要旨: 外部知識によってLLMを基盤づける手法としての検索拡張生成（RAG）の成功にもかかわらず、異種の情報源（例：プライベートデータベース、グローバルなコーパス、API）にまたがって適用することは依然として大きな課題です。既存のアプローチは一般に、LLM-as-a-Router（LLMをルータとして扱う）を用いて、分解されたサブクエリを特定の情報源へ予測的にディスパッチします。しかし、この「LLM-as-a-Router」戦略は、異なるデータソースの意味論に大きく依存しており、情報源の境界が曖昧な場合にはルーティング・エラーにつながりがちです。本研究では、予測的ルーティングから、堅牢な「Retrieve-then-Verify（検索してから検証する）」へとパラダイムを転換するRealRoute Systemを導入します。RealRouteは、
\textit{並列で、情報源に依存しない検索によって証拠の網羅性を確保し、その後で動的な検証器が結果を相互照合し、事実に根差した回答を統合する}ことを保証します。デモにより、ユーザはリアルタイムの「再ルーティング」プロセスを可視化でき、複数の知識サイロにまたがる検証チェーンを検査できます。実験の結果、RealRouteは、多ホップのRag推論タスクにおいて予測ベースラインを大幅に上回る性能を示しました。RealRouteシステムは、使いやすいWebインターフェースを備えたオープンソースのツールキットとして公開されます。コードは次のURLで入手できます: https://github.com/Joseph1951210/RealRoute。
RealRoute：Retrieve-then-Verifyパラダイムによる動的クエリルーティング・システム
arXiv cs.AI / 2026/4/25
💬 オピニオンDeveloper Stack & InfrastructureTools & Practical UsageModels & Research
要点
- 本論文は、プライベートDB・公開コーパス・APIなどの異種ソースに知識が分散している状況で生じる課題に対処する、RAG向けの動的クエリルーティング・フレームワーク「RealRoute」を提案します。
- LLM-as-a-Routerでどのソースを問い合わせるかを予測するのではなく、RealRouteはソース非依存の並列リトリーブで証拠の網羅性を確保した後、動的な検証器で取得結果を相互照合し、事実に基づく回答を合成します。
- RealRouteは、複数の知識サイロにまたがる検証チェーンを確認できるだけでなく、リアルタイムの「再ルーティング」過程を可視化する仕組みも提供します。
- 実験では、RealRouteがマルチホップRAG推論において、予測型ベースラインを大きく上回ることが示されています。
- さらにRealRouteは、ユーザーフレンドリーなWebインターフェース付きでオープンソースとして公開され、GitHubでコードが利用可能です。
