30秒サマリー
- 日本語の災害教訓PDFを対象に、知識グラフ三重項フィルタリングを組み合わせた新RAGアーキテクチャが検索再現率0.9909を達成
- テキスト埋め込み・BM25・知識グラフ・画像類似度の4軸融合により、複数文書をまたぐ多段階推論の精度を71.6%向上
- OCRパイプラインや画像キャプション生成も組み合わせた本手法は、災害分野を超えた汎用適用を主張
何が起きたか
安野貴人氏（Takato Yasuno）は2026年7月7日、arXivに論文「Multimodal CoLRAG-TF: Triple-Filtered Retrieval for Complex PDFs」を投稿した。論文では「Multimodal CoLRAG-TF」と名付けた4軸融合RAGアーキテクチャを提案している。
システムは①密ベクトル（テキスト埋め込み）、②BM25キーワードマッチング、③知識グラフによるOpenIE三重項フィルタリング、④画像類似度の4軸を組み合わせる。評価には日本語の災害教訓PDF 43件から抽出した2,403ブロックのマルチモーダルインデックスを使用し、OpenIE三重項11,414件をFAISSでインデックス化することでサブ秒での三重項検索を実現したとしている。
457ペアのベンチマークによる評価では、検索再現率0.9909を達成。また多段階推論（マルチホップ）での回答類似度がシングルホップ比71.6%向上したと報告している。さらにベイズ最適化による融合重みの調整結果として、知識グラフ三重項軸の重みを0.44（最大）に設定することが語彙バイアスの抑制と多段階検索品質の維持に不可欠だったと述べている。加えて、ビジョンLLMを用いた画像からの教訓抽出パイプラインも実装し、視覚入力への対応も示した。
原典ハイライト
論文は「知識グラフ三重項フィルタリングを中心軸とした多軸融合が、雑多で異種混在のPDFに対する構造的推論に不可欠であり、この枠組みは災害分野を超えて汎用的に適用できる」と結論付けている。ベイズ最適化の結果、三重項軸の融合重み（α=0.44）が最大となり、語彙バイアスを打ち消すうえで支配的な役割を果たした点が核心的な知見である。
出典: arXiv cs.LG（論文）
So What?（なぜ重要か）
RAGシステムの弱点とされてきた「複数文書・複数ページをまたぐ多段階推論」を大幅に改善する実装手法が、日本語ドキュメントで実証された。単純なベクトル検索や既存RAGでは精度が出なかった複雑な社内文書（規程集・技術マニュアル・報告書など）への適用可能性を示す成果とみられる。知識グラフの構築コストをどう下げるかが実運用の課題になるとみられるが、FAISSによるサブ秒検索という実装例は実用水準を意識したものといえる。
日本企業への示唆
日本企業が社内に抱える大量の日本語PDFドキュメント（法務・コンプライアンス規程、技術仕様書、過去の障害・事故報告など）へのRAG導入を検討する際、本手法は参考アーキテクチャとなりうる。特に「単一文書では答えが出ない、複数資料を横断した質問」への対応が業務上重要な場合には、知識グラフ三重項フィルタリングの組み込みを設計段階から検討する価値がある。ただし論文はarXiv段階のプレプリントであり、査読済み成果ではないため、導入判断には独自検証が必要である。
背景・経緯
PDF形式の複雑な文書をRAGで活用する際、表・図・専門用語・分散した根拠情報の組み合わせが精度低下の原因となることは広く知られている。本研究は日本語の災害教訓文書という実務的なドメインを対象に、既存手法（HippoRAG2、ColBERT系、BM25など）を組み合わせ発展させたものと位置付けられる。著者はarXivの投稿メールアドレスから日本在住の研究者とみられるが、所属機関等は原文では言及がない。
