情報ソースの適応型拡張によるRAGの高性能化に向けて 大学科目履修での留学生支援を題材として

カテゴリ：研究会(論文単位)

論文No：IS25048

グループ名：【C】電子・情報・システム部門 情報システム研究会

発行日：2025/8/2

タイトル(英語)：Enhancing Retrieval-Augmented Generation with Adaptive Information Integration: A Case Study on Supporting

著者名：石 澤蘭(神奈川工科大学),松本 一教(神奈川工科大学),皆川 日伽(神奈川工科大学)

著者名(英語)： Shi Zelan(Kanagawa Institute of Technology),Matsumoto Kazunori(Kanagawa Institute of Technology),Minagawa Hinoka (Kanagawa Institute of Technology)

キーワード：生成ＡＩ,ＬＬＭ,ＲＡＧ,動的情報更新,大学コースサポート,Generative AI,LLM,RAG,Dynamically Update Information,University Course Support

要約(日本語)：本研究では，大学における履修支援を想定し，RAGに基づくFAQシステムを構築し，その改良に関する検討を行った．従来のRAGにおいては，情報源に含まれていない内容に対する応答精度が低下するという課題が存在する．これに対して，本研究では情報ソースに含まれない内容を動的に補完する新たな手法を提案した．

要約(英語)：We propose a systematic method for dynamically reviewing and updating information sources by identifying missing content and supplementing it based on user needs.

本誌：2025年8月5日-2025年8月6日情報システム研究会

本誌掲載ページ：71-75p

原稿種別：日本語

PDFファイルサイズ：2,347Kバイト