論文の概要: When Connectivity Misleads: Guiding Agentic Search with Contrastive Evidence Paths
- arxiv url: http://arxiv.org/abs/2610.36134v1
- Date: Mon, 26 Oct 2026 18:45:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-28 21:04:31.402806
- Title: When Connectivity Misleads: Guiding Agentic Search with Contrastive Evidence Paths
- Title（参考訳）: 接続性が過ちをきたすとき--対照的なエビデンスパスによるエージェント探索の指導
- Abstract要約: Contrastive Evidence Paths (CEP)は、クエリ条件の文書グラフ上で、最も強い個々のパスによって候補をスコアする。
CEP上に構築したStructured Corpus Interaction (SCI) は,候補とその接続経路を構造化マップに整理する。
- 参考スコア（独自算出の注目度）: 13.40096984313388
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Search agents can use cross-document graphs to discover sources through multi-hop connections and choose subsequent actions based on candidate rankings and relationships within a limited observation window. However, documents may rank highly because their numerous connections make them easier to reach, without necessarily providing more valuable evidence. Graph diffusion methods such as Personalized PageRank (PPR) aggregate propagation contributions from multiple sources, allowing highly connected distractor nodes to crowd the observation window. Flat node scores also obscure cross-document evidence trails, limiting continued exploration. We propose Contrastive Evidence Paths (CEP), which scores candidates by their strongest individual paths on a query-conditioned document graph and calibrates these scores against the same graph's background visitation distribution to mitigate structural bias. CEP ranks candidates by the calibrated scores and retains the corresponding source paths. Building on CEP, we develop Structured Corpus Interaction (SCI), which organizes candidates and their connecting paths into a structured Map, enabling agents to verify source documents and pursue missing information through expansion from anchor documents. Experiments on BrowseComp-Plus and TREC-COVID show that SCI achieves state-of-the-art answer accuracy and nDCG@10 with the lowest generation cost. Compared with the strongest baselines by task performance, maximum reductions in tool calls and total generation costs exceed 50% and 40%, respectively. Further analysis confirms that SCI with CEP suppresses ranking inflation induced by structural connections and improves gold recall and exploration efficiency.
- Abstract（参考訳）: 検索エージェントは、クロスドキュメントグラフを使用して、マルチホップ接続を通じてソースを発見し、限られた観測ウィンドウ内の候補ランキングと関係に基づいて、その後のアクションを選択することができる。
しかし、文書は、その多くの関連性によって、必ずしもより価値のある証拠を提供することなく、より容易に到達できるため、高いランクを付けることができる。
パーソナライズされたPageRank(PPR)のようなグラフ拡散手法は、複数のソースからの伝搬を集約する。
フラットノードスコアはまた、文書間の証拠の痕跡を曖昧にし、継続的な探検を制限している。
本稿では,クエリ条件付き文書グラフ上で最強の個別パスで候補をスコアリングし,それらのスコアを同じグラフの背景視認分布に対して校正し,構造バイアスを軽減するコントラストエビデンスパス(CEP)を提案する。
CEPは、校正されたスコアで候補者をランク付けし、対応するソースパスを保持します。
CEP上に構築した構造化コーパスインタラクション(Structured Corpus Interaction, SCI)は,候補とその接続経路を構造化マップに整理し,エージェントがソース文書を検証し,アンカー文書の拡張を通じて行方不明情報を追跡できるようにする。
BrowseComp-Plus と TREC-COVID の実験では、SCI は最先端の応答精度を達成し、nDCG@10 は生成コストが低い。
タスクパフォーマンスによる最強のベースラインと比較して、ツールコールの最大削減と総生成コストは、それぞれ50%以上と40%以上である。
さらに、CEPによるSCIは構造接続によるインフレーションを抑制し、金のリコールと探索効率を向上させることを確認する。
関連論文リスト
- SpectRAG: Weighted Chunk Graphs for Token-Budgeted Context Selection in Multi-Hop Retrieval-Augmented Generation [0.0]
SpectRAGは、ハイブリッド候補シード、重み付きチャンクグラフ構築、グラフベースの拡張、トークン予算コンテキスト選択を組み合わせた、スペクトルグラフ拡張検索フレームワークである。
我々はSpectRAGが広範囲にわたる証拠回収を改善し,HyDE, LightRAG, NaiveRAGベースラインに対する競合生成品質を実現することを示す。
論文 参考訳（メタデータ） (2026-10-27T10:38:29Z) - ConRAG: Lightweight inference of multi-hop relations [12.7653500365035]
本稿では、エンティティ共起とLCMに基づくエンティティフィルタリングから軽量なエンティティ文書グラフを構築するConRAGを紹介する。
MuSiQueと2WikiMultiHopQAでは、ConRAGは強力なRAGベースライン上でブリッジエンティティとチェーンリカバリを継続的に改善する。
以上の結果から, 終端拘束経路の探索は, 証拠地下関係探索に有効かつ指標効率の高い手法であることがわかった。
論文 参考訳（メタデータ） (2026-09-28T13:54:42Z) - HyperReCo: Retrieving and Connecting Evidence with Hypergraph Neural Networks for LLM Multi-hop Reasoning [55.94262317823072]
ハイパーグラフニューラルネットワーク(HyperGNN)による証拠の検索と接続のためのフレームワークを提案する。
我々は、各ドキュメントを抽出されたエンティティ上のハイパーエッジとして表現し、共有エンティティがハイパーエッジを接続する。
文書やエンティティを共同で監督するハイパーグラフメッセージパッシングを通じて、HyperGNNはクエリ依存のインタラクションを学び、補完的な証拠を取得する。
論文 参考訳（メタデータ） (2026-09-26T07:43:30Z) - Group-Aware Adaptive Retrieval for Evidence Navigation [10.083876575737222]
推論集約検索は、表面レベルのマッチングによって関連性を識別できないクエリに対処する。
既存のメソッドは、コーパスグラフ上で文書レベルで候補プールを反復的に拡張する。
我々は,グループレベルの拡張を通じてコーパスグラフを探索するグループアウェア適応検索手法(GAREN)を提案する。
論文 参考訳（メタデータ） (2026-09-02T06:51:06Z) - EviGraph: Towards Verifiable Evidence Construction for Information-Seeking Agents [0.28675177318965045]
本稿では,証拠記録から検索実行を分離するディープ検索フレームワークであるEviGraphを紹介する。
結果として得られるグラフは、永続的なワーキングメモリと、密集したプロセス報酬の源として機能する。
BrowseComp-Plusでは、Qwen3-8B EviGraphエージェントが一致した相互作用予算の下で35.9%の精度を達成する。
論文 参考訳（メタデータ） (2026-08-25T15:06:54Z) - DocTrace: Towards Traceable Long Document VQA via Hierarchical Evidence Graph Reasoning [14.841209914774778]
Long Document Visual Question Answering (LongDocVQA)は、複数のページにまたがる異種文書要素を探索し、統合し、推論するために、MLLM(Multimodal Large Language Models)を必要とする。
エンド・ツー・エンドのMLLMを含む既存のアプローチは、しばしば推論中に、根拠となる証拠がどのように徐々に構成されているかを表現し、検証するための明確なメカニズムを欠いている。
本稿では,エビデンスローカライゼーション,構造化文書解析,エビデンスグラフ推論を行う階層的なフレームワークであるDocTraceを提案する。
論文 参考訳（メタデータ） (2026-08-04T08:04:59Z) - VeriGraph: Towards Verifiable Data-Analytic Agents [71.17693022916896]
LLMをベースとしたエージェントは、データ集約分析タスクにおいて強力な能力を示してきたが、その出力は滅多に検証されていない。
We propose VeriGraph, a traceable neuro-symbolic reasoning framework that agent can construct an explicit heterogeneous evidence directed acyclic graph。
以上の結果から,明示的なエビデンスグラフ構築がデータ分析エージェントの検証に期待できる道のりであることが示唆された。
論文 参考訳（メタデータ） (2026-06-15T11:50:56Z) - Towards Verifiable Multimodal Deep Research: A Multi-Agent Harness for Interleaved Report Generation [74.0621258662676]
レポート生成のためのマルチエージェントハーネスであるPtahを提案する。
Ptahは計画、研究、執筆段階を通じて、ユーザクエリからレンダリングされたWebレポートまでのライフサイクルを編成する。
検証エージェントがハーネスの受け入れ機能として機能し、ワークフロー全体を通して事実的接地、引用の忠実性、相互の整合性を強制する。
論文 参考訳（メタデータ） (2026-05-28T12:40:34Z) - 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) - Paper Circle: An Open-source Multi-agent Research Discovery and Analysis Framework [82.66443886385125]
ペーパーサークル(Paper Circle)は、学術文献の発見、評価、整理、理解に必要な労力を減らすために設計された発見・分析システムである。
1)複数のソースからのオフラインおよびオンライン検索を統合するディスカバリパイプライン,多エージェントスコアリング,多様性対応ランキング,構造化アウトプット,2)個々の論文を概念,メソッド,数値などの型付きノードで構造化された知識グラフに変換する分析パイプライン,の2つの補完パイプラインで構成されている。
論文 参考訳（メタデータ） (2026-04-07T17:59:58Z) - Graph-Anchored Knowledge Indexing for Retrieval-Augmented Generation [53.42323544075114]
グラフアンコール型知識インデックス手法であるGraphAnchorを提案する。
4つのマルチホップ質問応答ベンチマークの実験では、GraphAnchorの有効性が示されている。
論文 参考訳（メタデータ） (2026-01-23T05:41:05Z)
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。