論文の概要: Context as Infrastructure: Knowledge Compilation for Retrieval in Agentic Systems with Harnesses

• arxiv url: http://arxiv.org/abs/2610.41172v1
• Date: Fri, 30 Oct 2026 02:48:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.597259
• Title: Context as Infrastructure: Knowledge Compilation for Retrieval in Agentic Systems with Harnesses
• Title（参考訳）: インフラストラクチャとしてのコンテキスト: ハーネスを持つエージェントシステムにおける検索のための知識コンパイル
• Abstract要約: FlowのFRARAGパイプラインを記述し、ループを5つの訓練されたステーションに変換し、モデルに入力するコンテキストを最小限の集合として保持する。 決定ゲートはレイテンシを140秒から30秒に短縮するが、代替のトークンセーブは検索ラウンドで購入され、独自のレイテンシコストがかかる。
• 参考スコア（独自算出の注目度）: 26.42238080004059
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Retrieval-augmented generation is becoming agentic. A search harness writes queries, reads results, reformulates, and decides when to stop. This largely solves accuracy: a harness with only BM25/grep and MiniMax M3 answers 85% of BrowseComp-Plus and 91% on multi-hop FRAMES in our runs, without compiled or vector indexes. It exposes a context problem: an undisciplined loop repeats queries, rereads documents, and fills the window with unused passages. The missing layer is knowledge compilation: a configurable ingestion pipeline where LLMs enrich documents with context no chunk contains alone--navigation hierarchies with claim-evidence leaves, entity graphs, timelines, mind maps, ontologies, wikis, and memory. Compilation is not a better retriever: under a competent harness, structural artifacts gave no detectable accuracy gain on FRAMES, and a PageIndex-style outline degraded at scale. It is a supply layer. A navigation tree whose leaves are claim-evidence pairs--the mechanism we measure--cuts query tokens by 91% when evidence suffices and adds 1.9% when it does not, a 38% average reduction; this implies a 2% break-even sufficiency rate and a measured rate near 43%. A decision gate cuts latency from 140 s to 30 s, though substitution's token saving is bought with retrieval rounds and carries its own latency cost. Other artifacts--ontology, graph, wiki, timeline, mind map, memory--pay off in deployment (governance, integration, onboarding, temporal orientation, continuity) where accuracy benchmarks cannot see them. We describe RAGFlow's pipeline and harness (open source at https://github.com/infiniflow/ragflow), which turns the loop into five disciplined stations and keeps the context entering the model the smallest sufficient set; together they form an agent-native database: a store that hands the agent compiled, governed context instead of a ranked list of passages.
• Abstract（参考訳）: 検索増強世代はエージェントになりつつある。 検索ハーネスは、クエリを書き、結果を読み、リフォームし、いつ停止するかを決定する。 BM25/grepとMiniMax M3しか持たないハーネスは、BrowseComp-Plusの85%と、コンパイルやベクトルインデックスなしで、実行中のマルチホップFRAMESの91%を答えます。 未分類のループはクエリを繰り返し、ドキュメントを読み取り、未使用のパスでウィンドウを埋める。 不足しているレイヤはナレッジコンパイルである。 LLMがコンテキストを持ったドキュメントを充実させる構成可能な取り込みパイプライン – クレームエビデンスリーフ、エンティティグラフ、タイムライン、マインドマップ、オントロジー、wiki、メモリを備えたナビゲーション階層。 有能なハーネスの下では、構造的アーティファクトはFRAMESで検出可能な精度を得られず、PageIndexスタイルのアウトラインは大規模に劣化した。 供給層である。 葉がクレームエビデンスペアであるナビゲーションツリーは、証拠が十分であればクエリトークンを91%削減し、そうでない場合は1.9%、平均で38%削減する。 決定ゲートはレイテンシを140秒から30秒に短縮するが、代替のトークンセーブは検索ラウンドで購入され、独自のレイテンシコストがかかる。 その他のアーティファクト - オントロジー、グラフ、wiki、タイムライン、マインドマップ、メモリ- デプロイメント(ガバナンス、統合、オンボーディング、時間方向、連続性)では、正確なベンチマークではそれらを見ることができない。 RAGFlowのパイプラインとハーネス(https://github.com/infiniflow/ragflowのオープンソース)について説明する。ループを5つの規律のあるステーションに変換し、モデルに入るコンテキストを最小の十分なセットに保つ。

関連論文リスト

• Assay: Claims That Decay With the Code. Content-Addressed Evidence Graphs for Accountable AI-Assisted Software Delivery [0.0]
  我々はAIコーディングエージェントのための依存性のないツールを開発した。 エージェントが行うすべてのクレーム(テストはパスせず、シークレットも保存されない)は、それがカバーするコードの依存性コーンのMerkleハッシュに結びついています。 我々は、結合は音で最小限であり、変化の爆発半径は、それが無効化する主張の集合であることを示した。
  論文  参考訳（メタデータ） (2026-09-28T19:40:35Z)
• VisDocAgentBench: Benchmarking Agents for Visually Rich Document Retrieval [65.89247522243959]
  VisDocAgentBenchは、静的検索とエージェント検索を比較したクローズドコーパスベンチマークである。 100の文書から2,375ページ、120のユニークなターゲットクエリが直接、一橋、二橋のエビデンス構造でバランスを取っている。 強力な遅延対話型ビジュアルレトリバーは、直接アイテムで97.50%のRecall@1に達するが、2ブリッジアイテムでは2.50%に達し、関連性がコーパスコンテキストに依存する場合のクエリ-ターゲットマッチングの限界を明らかにする。
  論文  参考訳（メタデータ） (2026-08-18T15:23:06Z)
• Beyond Top-K: Replacing Black-Box Retrieval with Interpretable Agentic Operations [0.0]
  長いドキュメントに対する検索拡張生成は、テキストをチャンクし、チャンクを埋め、クエリの最も近い隣人にサーフェスする、という1つの設計によって支配されている。 我々は、財務報告、監査報告、規制リターンといった重要な文書のクラスにとって、この設計は構造的に不正確であると主張する。 本稿では,READ(Reliable Embedding-free Agentic Document-search)を提案する。
  論文  参考訳（メタデータ） (2026-08-06T17:23:13Z)
• Data Quality over Capacity: Internalizing Documents into LoRA Adapters for Closed-Book QA [0.0]
  LoRAによる4ビットGemma-4-e4bモデルの重みを直接調査する。 アダプタ容量が十分であれば、クローズドブックの精度において、トレーニングデータの品質が支配的なレバーであることが分かりました。
  論文  参考訳（メタデータ） (2026-07-23T23:14:59Z)
• Fantastic Adaptive Taxonomies and How to Use Them [100.20614173157708]
  AdaMASTは、実行トレースをコンパクトでエビデンスに基づく障害分類に変換する。 コードには手書きのコードはなく、人間による注釈もない。 エージェント・システム・サーチでは、失敗候補の分類コード診断が自由形式より優れている。
  論文  参考訳（メタデータ） (2026-07-17T17:41:16Z)
• CodeCompass: Navigating the Navigation Paradox in Agentic Code Intelligence [0.0]
  ナビゲーションと検索が根本的に異なる問題であるため,エージェントの動作は不十分である。 コードによるグラフベースの構造ナビゲーション - 依存性グラフを公開するModel Context Protocolサーバ - は、隠れ依存性タスクに対する99.4%のタスク補完を達成している。
  論文  参考訳（メタデータ） (2026-02-23T16:58:37Z)
• ImpliRet: Benchmarking the Implicit Fact Retrieval Challenge [50.93758649363798]
  Impliretは、推論の課題をドキュメント側処理にシフトするベンチマークである。 我々は,この環境下で苦戦している,疎水・密集したレトリバーの幅を評価した。
  論文  参考訳（メタデータ） (2025-06-17T11:08:29Z)
• DAPR: A Benchmark on Document-Aware Passage Retrieval [57.45793782107218]
  我々は,このタスクemphDocument-Aware Passage Retrieval (DAPR)を提案する。 State-of-The-Art(SoTA)パスレトリバーのエラーを分析しながら、大きなエラー(53.5%)は文書コンテキストの欠如に起因する。 提案するベンチマークにより,検索システムの開発・比較を今後行うことができる。
  論文  参考訳（メタデータ） (2023-05-23T10:39:57Z)

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。