rag 83

• NVIDIA cuVS解説: GPU加速ベクトル検索がRAG・推薦のインデックス構築を最大40倍高速化 31/03/2026
• 論文解説: LSM-VEC — LSMツリー型動的ベクトルインデックスでFreshDiskANN比5倍の書き込みスループット 31/03/2026
• 論文解説: グラフ型ベクトル検索の包括的実験評価 — HNSW・DiskANN・RoarGraph・ACORNを同一条件で比較 31/03/2026
• 論文解説: ACORN — フィルタ付きベクトル検索の精度を劇的に改善するグラフ探索アルゴリズム 31/03/2026
• 論文解説: ChipNeMo — チップ設計ドメイン適応LLMの技術的詳細 28/03/2026
• NVIDIA RAG Blueprint解説: Kubernetes上のエンタープライズRAGコンポーネント水平オートスケーリング 20/03/2026
• 論文解説: Gemini Embedding — 250以上の言語に対応する汎用テキスト埋め込みモデル 20/03/2026
• Semantic Kernel Memory Packages GA — 11のVector Storeコネクタ本番利用開始とレガシーAPI移行ガイド 20/03/2026
• AWS事例解説: Amazon MemoryDBによるセマンティックキャッシュでAIワークロードのコスト86%削減 20/03/2026
• Anthropic: Contextual Retrieval — RAG検索精度を最大67%改善するコンテキスト付与手法 20/03/2026
• NVIDIA TensorRT-LLM: KVキャッシュ再利用最適化による推論高速化の実装解説 20/03/2026
• 論文解説: Adaptive-RAG — クエリ複雑度に基づく検索戦略の動的切り替えによるRAGコスト最適化 20/03/2026
• 論文解説: Curator — マルチテナント・ベクトルDBの効率的インデキシング 20/03/2026
• 論文解説: CacheBlend — RAGにおけるKVキャッシュ融合による高速LLM推論 20/03/2026
• 論文解説: Lance — 適応的構造エンコーディングによる列指向ストレージの高速ランダムアクセス 20/03/2026
• 論文解説: LiquidANN — 階層型ストレージによるコスト効率的ベクトル検索 20/03/2026
• 論文解説: Corrective Retrieval Augmented Generation (CRAG) — 検索品質評価とWeb検索フォールバックによるRAGの堅牢化 20/03/2026
• Notion事例解説: ベクトル検索基盤の10倍スケール・コスト90%削減の2年間 20/03/2026
• 論文解説: Gemini 1.5 — 100万トークン長文脈理解を実現するMoEアーキテクチャ 20/03/2026
• 論文解説: Searching for Best Practices in Retrieval-Augmented Generation — RAGパイプライン最適構成の体系的探索 20/03/2026
• NVIDIA公式ブログ解説: NeMo Curatorによるデータキュレーションで埋め込みモデル精度を12%改善 04/03/2026
• 論文解説: Matryoshka Representation Learning — 可変次元埋め込みで検索コストを1/14に削減する 04/03/2026
• AWS公式ブログ解説: Amazon BedrockとSageMakerによるBGE埋め込みモデルの合成データFine-tuning 04/03/2026
• ACL 2024論文解説: Improving Text Embeddings with Large Language Models — LLM合成データで埋め込みモデルを訓練する 04/03/2026
• 論文解説: GISTEmbed — ガイドモデルによるバッチ内偽ネガティブ除去でテキスト埋め込みを改善 04/03/2026
• Google Research解説: SOAR — 直交性残差による制御された冗長性でベクトル検索を高速化するScaNN新アルゴリズム 02/03/2026
• NeurIPS 2019論文解説: DiskANN — 10億規模のベクトル検索を単一ノードで実現するSSD最適化アルゴリズム 02/03/2026
• 論文解説: Rethinking HNSW — HNSWの階層構造は本当に必要か？ 02/03/2026
• 論文解説: Mistral-SPLADE — LLMのEcho EmbeddingでBEIRスパース検索SOTAを達成する手法 28/02/2026
• 論文解説: SPLADE v2 — 学習型スパース検索で転置インデックスにセマンティック拡張を導入する手法 28/02/2026
• 論文解説: HyDE — LLM生成の仮想ドキュメントでゼロショット検索精度を改善する手法 28/02/2026
• 論文解説: ColBERTv2 — Residual Compressionで実現する軽量Late Interaction検索 28/02/2026
• 論文解説: Matryoshka Representation Learning — 可変次元Embeddingで検索コストを14倍削減する手法 28/02/2026
• LangChain公式解説: LangGraphマルチエージェントワークフローの3設計パターン 24/02/2026
• 論文解説: RAG-Gym — MDP定式化とプロセス監督によるAgentic RAG最適化 24/02/2026
• サーベイ解説: Efficient Inference for Large Reasoning Models — 推論コスト制御の体系的分類 24/02/2026
• 論文解説: Adaptive-RAG — クエリ複雑度分類で検索戦略を動的に選択するRAGフレームワーク 24/02/2026
• 論文解説: MARA — LangGraphベースのマルチエージェントRAGアーキテクチャ 24/02/2026
• 論文解説: Towards Optimizing the Costs of LLM Usage — 品質予測とLP緩和によるLLMコスト40-90%削減 23/02/2026
• AWS解説: Amazon Bedrock Knowledge Basesによる構造化データの自然言語クエリ — マネージドNL2SQLの実装パターン 23/02/2026
• 論文解説: CHASE-SQL — マルチパス推論×DPO候補選択でBIRDベンチマーク73.0%を達成したText-to-SQL 23/02/2026
• ICLR 2024論文解説: MiniLLM — 逆KLダイバージェンスによるLLMオンポリシー蒸留 23/02/2026
• NVIDIA解説: Nemotron RAG×SQL Server 2025 — エンタープライズデータ上のスケーラブルAI構築 23/02/2026
• ブログ解説: NVIDIA NeMo Retriever NIMsでAgentic RAGパイプラインを構築する 23/02/2026
• AWS公式解説: Amazon Bedrock Cross-Region Inferenceでスロットリングを解消しスループットを向上させる 23/02/2026
• 論文解説: Adaptive RAG — クエリ複雑度に基づく検索戦略の動的選択 23/02/2026
• COLING 2025論文解説: MAC-SQL — Selector・Decomposer・Refinerによるマルチエージェント協調Text-to-SQL 23/02/2026
• AWS公式解説: Amazon Bedrockのコスト最適化戦略 — 7つの手法で推論コストを最大90%削減 23/02/2026
• 論文解説: HybridRAG — Knowledge Graph×ベクトル検索のRRF統合で金融QA精度を向上 23/02/2026
• 論文解説: RAGCache — 知識ツリー構造によるRAG推論のKVキャッシュ最適化 23/02/2026
• ICML 2025論文解説: A Unified Approach to Routing and Cascading for LLMs — ルーティングとカスケードの統一的最適化 23/02/2026
• 論文解説: CHESS — コンテキスト認識型4段パイプラインでText-to-SQL精度73%を達成 23/02/2026
• 論文解説: DIN-SQL — 分解型In-Context Learningで実現するText-to-SQL自己修正パイプライン 23/02/2026
• 論文解説: Don't Break the Cache — LLMエージェントフレームワークのプロンプトキャッシュ効率を体系評価 23/02/2026
• 論文解説: Ruri — 日本語汎用テキスト埋め込みモデル 23/02/2026
• 論文解説: CHESS — RAGベーススキーマ選択でText-to-SQL精度73%を達成するパイプライン 23/02/2026
• NeurIPS 2023論文解説: Judging LLM-as-a-Judge with MT-Bench and Chatbot Arena 22/02/2026
• Anthropic解説: Claude APIプロンプトキャッシュ — コスト90%削減・レイテンシ85%短縮の実装と料金設計 22/02/2026
• 論文解説: Prompt Cache — モジュラーAttention再利用による低レイテンシLLM推論 22/02/2026
• ICLR 2025 Spotlight論文解説: TheAgentCompany — 実世界タスクでのLLMエージェントベンチマーク 22/02/2026
• 論文解説: LLMエージェント評価・ベンチマークの包括的サーベイ（KDD 2025） 22/02/2026
• 論文解説: ARES — RAGシステムの自動評価フレームワーク 22/02/2026
• ICLR 2025論文解説: JudgeBench --- LLM-as-Judgeの評価ベンチマーク 22/02/2026
• Care Accessが Amazon Bedrock プロンプトキャッシュで86%コスト削減を達成した事例解説 22/02/2026
• 論文解説: MAESTRO — Multi-Agent Evaluation and Testing for Real-world Orchestration 22/02/2026
• 論文解説: PyramidKV — KVキャッシュ12%でFull精度の99%を維持する動的圧縮手法 22/02/2026
• 論文解説: FrugalGPT — 複数LLMカスケードによるコスト最大98%削減 22/02/2026
• 論文解説: Searching for Best Practices in RAG — 1,400実験が示すマルチソースRAGパイプラインの最適解 21/02/2026
• サーベイ解説: Towards Trustworthy RAG — RAGシステムの信頼性6次元フレームワーク 21/02/2026
• NVIDIA解説: LangGraphによるHuman-in-the-Loop AIエージェントの構築パターン 21/02/2026
• SIGIR 2009論文解説: Reciprocal Rank Fusion — ハイブリッド検索の基盤となったランク統合手法の原論文 20/02/2026
• AWS公式ブログ解説: OpenSearch Serviceでスパース×デンスベクトルを統合したRAGハイブリッド検索 20/02/2026
• 論文解説: Blended RAG — セマンティック検索×BM25×メタデータフィルタリングで検索精度84.6%を達成 20/02/2026
• 論文解説: RAG-Fusion — マルチクエリ生成×RRFでRAG検索の網羅性を向上させる手法 20/02/2026
• 論文解説: An Analysis of Fusion Functions for Hybrid Retrieval — RRF vs 線形結合 vs Learning to Rank の体系的比較 20/02/2026
• Google Research解説: SOAR — ScaNNを加速する直交残差スピリングアルゴリズム 19/02/2026
• 論文解説: DiskANN — スケーラブルで高速なフィルタ付き近似最近傍探索 19/02/2026
• AWS公式解説: pgvectorインデックス最適化ガイド — IVFFlatとHNSWの深掘り 19/02/2026
• 論文解説: pgvectorscale — PostgreSQLをAIアプリケーション向けにスケールさせる拡張 19/02/2026
• 論文解説: Survey of Vector Database Management Systems 19/02/2026
• LangChain公式ブログ解説: エージェントのためのContext Engineering — Write/Select/Compress/Isolate実装ガイド 18/02/2026
• 論文解説: LLMエージェントのメモリ機構サーベイ — 記憶の源泉・形式・操作の統一的分類 18/02/2026
• AWS ML Blog解説: Amazon Bedrock AgentsでのRAGAS & LLM-as-a-Judge評価実装 16/02/2026