意図の気づきを活用した、属性付きの長文質問応答の改善

arXiv cs.CL / 2026/3/31

💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research

共有:

要点

本論文は、LLMの「意図（intent）への気づき」を高めることで、長文の知識集約型質問応答およびレポート生成の品質が向上し得ることを提案している。
著者が記述や引用の際に用いる暗黙の意図を抽出するために、構造化されたタグベースの手法を導入し、モデルの推論を人間の文書の目的とより良く整合させることを狙っている。
実験の結果、抽出した意図は、ゼロショットの長文レポート生成を改善するだけでなく、より小規模なモデルのファインチューニング用に高品質な合成データを作るのにも役立つことが示された。
複数の科学系レポート生成タスクにおいて、基準（ベースライン）に対する大規模モデルでの平均改善は+2.9ポイント、小規模モデルでは+12.3ポイントと報告されている。
さらに本研究では、意図を踏まえたモデルがより良い引用の選択を行い、可読性が大幅に改善されたレポートを生成できることも明らかにしている。