反復推論
要約済み 1
-
arxiv-cs-ai 5時間前 3RAGの精度を高める新フレームワーク登場、反復推論で安定化Stateful Evidence-Driven Retrieval-Augmented Generation with Iterative Reasoning
ステートレス検索と平坦なコンテキスト表現というRAGの根本的課題を解決する新フレームワークが発表された。 取得文書を構造化推論ユニットに変換し、証拠プールで支持・非支持情報を永続的に管理する独自設計を採用。 ノイズの多い検索環境でも安定した回答精度を実現し、RAGを活用する開発者に実践的な改善指針を提供する。
解説 本論文はRAG（検索拡張生成）の根本課題を解決するSED-RAG（Stateful Evidence-Driven RAG）フレームワークを提案する。従来のRAGは検索結果をフラットなコンテキストとして扱い、単一の検索で完結するためノイズや情報不足に弱かった。SED-RAGでは取得文書を「関連度」と「信頼度」を持つ構造化推論ユニットに変換し、支持・非支持情報の両方を保持する永続的証拠プール（Evidence Pool）に蓄積する。次にプール内の欠陥（情報不足・矛盾）を分析し、次の検索クエリを自動改善する反復推論サイクルを実行する。これにより複雑な多段階質問にも安定した回答が可能になる。複数のQAベンチマークで標準RAGを上回る性能を示しており、既存のLLMバックエンドに組み合わせ可能なフレームワーク設計のため本番環境への応用も現実的である。