Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

A Systematic Literature Review of Retrieval-Augmented Generation: Techniques, Metrics, and Challenges

Created by
  • Haebom

作者

Andrew Brown, Muhammad Roman, Barry Devereux

概要

本研究では、2020年から2025年5月まで発表された、引用回数の高い検索増強生成(RAG)関連研究128編の体系的文献レビューを行いました。 ACM Digital Library、IEEE Xplore、Scopus、ScienceDirect、DBLPなどのデータベースからデータを収集し、PRISMA 2020フレームワークに従って分析しました。 RAGは、ニューラルネットワークベースの検索モデルと生成型言語モデルを組み合わせて、最新の情報を活用しながらモデルの重みに格納された意味的な一般化を維持する方法です。本研究はデータセット、アーキテクチャ、評価方式を分類し、RAGの効果と限界に対する経験的証拠を総合して現在の研究現況を明確にし、方法論的格差を強調し、将来の研究の優先順位方向を提示します。 2025年に発表された論文の場合、引用回数基準を下げ、最近の革新的な研究も含めました。

Takeaways、Limitations

Takeaways:
RAGの効果と限界の経験的証拠を総合的に提示します。
現在のRAG研究の現状と方法論的ギャップを明確に明らかにした。
将来のRAG研究の優先順位方向の提示
引用遅れの偏りを軽減するための戦略の適用(2025年の論文の引用回数に基づく緩和)。
Limitations:
引用回数を基準に選定し、引用回数が低くても重要な研究が欠落する可能性存在。
特定のデータベースに限定された検索による偏りの可能性の存在。
研究の範囲が2020年から2025年5月までに限定され、最新動向を完全に反映できない可能性存在。
👍