論文の概要: QueryFlow: Multi-Hop Graph Retrieval with Adaptive Query Evolution

• arxiv url: http://arxiv.org/abs/2611.04625v1
• Date: Tue, 03 Nov 2026 10:14:30 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-04 17:31:11.649127
• Title: QueryFlow: Multi-Hop Graph Retrieval with Adaptive Query Evolution
• Title（参考訳）: QueryFlow: 適応的なクエリ進化を伴うマルチホップグラフ検索
• Abstract要約: マルチホップ検索強化世代(RAG)は、Web情報検索と事実検証をサポートする。 反復的検索はこれらの事実をその後のクエリに取り入れ、グラフ検索は証拠単位間の関係を明示的にモデル化する。 我々は,エビデンス表現とクエリ条件の複合進化として,マルチホップエビデンス回復を考察する。
• 参考スコア（独自算出の注目度）: 12.18218839430851
• License:
• Abstract: Multi-hop retrieval-augmented generation (RAG) supports Web information seeking and fact verification by recovering complementary evidence across related pages within a limited retrieval budget. Scoring evidence independently against the original question can miss supporting units whose relevance emerges through intermediate facts. Iterative retrieval incorporates these facts into subsequent queries, while graph retrieval explicitly models relations among evidence units. Yet fixed-query graph retrievers update entity representations without adapting the query condition to accumulated relational context. We view multi-hop evidence recovery as the coupled evolution of evidence representations and query conditions, with accumulated context informing both what the retriever represents and how it searches for complementary evidence. QueryFlow realizes this perspective by recurrently integrating query-conditioned summaries of graph context into a shared query state, which controls boundary inputs and relation features for subsequent propagation. Across four representative multi-hop question answering (QA) datasets, QueryFlow achieves macro Recall@10 (R@10), Full Recall@10 (FR@10), and LLM-Acc gains of 4.98, 8.40, and 8.0 percentage points over representative baselines, respectively.
• Abstract（参考訳）: マルチホップ検索強化世代(RAG)は、限られた検索予算内で関連するページ間で補完的な証拠を回収し、Web情報検索と事実検証を支援する。 元の質問に対して独立して証拠を検査することは、中間事実を通じて関係が現れる支持単位を見逃す可能性がある。 反復的検索はこれらの事実をその後のクエリに取り入れ、グラフ検索は証拠単位間の関係を明示的にモデル化する。 しかし、固定クエリグラフレトリバーは、クエリ条件を蓄積されたリレーショナルコンテキストに適応させることなくエンティティ表現を更新する。 我々は、複数のホップ証拠の回収を、証拠表現とクエリ条件の複合的進化とみなし、検索者が何を表現しているか、どのように補完的証拠を検索するかを、蓄積した文脈で示す。 QueryFlowは、グラフコンテキストのクエリ条件付き要約を共有クエリ状態に繰り返し統合することで、この視点を実現する。 4つの代表的なマルチホップ質問応答(QA)データセットに対して、QueryFlowはマクロRecall@10(R@10)、Full Recall@10(FR@10)、LLM-Accのそれぞれ4.98、8.40、および8.0のポイントをそれぞれ達成している。

関連論文リスト

• 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)
• EviReform: Evidence-Guided Query Reformulation for Multi-Hop Graph Retrieval [0.0]
  EviReformは,検索要求の更新と,グラフ内のエビデンスの集約を分離する。 2WikiMultiHopQA、HotpotQA、MuSiQueでは、EviReformは5.59 Recall@5ポイントと4.50 F1ポイントという最強のベースラインを超えた。
  論文  参考訳（メタデータ） (2026-08-13T09:25:39Z)
• LITTA: Late-Interaction and Test-Time Alignment for Visually-Grounded Multimodal Retrieval [0.0]
  LITTAは、エビデンスページ検索のためのクエリ拡張中心の検索フレームワークである。 ユーザクエリが与えられた後、LITTAは大きな言語モデルを使用して補完的なクエリ変種を生成する。 拡張されたクエリからの候補は、エビデンスカバレッジを改善するために、相互のランクフュージョンを通じて集約される。
  論文  参考訳（メタデータ） (2026-03-10T13:25:39Z)
• DIVER: A Multi-Stage Approach for Reasoning-intensive Information Retrieval [36.38599923075882]
  DIVERは、推論集約的な情報検索のために設計された検索パイプラインである。 ドキュメント前処理ステージ、クエリ拡張ステージ、検索ステージ、再ランクステージの4つのコンポーネントで構成されている。 BRIGHTベンチマークでは、DIVERは最先端のnDCG@10スコアを45.8点、オリジナルクエリでは28.9点と達成し、競争力のある推論モデルを上回っている。
  論文  参考訳（メタデータ） (2025-08-11T13:57:49Z)
• BRIGHT: A Realistic and Challenging Benchmark for Reasoning-Intensive Retrieval [54.54576644403115]
  BRIGHTは、関係する文書を検索するために、集中的推論を必要とする最初のテキスト検索ベンチマークである。 私たちのデータセットは、経済学、心理学、数学、コーディングなど、さまざまな領域にまたがる1,384の現実世界のクエリで構成されています。 クエリに関する明示的な推論を取り入れることで、検索性能が最大12.2ポイント向上することを示す。
  論文  参考訳（メタデータ） (2024-07-16T17:58:27Z)
• Database-Augmented Query Representation for Information Retrieval [71.41745087624528]
  データベース拡張クエリ表現(DAQu)と呼ばれる新しい検索フレームワークを提案する。 DAQuは、元のクエリを複数のテーブルにまたがるさまざまな(クエリ関連の)メタデータで拡張する。 我々はDAQuを多様な検索シナリオで検証し、全体の検索性能を大幅に向上させることを示した。
  論文  参考訳（メタデータ） (2024-06-23T05:02:21Z)

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。