GraphER：リトリーバル拡張生成における効率的なグラフベースのエンリッチメントおよび再ランキング手法
arXiv cs.LG / 2026/3/27
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- 本論文は、RAGシステム内でのセマンティック検索が、エビデンスが複数のソースに分散している場合に失敗し得ること、またエージェント的な検索がデータ構造を十分に活用しないまま探索を反復的に拡大してしまうため非効率になり得ることを主張している。
- 提案手法のGraphERは、インデキシング時にオフラインでデータをエンリッチメントし、その後クエリ時にグラフベースの再ランキングを行うことで、単なる生のセマンティック類似度を超えた複数の近さ（proximity）を捉える。
- GraphERは知識グラフの維持を不要とし、実運用で一般的に使われている標準的なベクトルストアに対して直接動作するよう設計されている。
- 本手法はリトリーバに依存せず、レイテンシの追加オーバーヘッドは無視できる程度であると報告されており、複数の検索ベンチマークにおいて性能向上が実験で示されている。
