ノイズの多い検索から決定証拠へ：インコンテキスト学習におけるシルバー証拠の実証

arXiv:2610.32128v1 発表タイプ：新規 要旨：RAGおよび検索拡張型少人数ショットICLは、意思決定に重要な証拠が長くノイズの多い文脈の中に埋もれている場合、性能が低下することがあります。取得された文脈や実例には、冗長な情報や注意を逸らす情報が含まれる可能性があります。専門家によってラベル付けされた開発用の例は、各判断を支えるテキストを特定できるものの、これらのアノテーションは通常、ノイズの多い検索結果をフィルタリングするための教師信号としてではなく、回答側の根拠としてのみ利用されます。そこで私たちは、銀色証拠デモンストレーションを提案します。これは、ICLの例において、生の取得文脈を生成された目標条件に基づく証拠要約に置き換える手法です。各ラベル付きの開発用例について、LLMは専門家のラベルやゴールド証拠にアクセスせずに銀色証拠を生成し、その証拠を専門家のラベルと対にして用います。