論文の概要: Selective Retrieval Routing for Multi-Violation Knowledge Graph Repair

• arxiv url: http://arxiv.org/abs/2611.07342v1
• Date: Thu, 05 Nov 2026 02:29:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 21:50:50.493871
• Title: Selective Retrieval Routing for Multi-Violation Knowledge Graph Repair
• Title（参考訳）: マルチヴァイオレーション知識グラフ修復のための選択的検索ルーティング
• Abstract要約: 本稿では,反復グラフ修復における選択的検索のためのフレームワークを提案する。 修復エージェントはグラフを探索して編集し、ルータは外部証拠を取得する研究者エージェントへのアクセスを制御する。
• 参考スコア（独自算出の注目度）: 7.027907199589786
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Knowledge graphs often contain missing or inconsistent facts that undermine the applications built on them. Schema validation detects such violations but does not identify which of several valid repairs recovers the intended graph. External corpora can supply the evidence needed to identify the intended repair, but retrieving from them is costly and not always successful. We propose a framework for selective retrieval in iterative graph repair. An LLM repair agent explores and edits the graph, while a router controls its access to a researcher agent that retrieves external evidence. We extend a violation-injection framework to generate cases with multiple compatible violations and known reference repairs. The agent's repair outcomes on these cases provide supervision for training the deployment-specific router. On two building-automation datasets, researcher access improves repairs for some violations and degrades them for others, with effects differing across deployments. The router uses fewer repair-time tokens than always enabling access in all six evaluation suites. It achieves higher repair $F_1$ than always disabling access in five of six suites.
• Abstract（参考訳）: 知識グラフは、しばしば、それら上に構築されたアプリケーションを損なう、欠落または矛盾した事実を含む。 スキーマ検証はそのような違反を検出するが、有効な修復のどれが意図したグラフを復元するかは特定しない。 外部のコーパスは、意図した修理を特定するために必要な証拠を提供することができるが、それらから回収することは費用がかかり、必ずしも成功しない。 本稿では,反復グラフ修復における選択的検索のためのフレームワークを提案する。 LLM修復エージェントはグラフを探索して編集し、ルータは外部証拠を取得する研究者エージェントへのアクセスを制御する。 我々は違反注入フレームワークを拡張し、複数の互換性のある違反と既知の参照修復のケースを生成する。 これらのケースに対するエージェントの修復結果は、デプロイメント固有のルータのトレーニングの監督を提供する。 2つのビルディング自動化データセットでは、研究者アクセスがいくつかの違反に対する修復を改善し、他の問題に対して分解する。 ルータは6つの評価スイートすべてで常にアクセスできるようにするよりも、修理時間トークンが少ない。 6つのスイートのうち5つで常にアクセスを無効にするよりも高い$F_1$を実現する。

関連論文リスト

• Perturb, Repair, Verify: Self-Play Vision-Language Verifiers for Compositional Understanding [52.802847315186874]
  視覚言語検証器は、画像がテキスト記述に忠実に一致するかどうかを判定する。 PROVEは,閉じたパーターブ・ビジュアライズ・ビジュアライズ・ビジュアライズ・ビジュアライズ・ループを通じて検証者を訓練するセルフプレイフレームワークである。 実験により、PROVEはモデルスケールや家族間できめ細かな構成検証を改善することが示された。
  論文  参考訳（メタデータ） (2026-11-03T16:31:34Z)
• VeriCUA: Verification as Agentic Exploration for Computer-Using Agents [95.35011917414766]
  コンピュータ利用エージェントの構築とスケーリングには、信頼性の高いタスク補完検証が必要である。 エージェント探索による検証のためのプラットフォームに依存しないフレームワークであるVeriCUAを提案する。
  論文  参考訳（メタデータ） (2026-10-29T17:45:26Z)
• ARIA: Runtime Inspection and Amendment for Multi-Agent Systems [18.367556343033343]
  ARIAは、進行中のマルチエージェント実行をいつ、どのように修復するかを学ぶためのフレームワークである。 4つのマルチエージェントフレームワーク、6つのベンチマーク、8つのホストモデルにわたる24,000以上の成功と失敗のトラジェクトリを収集します。 検証済みの修復をトレーニングの例として用いて、介入が必要なときの認識と、進行中の動作の修正方法をコンパクトモデルに教える。
  論文  参考訳（メタデータ） (2026-10-14T18:27:47Z)
• EviRepair: Evidence-Driven Agents for Reliable Vulnerability Repair [55.22600943144124]
  リポジトリレベルの脆弱性修復のためのエビデンス駆動型マルチエージェントフレームワークであるEviRepairを提案する。 EviRepairは、エージェントが協力して証拠を収集できるようにすることによって、修復プロセスにエビデンスレビューを導入する。 PatchEvalとSecBenchベンチマークの実験は、EviRepairが既存のエージェントベースのベースラインを一貫して上回ることを示した。
  論文  参考訳（メタデータ） (2026-10-09T12:22:43Z)
• VeriHarness: Scaling Agentic Verification for Long-Horizon Tasks [56.74345405508208]
  LLMエージェントはますます複雑で長期のタスクをこなし、そのアウトプットを検証することがますます困難になっている。 本研究では, 基準応答へのアクセスや試験時の潤滑油の分解を行わずに, 固定ベースモデルで検証能力を強化する方法について検討する。 コンセンサスによってエラーを隠蔽できる一方で、不一致はしばしば正しい代替手段を公開することに気付きました。 これらの観察はVeriHarnessを動機付け、ジェネレータが使用する基礎となるLLMを、ワークスペース、エビデンスツール、再利用可能な検証スキルを与えることによって、エージェント検証器に変える。
  論文  参考訳（メタデータ） (2026-10-01T03:02:17Z)
• CART: Closed-Loop Adaptive Red Teaming for Large Language Models [91.66397227953821]
  CART(Closed-Loop Adaptive Red Teaming)は、各結果を使用して、次にテストするものをガイドするフレームワークである。 テストを生成するChallengeと、テスト中のTarget、テキストのみのモデルや境界ツール使用エージェント、結果を評価するJuiceを分離する。
  論文  参考訳（メタデータ） (2026-09-23T04:16:46Z)
• RECTIFY: An Interactive Workbench for Post-Evaluation RAG Diagnosis, Repair, and Verification [1.564663326217051]
  RECTIFYはインタラクティブなStreamlitワークベンチで、評価されたRAGケースを監査可能な修復に変換する。 制御されたRAGベンチマークでは、RECTIFYはBM25、高密度、ハイブリッド検索にまたがる解釈可能な障害プロファイルをサーフェスする。 さらなる分析により、フィルター前処理は不要な修復候補を減らすことが示されている。
  論文  参考訳（メタデータ） (2026-09-15T07:37:58Z)
• Diagnosis Before Recovery: Turning Agent Failures into Selective Self-Correction [22.654396704495934]
  開発セット障害は、どのリカバリ介入が許容可能かを決定することにより、欠落診断基板の一部を回復することができる。 DARCは、タスクファミリー障害モードをプロファイリングし、共有リカバリライブラリから不正な介入を発生させ、検証者選択によるデプロイメント成功コストポリシーを凍結する、診断誘導型リカバリハーネスである。
  論文  参考訳（メタデータ） (2026-08-12T08:14:45Z)
• TraceView: Interactive Visualization of Agentic Program Repair Trajectories [5.167916226638202]
  LLMベースの自動プログラム修復(APR)エージェントは、人間の介入を最小限に抑えてソフトウェアバグを修正するパッチを生成する。 最終パッチの結果は、修復の試みが成功したか失敗したかを示しているが、エージェントがその結果にどのように到達したかは示していない。 本稿では,APRシステムからの修復軌道のラベル付けと可視化を行うインタラクティブツールであるTraceViewを提案する。
  論文  参考訳（メタデータ） (2026-06-20T15:47:15Z)
• Detect--Repair--Verify for LLM-Generated Code: A Multi-Language, Multi-Granularity Empirical Study [10.18490328199727]
  大規模な言語モデルは実行可能なソフトウェアアーチファクトを生成することができるが、そのセキュリティはエンドツーエンドの評価が難しいままである。 本研究では、脆弱性を検出し、修復し、セキュリティおよび機能テストで再チェックするDRVワークフローを通じて、その問題を調査する。 現在の証拠の4つのギャップに対処する: LLMの生成したアーティファクトの試験的なベンチマークの欠如、パイプラインレベルの有効性に関する限られた証拠、修正ガイダンスとしての検出レポートの不確実な信頼性、検証中の不確実な修復信頼性。
  論文  参考訳（メタデータ） (2026-03-24T18:18:30Z)
• DoVer: Intervention-Driven Auto Debugging for LLM Multi-Agent Systems [48.971606069204825]
  DoVerは、大規模言語モデル(LLM)ベースのマルチエージェントシステムのための介入駆動デバッグフレームワークである。 ターゲットの介入を通じて、アクティブな検証によって仮説生成を増強する。 DoVerは失敗試験の18～28%を成功させ、最大16%のマイルストーンを達成し、失敗仮説の30～60%を検証または否定する。
  論文  参考訳（メタデータ） (2025-12-07T09:23:48Z)

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。