論文の概要: ReX-GG: a LLM Ensemble Pipeline for Relation-extraction and Graph Generation

• arxiv url: http://arxiv.org/abs/2610.41901v1
• Date: Fri, 30 Oct 2026 15:39:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.79438
• Title: ReX-GG: a LLM Ensemble Pipeline for Relation-extraction and Graph Generation
• Title（参考訳）: ReX-GG:関係抽出とグラフ生成のためのLLMアンサンブルパイプライン
• Abstract要約: 本稿では,コーディネートされた大規模言語モデルのカスタマイズ可能な軽量アンサンブルを提案する。 モジュールアーキテクチャは、APIベースと社内のLLMセットアップの両方にわたる柔軟なデプロイメントをサポートする。
• 参考スコア（独自算出の注目度）: 1.104960878651584
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Current LLM ensemble frameworks focus on multi-step setups with additional modules for answer ranking, often opting for token and span analysis rather than structured outputs, leading to heavyweight architectures with potential fail states along the pipeline. Faster, lighter solutions are more vulnerable to hallucination propagation and can lack output control in more complex pipelines. This paper proposes a customisable, lightweight ensemble workflow of coordinated Large Language Models that leverages JSON-structured outputs and anonymous peer-review ranking to mitigate hallucinatory outputs and single-model failure points. The pipeline is demonstrated on a relation extraction task applied to popular science articles in English, targeting four ontologically-grounded relation types (strong causation, weak causation, contrastive, and compositional), with semantic node canonicalisation and interactive, colour-coded HTML causal graphs as the final output. Performance is evaluated through an anonymous user study, achieving an average perceived accuracy of 0.778 against a human-annotated gold standard. The modular architecture supports flexible deployment across both API-based and in-house LLM setups, and the full framework is released under an open license to foster reproducibility and collaborative research.
• Abstract（参考訳）: 現在のLLMアンサンブルフレームワークは、回答ランキングのためのモジュールを追加し、多くの場合、構造化された出力ではなくトークンとスパン分析を選択し、パイプラインに沿った潜在的なフェール状態のヘビーウェイトなアーキテクチャに繋がる。 より高速で軽量なソリューションは幻覚伝播に対してより脆弱であり、より複雑なパイプラインで出力制御を欠く可能性がある。 本稿では、JSON構造化出力と匿名ピアレビューランキングを利用して、幻覚出力と単一モデル故障点を緩和する、コーディネートされた大規模言語モデルのカスタマイズ可能な軽量アンサンブルワークフローを提案する。 このパイプラインは、英語のポピュラーな科学論文に適用された関係抽出タスクにおいて、意味ノードの正準化とインタラクティブな色付きHTML因果グラフを最終出力として、4つのオントロジ的に接地された関係タイプ(強因果関係、弱因果関係、対照的因果関係、組成関係)をターゲットにしている。 匿名のユーザスタディによって評価され、人間に注釈された金の標準に対して平均認識精度が0.778に達する。 モジュールアーキテクチャは、APIベースと社内のLLMセットアップの両方で柔軟なデプロイメントをサポートし、完全なフレームワークは、再現性と共同研究を促進するために、オープンライセンスの下でリリースされている。

関連論文リスト

• TELLER: Non-intrusive Cross-Layer Root-Cause Analysis for LLM Inference [47.62941623025392]
  本稿では,非侵入的でログ対応なLLM推論フレームワークであるTELLERについて紹介する。 TELLERはモデルバイナリを変更することなく、NVTX/CUPTIトレースとサービスログを収集する。 リクエスト毎のコールチェーンツリーを再構築し、ログ行と対応する実行ステップをアライメントする。 これらの表現に加えて、TELLERは数値的候補のローカライゼーションとマルチモーダルな根起因モデルを組み合わせる。
  論文  参考訳（メタデータ） (2026-08-03T09:39:11Z)
• RepoReasoner: Evaluating Repository-Level Code Reasoning Ability of Long-Context Language Models [54.53236295237077]
  リポジトリレベルのコード推論を評価するベンチマークであるRepoReasonerを紹介します。 出力予測は、ファイル間でのきめ細かいステートフルな実行推論を計測します。 Call Chain Predictionは、ノイズの多いコンテキスト下での高レベルのアーキテクチャ依存性の理解を評価する。
  論文  参考訳（メタデータ） (2026-07-28T17:12:41Z)
• HCRE: LLM-based Hierarchical Classification for Cross-Document Relation Extraction with a Prediction-then-Verification Strategy [54.91468501159335]
  文書間関係抽出 (RE) は, 異なる文書に存在する頭部尾部エンティティ間の関係を識別することを目的としている。 本稿では,各レベルでの多視点検証により信頼性を向上させる推論戦略を提案する。
  論文  参考訳（メタデータ） (2026-04-09T07:55:27Z)
• Core-based Hierarchies for Efficient GraphRAG [0.0]
  GraphRAGはドキュメントを階層的なコミュニティで要約可能な知識グラフに整理する。 現在のGraphRAGアプローチは、コミュニティ検出にライデンクラスタリングを頼っているが、平均次数が一定であり、ほとんどのノードが低次であるようなスパース知識グラフでは、モジュラリティ最適化は指数関数的に多くの準最適分割を許容する。 これを解決するために、線形時間における決定論的密度認識階層を生成するkコア分解をライデンに置き換えることを提案する。
  論文  参考訳（メタデータ） (2026-03-05T14:17:30Z)
• Improving LLM Reasoning with Homophily-aware Structural and Semantic Text-Attributed Graph Compression [55.51959317490934]
  大規模言語モデル(LLM)は、テキスト分散グラフ(TAG)理解において有望な能力を示している。 グラフは本来、構造情報や意味情報を豊富に含むものであり、それらの有効利用はLLMの推論性能の潜在的な利益を解放する可能性があると論じる。 グラフホモフィリーの活用を目的としたフレームワーク LLMs (HS2C) のホモフィリー対応構造とセマンティック圧縮を提案する。
  論文  参考訳（メタデータ） (2026-01-13T03:35:18Z)
• GRIL: Knowledge Graph Retrieval-Integrated Learning with Large Language Models [59.72897499248909]
  本稿では,Large Language Models (LLM) を用いたエンドツーエンド学習のための新しいグラフ検索手法を提案する。 抽出したサブグラフでは, 構造的知識と意味的特徴をそれぞれ軟式トークンと言語化グラフで符号化し, LLMに注入する。 提案手法は、複雑な推論タスクに対する結合グラフ-LLM最適化の強みを検証し、最先端の性能を一貫して達成する。
  論文  参考訳（メタデータ） (2025-09-20T02:38:00Z)
• Graph-DPEP: Decomposed Plug and Ensemble Play for Few-Shot Document Relation Extraction with Graph-of-Thoughts Reasoning [34.85741925091139]
  Graph-DPEPフレームワークは、自然言語で提示された三重項の説明思想の背景にある。 我々は,サブグラフに埋め込まれた推論的思考を活用することで,型リスト全体の「アンサンブルプレイ」生成を開発する。
  論文  参考訳（メタデータ） (2024-11-05T07:12:36Z)

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。