクから50,228のエラー診断ペアからなるエージェントエラーデータセット(AED)を紹介した。 5段階のAgenic Error-to-Trainingパイプラインは自然の故障を収集し、診断と修正案を生成し、記録された証拠と照合する。 アクタートレーニングのレシピの比較において、アクションオンリーの修復トレーニングは成功オンリーのトレーニングよりもWebShop-liteの方が6.67ポイント高い。
  論文  参考訳（メタデータ） (2026-09-30T16:40:22Z)
• Conformal Factuality Control for Multi-Hop Retrieval-Augmented Generation [0.0]
  本稿では,これまでRAGのために開発されていたクレームレベル共形事実性制御が,この設定において有効であるかどうかを考察する。 分割共形クレームフィルタリングをマルチホップRAGに適用し,HotpotQA,Natural Questions,TriviaQAで評価した。 その結果、共形事実性はマルチホップRAGにまで拡張され、名目上の信頼性はクレーム保持と棄却とともに解釈されなければならないことが示された。
  論文  参考訳（メタデータ） (2026-09-27T23:55:03Z)
• RecGPT-Mobile-V2 Technical Report [22.10290138930905]
  RecGPT-Mobile-V2は、意図的品質と実行効率をステージド設計の目的として扱うエンドツーエンドフレームワークである。 このフレームワークは異種間相互作用をエビデンス保存軌道に変換し、ドメイン適応と教師付きアライメントを通じてレコメンデーションネイティブ基盤を確立する。 オンライン検索分析では、クエリリコールチャネルは、確立されたリコールチャネルによってサーフェスされたインベントリに補完されるインベントリを検索することを示している。
  論文  参考訳（メタデータ） (2026-08-25T09:23:17Z)
• Wnuan: Staged Post-Training for Question Answering over Proprietary Enterprise Knowledge [7.4253318607352155]
  Wnuanは文書からタスク指向の監視を構築する3段階のパイプラインである。 707-questionのWnuanBenchでは、32B経路が52.76%から52.76%に上昇し、SFT後80.06%、RL後91.51%に適応した。
  論文  参考訳（メタデータ） (2026-08-03T08:11:33Z)
• Verifier-First Evaluation of Agentic LLMs for Infrastructure-as-Code Generation [0.0]
  自然言語からインフラストラクチャ・アズ・コード(IaC)を生成するには、プロバイダのスキーマ、依存関係の計画、組織的なポリシの制約を満たす必要がある。 Rego v1ポリシを備えた186タスクのAWS/TerraformベンチマークであるIaC-Eval v2で評価されたTerraform生成のための7つのエージェント戦略に関する検証初の実験的研究を示す。
  論文  参考訳（メタデータ） (2026-05-29T12:43:27Z)
• Retrieval-Augmented Generation for Reliable Interpretation of Radio Regulations [49.671779378073886]
  無線規制分野における質問応答について検討する。 本稿では,通信事業者固有のレトリーバル拡張生成(RAG)パイプラインを提案する。 当社のアプローチは,テスト対象モデル全体の生成精度を一貫して向上させる。
  論文  参考訳（メタデータ） (2025-09-11T17:43:42Z)
• RAGentA: Multi-Agent Retrieval-Augmented Generation for Attributed Question Answering [4.224843546370802]
  本稿では,大規模言語モデル(LLM)を用いた属性質問応答フレームワークであるRAGentAを提案する。 RAGentAは、信頼できる回答生成の目標として、質問と忠実性に対するカバレッジと関連性によって定義された回答の正しさを最適化することに焦点を当てている。 フレームワークの中心は、スパースと密集したメソッドを組み合わせたハイブリッド検索戦略であり、最高の単一検索モデルと比較して、Recall@20を12.5%改善している。
  論文  参考訳（メタデータ） (2025-06-20T13:37:03Z)
• ELOQ: Resources for Enhancing LLM Detection of Out-of-Scope Questions [52.33835101586687]
  本研究では,検索した文書が意味的に類似しているように見えるスコープ外質問について検討するが,答えるために必要な情報がない。 本稿では,閉経後の文書から多様なスコープ外質問を自動的に生成するための,幻覚に基づくELOQを提案する。
  論文  参考訳（メタデータ） (2024-10-18T16:11:29Z)

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。