TopoChunker: トポロジー対応のエージェント型文書チャンク化フレームワーク

要旨: 現在の Retrieval-Augmented Generation (RAG) の文書チャンク化手法は通常テキストを線形化します。この強制的な線形化は内在するトポロジ的階層を取り除き、下流の検索品質を低下させる「意味的断片化」を生み出します。本論文では、TopoChunker というエージェント型フレームワークを提案します。これは異種の文書を構造化中間表現（SIR）にマッピングし、セグメント間の依存関係を明示的に保持します。構造的忠実性と計算コストのバランスを取るため、TopoChunker はデュアルエージェントアーキテクチャを採用します。Inspector Agent はコスト最適化された抽出経路を動的にルーティングし、Refiner Agent は容量の監査とトポロジカル文脈の曖昧さの解消を行い、階層的系譜を再構築します。非構造化ナラティブ（GutenQA）および複雑なレポート（GovReport）で評価したところ、TopoChunker は最先端の性能を示します。最も強力な LLM ベースの基準モデルを絶対生成精度で8.0%上回り、Recall@3 が83.26%に達します。同時に、トークンオーバーヘッドを23.5%削減し、構造を意識したRAGに対するスケーラブルなアプローチを提供します。