本記事は Neo4j Developer Blog: How to improve multi-hop reasoning with knowledge graphs and LLMs の解説記事です。 ブログ概要（Summary） Neo4jのGraph ML and GenAI ResearchチームのTomaž Bratanič氏は、従来のベクトル類似度検索に基づくRAG（Retr...

論文概要（Abstract） 本記事は arXiv:2510.02827 の解説記事です。 StepChain GraphRAGは、マルチホップ質問応答（Multi-hop QA）において、質問分解（Question Decomposition）とナレッジグラフ上のBFS Reasoning Flow（BFS-RF）を組み合わせた検索拡張生成フレームワークである。著者らは、従来のRAG手...

本記事は Intelligent Router for LLM Workloads: Improving Performance Through Workload-Aware Load Balancing の解説記事です。 論文概要（Abstract） LLM推論ワークロードにはprefillフェーズとdecodeフェーズという異なるリソース要求を持つ2つの段階が存在する。著者らは、既存...

本記事は HippoRAG: Neurobiologically Inspired Long-Term Memory for Large Language Models の解説記事です。 論文概要（Abstract） HippoRAGは、人間の海馬における記憶インデキシング理論（Hippocampal Memory Indexing Theory）をRAG（Retrieval-Augme...

論文概要 本記事は LLM-Based Multi-Hop Question Answering with Knowledge Graph Integration in Evolving Environments（Chen et al., EMNLP 2024 Findings）の解説記事です。 大規模言語モデル（LLM）は広範な知識を内部パラメータに保持しているが、現実世界の事実は絶え...

本記事は Automated structural testing of LLM-based agents: methods, framework, and case studies の解説記事です。 論文概要（Abstract） LLMベースエージェントの自動テストにおいて、従来のユーザーレベル受入テスト（ブラックボックス）では内部動作の検証が困難である。著者らは、ソフトウェア工学の構...

本記事は Beyond the Final Answer: Evaluating the Reasoning Trajectories of Tool-Augmented Agents の解説記事です。 論文概要（Abstract） 従来のエージェント評価ベンチマークは最終回答の正誤（answer matching）に焦点を当てているが、ツール利用エージェントの推論プロセスには効率性（e...

本記事は AgentEval: DAG-Structured Step-Level Evaluation for Agentic Workflows with Error Propagation Tracking の解説記事です。 論文概要（Abstract） AgentEvalは、マルチステップAIエージェントシステムの評価において、実行フローをDAG（有向非巡回グラフ）としてモデル化...

本記事は Judging the Judges: A Systematic Evaluation of Bias Mitigation Strategies in LLM-as-a-Judge Pipelines の解説記事です。 論文概要（Abstract） LLM-as-a-Judgeは、LLM出力の自動評価において広く採用されているが、スタイルバイアス・位置バイアス・冗長性バイアス...

本記事は TRAJECT-Bench: A Trajectory-Aware Benchmark for Evaluating Agentic Tool Use の解説記事です。 論文概要（Abstract） TRAJECT-Benchは、LLMエージェントのツール使用能力を軌跡レベルで評価するベンチマークである。従来のベンチマークが最終回答の正誤のみを評価していたのに対し、本ベンチマー...