GroupRAG：知識駆動の問題構造化による、認知に触発されたグループ対応型の検索と推論

arXiv cs.CL / 2026/3/31

💬 オピニオンIdeas & Deep AnalysisModels & Research

共有:

要点

本論文は、言語モデルの性能が、知識の欠如や推論制約の不足だけでなく、基盤となる問題構造への十分な認識がないことによっても制限されることを主張する。
人間の認知に着想を得たフレームワークであるGroupRAGを提案し、知識駆動によるキーポイントのグルーピングを行うことで、問題に潜在する構造的なグループを可視化する。
GroupRAGは、標準的なRetrieval-Augmented Generation（RAG）やリニアなChain-of-Thought（CoT）手法よりも、検索と推論をより密に結び付けるために複数の概念的な開始点を用いる。
MedQAに関する実験では、GroupRAGが代表的なRAGおよびCoTベースのベースラインを上回り、実運用の状況での頑健性の向上が示唆される。
全体として、本研究は、構造化された空間に対する人間の認知に触発された探索を通じて、明示的な問題構造のモデリングを行うことが、検索拡張型推論における有望な方向性であると位置付けている。

Abstract

言語モデルの性能は、一般に知識の不足や、推論が制約されることによって制限されます。Retrieval-Augmented Generation（RAG）やChain-of-Thought（CoT）といった従来手法は、外部知識を取り込む、あるいは線形の推論チェーンを強制するといった形でこれらの課題に対処しますが、実運用の環境ではしばしば性能が低下します。認知科学に着想を得て、人間の問題解決を単一の推論チェーンというよりは、構造化された問題空間上での探索として特徴づける考え方を踏まえ、問題構造への不十分な認識が重要な見落としとなっている制約であると主張します。私たちは、知識に基づくキーポイントのグルーピングに基づく、認知に着想を得たグループ対応の検索と推論の枠組みであるGroupRAGを提案します。GroupRAGは、問題の中に潜在する構造的なグループを特定し、複数の概念的な出発点から検索と推論を行うことで、2つの処理の間のきめ細かな相互作用を可能にします。MedQAに関する実験では、GroupRAGが代表的なRAGおよびCoTベースラインを上回ることが示されました。これらの結果は、人間の認知に触発された形で問題構造を明示的にモデル化することが、堅牢な検索強化推論に向けた有望な方向性であることを示唆しています。