実際のドキュメント改訂におけるチャンク再計算：固定型、再帰型、およびコンテンツ定義型チャンキングの更新コストと取得品質の測定

arXiv:2610.31019v1 発表タイプ：新規 要旨：リトリーバル拡張型生成におけるチャンク分割戦略は、ほとんど常に静的なスナップショット上で評価されているが、知識ベースの基盤となる文書は継続的に変化し続けている。チャンクは独立して埋め込まれるため、編集後に境界が移動すると、変更されていないテキストも再び埋め込み直す必要が生じる。我々は、厳密なバイト単位での同一性保持による再利用ルールおよび固定された密集型エンコーダーを前提として、3種類のステートレスなチャンク手法（重複なし固定サイズ、再帰的段落優先、コンテンツ定義型チャンク）について、中国語と英語のWikipediaにおける隣接する改訂ペア120組を対象に、この更新コストを測定した。116記事からなる共通成功プールにおいて、パラメータを固定し長さを調整した条件下では、固定サイズのチャンク手法は、新しいバージョンの埋め込み入力全体のワークロードの57〜68％を再計算することになる。再帰的チュー