記事
•4 min read
DatabricksがRAGの課題を解決する「Instructed Retriever」を発表―精度70%向上
DatabricksはAIエージェントのデータ検索精度を向上させる新アーキテクチャ「Instructed Retriever」を発表しました。従来のRAGと比較して70%の精度向上を達成し、曖昧なクエリでも暗黙の条件を明示的な検索パラメータに変換できます。
#RAG#AIエージェント#データ検索
_
RAG
LLM Utility / 8 件
記事検証済み
•4 min read
RAGの精度が73%から100%に向上した話 ─ チャンキング戦略の比較検証
RAG（Retrieval-Augmented Generation）システムで回答精度73%から100%への改善を実現したチャンキング戦略検証の全記録。Large Chunk方式が複雑なParent-ChildやHypothetical Questionsより効果的だった理由と、Re-rankingで逆に精度が悪化した原因を解説。
#RAG#チャンキング#精度改善
記事論文
arXiv••3 min read
初期診断向け説明可能対話AI：LLMとRAGで透明性と精度を両立するヘルスケアシステム
初期診断向け説明可能対話AI：LLMとRAGで透明性と精度を両立するヘルスケアシステム. [!NOTE] 本稿は査読前のプレプリント（arXiv:2512.17559）に基づいています。 1. これは何の話？
#LLM論文#医療AI#RAG
記事論文
arXiv••3 min read
医療QAにおける Fine‑Tuned vs Zero‑Shot LLM + RAG の比較研究
医療QAにおける Fine‑Tuned vs Zero‑Shot LLM + RAG の比較研究. 1. これは何の話？ 医療分野のような高度な専門性が求められるQ&Aシステムを構築する際、どの手法が最も信頼できるかを検証した研究です。 具体的には、「一般的なAIモデルに検索機能をつけるだけ（Zero-Shot +
#Medical AI#Evaluation#RAG
記事論文
arXiv••4 min read
M4‑RAG: 多言語・多文化・マルチモーダルな大規模 RAG ベンチマーク
M4‑RAG: 多言語・多文化・マルチモーダルな大規模 RAG ベンチマーク. 1. これは何の話？ AIモデルの実用評価において、これまで不足していた「多言語・多文化」かつ「視覚情報（マルチモーダル）」を含む検索拡張生成（RAG）の性能を測るための新しいベンチマーク「M4-RAG」が登場しました。
#Benchmark#Multimodal#Multilingual
記事論文
Preprints••4 min read
企業RAGは「実験」から「実稼働」へ：77本の研究が示す実運用の現在地
企業ドメインを対象としたRAG研究77本を徹底分析。「ただの全文検索」から脱却し、実運用に向けたハイブリッド検索や、自律エージェントを組み合わせた「第2世代RAG」への移行トレンドを読み解く
#Enterprise AI#Survey#Best Practice
記事論文
arXiv••3 min read
RAGに「事実性と透明性だけ」を与えるCER再ランキング
RAGに「事実性と透明性だけ」を与えるCER再ランキング. これは何の話？ RAG（検索拡張生成）システムにおいて、検索結果の信頼性を高めるための新しい再ランキング（Re-ranking）手法「CER (Contrastive Evidence Re-ranking)」の提案です。
#LLM#RAG#Research
記事論文
Preprints••3 min read
企業向けRAG×LLM活用を俯瞰するシステマティックレビュー（77本）
2015〜2025年の77研究を整理し、企業の知識管理・文書自動化におけるRAG＋LLMの適用領域、典型アーキテクチャ、評価手法、未解決課題を俯瞰したレビュー。
#RAG#Enterprise#Knowledge Management