Tag
18 件の関連記事
Apple ML Researchは11月4日(現地時間)、機械学習に関する研究で、Retrieval-Augmented Generation (RAG) の基盤技術であるMaximum inner product search (MIPS) の効率化に向けた新手法を公開した。同社は、ICML 2026での論文発表で、より高速で効率的なMIPSを実現するため、オフラインで訓練された小型ニューラルネットワーク (NNs) を用いたクエリルーティングの学習アプローチを提案。MIPSの計算コストを大幅に削減し、RAGなどの性能向上に寄与すると期待される。
arXiv cs.CLは2026年10月22日(現地時間)、乳房病変管理の文献を用いたRetrieval-Augmented Generation (RAG) システムに関する研究論文を発表した。本研究は、グラウンドトゥルースが検索スコアに与える影響を詳細に分析し、特にアノテーションのカバレッジと検索スコアとの依存関係に対応する、エビデンス認識型の評価プロトコルを記述している。この成果は、医療分野におけるRAGシステムの信頼性向上に寄与することが期待される。
arXiv cs.CLは2026年9月30日(現地時間)、QLoRA (キューローラ) でファインチューニングされたLLaMA-3 (ラマ・スリー、8B) モデルとRetrieval-Augmented Generation (検索拡張生成、RAG)、さらにマルチモーダルなGemini Vision (ジェミニ・ビジョン) 層を組み合わせた医療レポート分析システム「MeddeX (メデックス)」に関する論文を発表した。このシステムは、複雑な医療文書から正確で簡潔、かつ根拠に基づいた要約を提供することを目的としている。
Yilun Hao氏らは10月7日(現地時間)、大規模言語モデル (LLM) が多様な情報源から必要な証拠を効率的に導出するための新しいフレームワーク「RECAST」を開発したと発表した。同フレームワークは証拠構築を逐次的な意思決定プロセスとして扱い、フィルタリングや計算を通じて能動的に証拠を生成する。6つのベンチマークで平均成功率75.6%を達成し、既存の強力なモデルベースラインを15.9%上回る性能を示したという。
arXiv cs.CLは9月27日(現地時間)、論文を公開し、リトリーバル拡張生成 (RAG) における主張の事実性確保が課題であることを指摘しました。特に、複数の依存ステップを経て情報を取得・推論するマルチホップRAGでは、外部情報源からのコンテキストが必ずしも事実を保証しない問題が顕著です。同論文では、RAG向けに開発された主張レベルの適合性に基づく事実性制御がマルチホップRAGにも有効であるかを検証しました。
arXiv cs.CLは2026年9月19日(現地時間)、情報時代スキルフレームワーク（SFIA）を用いたスキルと責任レベルの構造化抽出に関する研究論文を発表した。Ranuga Disansa (ラヌガ・ディサンサ) 氏らが執筆したこの論文は、既存のシステムがスキルを責任レベルの概念なしに単純なラベルとして扱う課題を指摘。SFIAが定義する147の専門スキルと7つの責任レベルを、大規模言語モデル (LLM) ベースでテキストから抽出する手法を検討した。
GitHub Blogは9月18日(現地時間)、AI（人工知能）開発における主要な論点や見解（ホットテイク）を深掘りした同社のポッドキャスト最新エピソードの概要を公開した。AIが生成したコードに対する開発者の責任、Retrieval-augmented generation（RAG）の有効性、Model Context Protocol（MCP）とSkillsの関係性など、広範なテーマについて議論が交わされた。
学術論文リポジトリarXiv cs.CRが2026年8月26日(現地時間)付けで、Retrieval-Augmented Generation (RAG) における攻撃と防御に関する調査論文「Retrieved But Not Reliable: A Survey on Attacks, and Defenses in Retrieval-Augmented Generation」を公開した。大規模言語モデル (large language models) の出力の事実性を高め、幻覚 (hallucinations) を低減するRAGは、コーパス汚染 (corpus poisoning) やプライバシー漏洩 (privacy leakage) など新たな堅牢性 (robustness) とセキュリティリスクを導入することが指摘されている。
arXiv cs.LGは8月3日(現地時間)、エッジ向け言語モデルにおける永続的なコンテキスト管理とコーパス検索に関する査読前プレプリントを公開しました。本研究は、ステートスペースモデル (SSM) の特性を利用し、プリフィルコストをO(L_context)からO(1)に削減する「プレコグ (PRECOG)」と、階層的な永続メモリシステム「構造化メモリ統合 (SMC)」を導入。エッジハードウェアでのレイテンシを大幅に改善し、実用レベルの応答性を実現できることを示しています。
NVIDIAは7月16日(現地時間)、マルチステップのエージェントワークフローにおける検索品質向上を目的とした埋め込みモデルコレクション「Nemotron 3 Embed（ネモトロン 3 エンベッド）」を発表した。コレクションのフラッグシップモデル「Nemotron-3-Embed-8B-BF16」は、主要ベンチマークであるRetrieval Text Embedding Benchmark（RTEB）リーダーボードで総合1位を獲得し、高度な検索やエンタープライズRetrieval Augmented Generation（RAG）用途での高い性能を示している。
Mistral AIは2026年6月23日(現地時間)、バウンディングボックス、ブロック分類、インライン信頼度スコアを抽出テキストと共に出力する新OCRモデル「Mistral OCR 4」をリリースした。同モデルは170言語と10の言語グループに対応し、単一コンテナで自己ホスト型デプロイが可能。企業検索、RAG、ドメイン特化型検索パイプラインの取り込みコンポーネントとして利用できる。
科学論文リポジトリのarXivは6月11日(現地時間)、Zilin Xiao氏らの研究チームが、言語モデルに類推による推論能力を付与する新しい学習フレームワーク「Retrieval-Augmented Reinforcement Fine-Tuning (RA-RFT)」を提案したと発表した。この手法は、従来のRetrieval-augmented generation (RAG) が持つ課題を克服し、文脈の類似性ではなく推論への寄与度に基づいて情報を選択することで、複雑な推論タスクにおける言語モデルの性能向上を目指す。
arXiv cs.CLは2026年6月11日(現地時間)、Marek Šuppa氏らが執筆した論文を公開し、その中で低リソース言語であるスロバキア語を対象とした初の包括的なテキスト埋め込みベンチマーク「SkMTEB」を発表した。このベンチマークは、31のデータセットと7種類のタスクタイプで構成されており、既存の多言語ベンチマークに比べスロバキア語の網羅範囲が約4倍深く、精緻な評価を可能にする。論文では、31の埋め込みモデルを評価した結果、大規模な命令チューニング済み多言語モデルが最も高い性能を示し、既存のスロバキア語特化NLUモデルは埋め込みタスクへの転移性能が低いことが判明したと報告している。
Google ResearchとGoogle Cloudは2026年6月5日(現地時間)、複雑なエンタープライズクエリに対し、信頼性の高い応答を生成するAgentic RAG（Retrieval-Augmented Generation）フレームワークを「Gemini Enterprise Agent Platform」に導入したと発表した。この新システムは、従来のRAGの課題を克服し、複数ソースからの情報検索と反復的なコンテキスト収集を通じて、事実性データセットにおける精度を最大34%向上させたと報告されている。
arXiv cs.CL (Computer Science - Computation and Language)は6月3日(現地時間)、「When Retrieval Doesn't Help: A Large-Scale Study of Biomedical RAG」と題する論文を公開した。この研究は、医療分野の質問応答システムにおける検索拡張生成（RAG）の有効性を再検証するもので、これまで有望視されてきたRAGが、大規模な医療QAモデルにおいて限定的かつ一貫性のない改善しか提供しない可能性を指摘している。基盤モデル自体の選択が、検索器や検索コーパスよりもRAGの性能に大きな影響を与えることも明らかになった。
Roman Prosvirnin氏、Sergei Kuznetsov氏、Seungmin Jin氏らは2026年5月19日(現地時間)、学術論文リポジトリarXivに掲載された論文で、Retrieval-Augmented Generation（RAG）システム「ContextRAG」を発表した。このシステムは、大規模言語モデル（LLM）を用いてエンティティや関係を抽出するプロセスを不要とし、グラフ構造を直接構築することで、インデックス作成時に発生するトークンコストおよび実時間コストの大幅な削減を実現する。
Hugging Face Blogが2026年5月18日(現地時間)付けで報じたところによると、PaddleOCR 3.5がリリースされ、Hugging Face Transformersを推論バックエンドとして利用可能になった。これにより、サポートされるPaddleOCRモデルは`engine="transformers"`を設定することでTransformersと連携して動作する。この変更は、OCRおよび文書解析タスクをHugging Faceエコシステムに統合する。
OncoAgent Research Groupは2026年5月9日(現地時間)、オープンソースのプライバシー保護型腫瘍学臨床意思決定支援システム「OncoAgent」を発表しました。このシステムは、デュアルティアのLLMアーキテクチャと、マルチエージェントのLangGraphトポロジー、4段階のCorrective RAGパイプラインを組み合わせています。70以上の医師向けNCCNおよびESMOガイドラインに基づき、3層のリフレクション安全バリデーターが厳格なZero-PHIポリシーを適用します。