AI 自動翻訳
『Rethinking Structured Generation: Can Graph-Based Reasoning Resolve Ambiguity?』という題名の研究論文が、2026年10月26日付でarXivに掲載され（ID 2610.31681v1）、構造化生成タスクに対する根本的な再考を提案している。すなわち、入力を構造化された出力へと対応させる関係を唯一かつ確定的な写像とみなす従来の仮定を捨て、代わりに言語が内在する複数の合理的な解釈可能性をモデル化することを提唱している。
論文では、既存の手法が単一参照による監督に依存しており、本来共存すべき複数の意味的に有効な構造を強制的に単一の予測へと圧縮してしまうため、入力情報が不十分な場合に出力が不安定で一貫性を欠くという問題が生じると指摘されています。これに対し、著者らは課題を「曖昧認識推論問題」として再定義し、単一の解答を予測するのではなく、意味的に妥当で構造が異なる複数の候補出力を推論・評価することを目標としています。
この目標を達成するため、研究では構造化された出力を持つ候補空間を構築し、各候補をエンティティとその関係を捉えたグラフとして表現しました。さらに、グラフベースの推論メカニズムによってセマンティックな整合性と関係の一貫性を評価することで、単語レベルの尤度を超える跨解釈比較を実現しています。実験の結果、本手法は複数の構造化生成ベンチマークにおいて、精度、出力の安定性、ならびに異なる曖昧度の入力に対するロバスト性を顕著に向上させることが示されました。