論文の概要: Glance: The Generator Is Its Own Reranker

• arxiv url: http://arxiv.org/abs/2610.40454v1
• Date: Thu, 29 Oct 2026 17:01:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 07:09:07.625937
• Title: Glance: The Generator Is Its Own Reranker
• Title（参考訳）: Glance: 発電機は独自のリランカー
• Abstract要約: 本稿では,ジェネレータに軽量な決定アダプタとポインタヘッドを備えるGlanceを紹介する。 短い関連性プローブはキャッシュされたコンテキストから分岐し、各クエリ-パスペアを個別にプリフィルすることなく、パス毎に1スコアを生成する。 300 HotpotQAの質問では、GlanceはSciFactで0.741、NFCorpusで0.345、bge-reranker-v2-m3で0.721、0.326のnDCG@10を達成している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Retrieval-augmented generation commonly serves separate models for reranking and answering, duplicating model residency and passage processing. We introduce Glance, which equips the generator with a lightweight decision adapter and pointer head to score candidate passages from a shared prefill. Short relevance probes branch from the cached context, producing one score per passage without separately prefilling each query-passage pair. A single resident 9B backbone supports generation, general decisions and reranking, with approximately 0.1 GiB of additional memory per decision skill. After 39 minutes of MS MARCO fine-tuning, Glance achieves nDCG@10 of 0.741 on SciFact and 0.345 on NFCorpus, compared with 0.721 and 0.326 for bge-reranker-v2-m3. On 300 HotpotQA questions, its selected context improves answer F1 by 0.045 over cross-encoder-selected context under the same base generator (paired bootstrap 95% CI [0.014, 0.076]). In a scaling study, reranking quality keeps rising up to 200 candidates (43k tokens) scored from one shared prefill, where it exceeds the cross-encoder by 0.058 nDCG@10, and a probe-only activated adapter lets generation continue from the original passage cache. These initial results demonstrate generator-based reranking with one resident backbone; evaluation currently covers two retrieval datasets, one QA dataset and one backbone family.
• Abstract（参考訳）: Retrieval-augmented Generationは一般的に、リランク付け、回答、重複モデル常駐、通過処理のための別々のモデルを提供する。 我々はGlanceを導入する。Glanceは、ジェネレータに軽量な決定アダプタとポインタヘッドを装備し、共有プリフィルから候補パスをスコアする。 短い関連性プローブはキャッシュされたコンテキストから分岐し、各クエリ-パスペアを個別にプリフィルすることなく、パス毎に1スコアを生成する。 単一の常駐の9Bバックボーンは、生成、一般的な決定、再ランクをサポートし、約0.1ギガバイトの意思決定スキルを付加する。 MS MARCOの微調整から39分後、GlanceはSciFactで0.741、NFCorpusで0.345、bge-reranker-v2-m3で0.721、0.326のnDCG@10を達成した。 300のHotpotQA質問において、その選択されたコンテキストは、同じベースジェネレータ下でのクロスエンコーダ選択コンテキスト(paired bootstrap 95% CI [0.014, 0.076])に対して、0.045の回答F1を改善する。 スケールスタディでは、最大200の候補(43kトークン)が1つの共有プリフィルから取得され、クロスエンコーダを0.058 nDCG@10で上回り、プローブのみのアクティベートアダプタにより、元のパスキャッシュから生成を継続することができる。 評価は現在、2つの検索データセット、1つのQAデータセット、1つのバックボーンファミリーをカバーしている。

関連論文リスト

• VIEScore2: Unified Image Evaluation with Spatially Grounded Explanations [47.87491147340878]
  VIEScore2は、任意の条件付き画像で画像の生成と編集を行うための統合評価器である。 VIEScore2は、イメージをNxNグリッドとして表現し、単一のモデルパスにおける品質スコアと欠陥位置を共同で予測する。 欠陥ローカライゼーションでは、VIEScore2は汎用VLMと特殊空間評価器の両方に優れる。
  論文  参考訳（メタデータ） (2026-10-01T03:29:03Z)
• Correlation-Guided Encoder Selection for Multi-Encoder Large Audio-Language Models [52.59216139491759]
  CUES (Correlation-gUided Selection) は、単エンコーダ評価のみから選択中の融合訓練なしで設定された候補をスコアする。 広いトラックAスイートでは、CUESはクロスファミリートリオ(Whisper-medium、mHuBERT-147、Dasheng-base)を選択する。 TrackBテキスト生成では、フォーカスされた音声のみのペア(mHuBERT-147とWavLM-base-plus)で再アンカーする。
  論文  参考訳（メタデータ） (2026-09-16T02:41:41Z)
• SCX Router: Streaming Zero-Shot Model Selection with a Decoder-KV Classifier and a Real-World Task Ontology [47.16406021922537]
  本稿では,GLiClassをベースとした軽量ルータであるルータを紹介し,自動生成なしで各推論時間モデルラベルに適合点を割り当てる。 タスク生成には、23のファミリー、115のタスクタイプ、345のルータブルなサブタイプ、1,173の合成例と30のドメインの軸を持つタスク構造を構築する。 次に、これらのタスクでQwen3デコーダをトレーニングし、学習された要求予測を、適格性、コスト、キャッシュ再利用、安全性、主権といった属性に対するタスクごとのポリシーから明確に分離します。
  論文  参考訳（メタデータ） (2026-09-02T08:40:07Z)
• What Would Fix This RAG Failure? Auditing Counterfactual Response with Paired Evidence Interventions [0.0]
  我々はPair-IDを紹介した。Pair-IDは1つのクエリ、検索状態、読み取り定数を格納し、次に2つの操作を横断する。 19,981のベンチマーククエリで11,105のQwen障害が特定され、SHA-256オーダーが1200を選択して、サンプリングされた応答を生成する。 その結果,ハッシュ選択された有資格障害サンプルにおいて有意な速度でエビデンスが発生し,観察された故障から部分的に予測可能であり,読者に条件付きであることが示唆された。
  論文  参考訳（メタデータ） (2026-08-09T22:43:27Z)
• Tokenizer Generator Coupling in Medical Image Generation [0.0]
  潜在医療画像生成装置は通常、トークン化剤を固定前処理として扱う。 我々は64x64のChestMNIST制御実験において,この分離が有効かどうかを検証した。 ランキングは トークンー、ジェネレータ、 サンプル装置に 左右される
  論文  参考訳（メタデータ） (2026-08-07T18:57:09Z)
• Multi-Decoder OneRec: Controllable Generative Retrieval for Multi-Objective Industrial Recommendation [42.92484041045021]
  Multi-Decoder OneRecは、共有表現、分離された目的適応、コーディネートされたデコードを組み合わせた、制御可能なフレームワークである。 我々はKwai26をリリースした。Kwai26は、13億の生のアイテムレベルのレコード、31.85万のアイテムIDエントリ、有効なセマンティックIDを備えた25.03万のアイテムを備えた大規模なマルチオブジェクトベンチマークである。 同じ512イットの検索予算の下で、Multi-Decoder OneRecは4つのRecall@512メトリクスに対して、1デコーダOneRecベースラインを1.69%-5.62%改善している。
  論文  参考訳（メタデータ） (2026-07-29T05:54:19Z)
• ScoreGate: Adaptive Chunk Selection for Retrieval-Augmented Generation via Dual-Score Statistical Fusion [0.0]
  本稿では,ScoreGateについて述べる。ScoreGateは軽量なスコア空間決定機構で,推定時刻における検索濃度を制御する。 MS MARCO (200 開発クエリ)では、ScoreGate は MRR@10 = 0.401 を達成する。 MS MARCOと実世界の生産トラフィックの結果から,適応的検索基準は検索品質を劣化させることなく,検索効率を向上させることが示唆された。
  論文  参考訳（メタデータ） (2026-06-12T08:51:24Z)
• MARQUIS: A Three-Stage Pipeline for Video Retrieval-Augmented Generation [64.33427079838602]
  ビデオからの検索強化生成は、大規模なコーパスから関連するオーディオ視覚的証拠を検索し、一貫性のある属性付きテキストに合成するシステムを必要とする。 MARQUIS:クエリ拡張、融合、再ランク付けを通じて、これらの制限に対処する3段階のパイプライン。 記事生成において、ITER-QA-BASEはCAGベースライン平均スコアを3.09から3.83に改善し、MARQUIS-RLMは3.30の人間スコアと非QAシステムの中で最も強い引用リコールを達成する。
  論文  参考訳（メタデータ） (2026-05-17T20:19:04Z)
• Hydra: Unifying Document Retrieval and Generation in a Single Vision-Language Model [0.0]
  Hydraは、シングルビジョン言語モデル(VLM)からColBERTスタイルの遅延相互作用検索と自己回帰生成の両方を提供するデュアルヘッドアプローチである。 単一のLoRAアダプタは、検索用にのみ訓練され、推論時にトグルされる。 ViDoRe V1では、Hydra (4B) は単一のトレーニングランで制御された単一ヘッドベースラインの1パーセント以内である。
  論文  参考訳（メタデータ） (2026-03-30T15:17:41Z)
• Beyond Relevance: On the Relationship Between Retrieval and RAG Information Coverage [89.58253972744531]
  Retrieval-augmented Generation (RAG) システムは、文書検索と生成モデルを組み合わせて、レポート生成のような複雑な情報を求める課題に対処する。 我々は,上流の検索指標が,最終生成応答の情報カバレッジの信頼性の高い早期指標として機能するかどうかを検討する。 本研究は,トピックとシステムレベルの両方で生成した応答におけるカバレッジベース検索指標とナゲットカバレッジとの間に強い相関関係を示した。
  論文  参考訳（メタデータ） (2026-03-09T18:20:20Z)

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。