【論文解説】【驚異】電波法の質問応答、GPT-4oが12%精度アップしたRAG手法が公開！ скачать в хорошем качестве

【論文解説】【驚異】電波法の質問応答、GPT-4oが12%精度アップしたRAG手法が公開！

この研究は、法的に重要な無線通信規制の領域における質問応答の信頼性を向上させるために、ドメイン特化型の検索拡張生成（RAG）パイプラインを提案しています。著者らは、大規模言語モデル（LLM）が専門的な法規を扱う際に生じるハルシネーション（誤情報生成）の問題に対処しています。評価のために、権威ある情報源から導出された初の無線規制に関する多肢選択式評価データセットを構築し、公開しました。実験結果は、構造化されたRAGアプローチが、GPT-4oを含む全てのテスト済みLLMで生成精度の著しい向上をもたらすことを示しており、特に97%の精度を達成した高精度な検索コンポーネントの有効性を強調しています。 Retrieval-Augmented Generation for Reliable Interpretation of Radio Regulations We study question answering in the domain of radio regulations, a legally sensitive and high-stakes area. We propose a telecom-specific Retrieval-Augmented Generation (RAG) pipeline and introduce, to our knowledge, the first multiple-choice evaluation set for this domain, constructed from authoritative sources using automated filtering and human validation. To assess retrieval quality, we define a domain-specific retrieval metric, under which our retriever achieves approximately 97% accuracy. Beyond retrieval, our approach consistently improves generation accuracy across all tested models. In particular, while naively inserting documents without structured retrieval yields only marginal gains for GPT-4o (less than 1%), applying our pipeline results in nearly a 12% relative improvement. These findings demonstrate that carefully targeted grounding provides a simple yet strong baseline and an effective domain-specific solution for regulatory question answering. All code and evaluation scripts, along with our derived question-answer dataset, are available at https://github.com/Zakaria010/Radio-RAG. Zakaria El Kassimi/Fares Fourati/Mohamed-Slim Alouini http://arxiv.org/abs/2509.09651v1 #RadioRAG #電波法 #GPT4o #RAGパイプライン #AI法規対応 #情報通信AI #質問応答AI #AI精度向上 #法規制AI #AI評価 #生成AI #AI研究