分解と注入によるコンポジショナルなマルチホップ事実誤り訂正
arXiv cs.CL / 2026/5/5
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- 事実誤り訂正（FEC）は、不正確な文章を外部エビデンスと整合する事実的表現に書き換えることを目的とするが、既存手法は原則として主張を単体として扱うため、複数の証拠をまたぐコンポジショナルなマルチホップ推論が必要なケースでつまずきやすい。
- 提案手法CECoR（Compositional Error Correction via Reasoning-aware Synthesis）は、マルチホップの主張を解釈可能な推論ステップへ分解し、そのうえで制御された摂動を注入して高品質な訓練ペアを合成する。
- CECoRは、教師あり微調整と強化学習を組み合わせる二段階学習により、事実整合性の向上だけでなく頑健性も高める。
- マルチホップのベンチマーク評価では、CECoRは遠隔教師あり手法や少数ショットLLMベースラインを上回り、シングルホップ訂正への汎化やノイズのある証拠下での安定性も示している。
