💬 NLP

Only Ask What You Don't Know: Grounded Delta Planning for Efficient Multi-step RAG

本論文は、事前の検索に基づく計画策定と情報ギャップへの計算の集中化によって、マルチホップ質問回答の効率と精度を向上させ、既存の手法よりも大幅に低いコストで最先端の性能を達成するフレームワークであるGrounded Delta Planning RAG（GDP-RAG）を導入するものである。

原著者： Wei-Chieh Chou, Xuanjun Chen, Jian-Ren Lin, Claire Lin, Hung-yi Lee, Jyh-Shing Roger Jang

公開日 2026-06-23

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Wei-Chieh Chou, Xuanjun Chen, Jian-Ren Lin, Claire Lin, Hung-yi Lee, Jyh-Shing Roger Jang

原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ✨ これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。免責事項の全文を読む

あなたは、複雑なミステリーを解こうとしている探偵だと想像してください。例えば、「誰がクッキーの瓶からクッキーを盗んだのか」を突き止めるようなケースです。あなたには、助けとなる膨大な数の本（インターネット）という図書館がありますが、一度にすべての本を読むことはできません。

現在のほとんどのAIシステムは、この問題を解決するために次の2つのうちいずれかの方法を試みますが、どちらにも問題があります。

「一歩ずつ進む」探偵： 彼らは質問を投げ、本を読み、また別の質問をし、また別の本を読む……というプロセスを繰り返します。問題は、彼らが積み上げた膨大な量の紙に圧倒されて混乱したり、調査の初期段階で小さなミスを犯して調査全体を台無しにしてしまったりすることです。
「計画に固執する」探偵： 彼らは、本を見る前に、巨大で硬直した計画を書き上げます。例えば、最初の1冊目の本の中にすでに答えがあるとしても、5冊の本をチェックするという計画を立ててしまうかもしれません。これは、時間と費用の無駄になります。

新しい解決策：「グラウンデッド・デルタ・プランニング（GDP-RAG）」

この論文の著者たちは、より賢い探偵の動き方を提案しています。彼らはそれを「グラウンデッド・デルタ・プランニング（Grounded Delta Planning）」と呼んでいます。これは、「まず確認し、必要なことだけを尋ねる」という戦略です。

その仕組みを、簡単な例えを使って説明します。

1. 「素早いスキャン」（予備的な検索）

探偵は、質問を一つも書く前に、図書館の棚をざっと広くスキャンして、関連する本を数冊つかみ取ります。

なぜか？ 何も持たずにゼロから始めるためではありません。今、手元にどのような情報がすでに置かれているのかを知っておくためです。

2. 「欠落を見つける」（デルタ・プランニング）

すべてを見つけるための計画を書く代わりに、探偵は手に取った本を見て、こう問いかけます。「何が足りないのか？」

もし、手元の本に「クッキーは犬によって持ち去られた」と書いてあれば、犬について質問する必要はありません。
彼らは、デルタ（Δ：差分）、つまり「まだ足りていない特定の情報」に対してのみ、質問を書き留めます。
結果： 彼らは、尋ねる必要のない質問をスキップします。これは、木の剪定に似ています。不要な枝（冗長な質問）を切り落とすことで、木をより速く、より強く成長させるのです。

3. 「骨組みとなる計画」（スケルタル・トラジェクトリー）

探偵は、非常に短く、無駄のない計画を書きます。しかし、ここが巧妙な点です。彼らが実際に投げる質問の隣には、「素早いスキャンによって、すでにXを知っている」という小さなメモを添えます。

これにより、調査を深めていく過程で、初期に見つけた事実を忘れてしまうことがなくなります。これにより、物語全体に一貫性が保たれます。

4. 「ダブルチェック」のループ

特定の質問を投げ始めたら、単に最初の答えを信じるだけではありません。彼らは3ステップのループを使用します。

実行（Act）： 質問を投げ、回答を得る。
検討（Review）： その回答が真実であることを確認するため、新しい証拠と照らし合わせてダブルチェックする。
更新（Update）： もし新しい発見があった場合は、次のステップに向けた計画を微調整する。

なぜこれが大きな意味を持つのか？
論文では、この手法を3つの難しいパズル・データセット（HotpotQA、2WikiMultiHopQA、MuSiQue）でテストしました。結果は以下の通りです。

力技ではなく、賢く： この新しい手法は、他のすべての手法と比較して最高の精度（60.63%）を叩き出しました。パズルをより良く解いたのです。
安価である： 質問する回数や読むページ数が少ないため、次に優れた手法であるPAR-RAGよりも22%低コストで実行でき、複雑な手法であるKnowTraceよりも68%低コストでした。
トレードオフがない： 通常、精度を取るか、安さを取るかの選択を迫られます。しかし、この手法はその両方、つまり最も正確でありながら最も効率的でもありました。

要約すると：
料理をしている場面を想像してください。

従来の手法は、スープの味を毎秒チェックしすぎる（遅すぎる）か、冷蔵庫の中身を確認する前に50個の材料を使ったレシピを書き上げる（無駄が多い）かのどちらかです。
GDP-RAGは、まず冷蔵庫の中を覗き込み、すでに何を持っているかを確認してから、足りない材料についてのみレシピを書きます。その結果、より速く、より安く、そしてより美味しい料理を作ることができるのです。

論文は、情報の「欠落している部分（デルタ）」に焦点を当て、最初に証拠に基づいた計画を立てることで、AIは精度を損なうことなく、より効率的に複雑な多段階の問題を解決できると結論付けています。

技術要約：効率的なマルチステップRAGのためのグラウンデッド・デルタ・プランニング（Grounded Delta Planning）

問題提起

マルチホップ質問回答（QA）は、検索拡張生成（RAG）システムにおいて依然として大きな課題となっている。既存のアプローチは大きく2つのカテゴリーに分類されるが、いずれも決定的な限界を抱えている：

ステップワイズ手法（例：ReAct、Self-Ask）：これらは検索と推論を動的に交互に実行する。柔軟ではあるものの、コンテキストのオーバーフローによる「ミドルでの消失（lost-in-the-middle）」問題に苦しみ、初期の誤りがプロセス全体を通じて連鎖するエラー伝播を増幅させてしまう。
プランベース手法（例：ReWOO、PlanRAG）：これらは実行前に静的なグローバル・プランを構築することで、サブステップを分離し、連鎖的なエラーを抑制する。しかし、これらはプラン生成をパラメトリックな知識のみに依存することが多く、オーバープランニング（既に利用可能な情報に対して冗長なサブクエリを生成すること）や、アンダープランニング（必要な依存関係を見落とすこと）を招く。さらに、厳格なプランに従うことは、各実行ステップのコストが膨大になるという効率性の問題を引き起こす。

核心となる課題は、エラー伝播とコンテキストのオーバーフローを回避しつつ、冗長な推論ステップを排除し、重要な情報が漏れることがないようにすることで、計算コストを最小限に抑えるフレームワークを設計することである。

手法：Grounded Delta Planning RAG (GDP-RAG)

著者らは、完全な推論チェーンを生成するのではなく、初期検索後に不足している特定の知識である**情報デルタ（ $\Delta$ ）**のみをターゲットとするプランニング・パラダイムへと転換したプランベース・フレームワーク、GDP-RAGを提案する。このフレームワークは、以下の3つの明確なステージを通じて動作する。

1. プランニング・フェーズ（グラウンデッド・デルタ・プランニング）

GDP-RAGは、クエリをパラメトリックな知識のみを用いて分解するのではなく、まず**予備検索（Preliminary Retrieval）**を行い、関連ドキュメントの集合（ $D_{rel}$ ）を収集する。その後、プランナーは以下の3つの設計上の選択に基づき、スケルタル・トラジェトリ（Skeletal Trajectory）（骨格となる軌跡、 $T_{skel}$ ）を生成する：

グラウンディング（接地化）： プランナーは $D_{rel}$ を条件として、既にどのような情報が利用可能であるかを理解する。
ギャップを意識したクエリ分解： プランナーに対し、 $D_{rel}$ に存在する情報を特定し、残りのギャップ（ $\Delta$ ）に対してのみサブクエリを生成するようプロンプトで指示する。
スケルタル・トラジェトリの構造： 出力はタプル $\langle (\theta_i, q_i) \rangle$ のシーケンスである。ここで、 $q_i$ は不足している情報に対するサブクエリであり、 $\theta_i$ （思考）は $D_{rel}$ から得られた当該ステップに関連するエビデンスを保持する。これにより、実行中の情報損失を防ぎながら、軌跡全体を通じてエビデンスを保持する。

このアプローチは、以下の3つの構造的利点をもたらす：

推論ステップの圧縮： $D_{rel}$ に既に存在する事実を検索するために必要であったステップがスキップされる。
オーバープランニングの削減： ハルシネーションに基づく過剰なニーズによる冗長なサブクエリが排除される。これは、プランナーが実際の検索ドキュメントに対して仮定を検証するためである。
アンダープランニングの洗練： 初期検索のより広範なセマンティクス（意味論）により、絞り込まれたターゲット型のサブクエリが見落としがちな依存関係を回収できる。

2. トラジェトリ生成フェーズ

スケルタル・プランは、PAR-RAGから適応させた反復的な**Act-Review-Update（実行・レビュー・更新）**サイクルを通じて実行される：

Act（実行）： 特定のサブクエリ $q_t$ に対してドキュメントを検索し、根拠となるエビデンスを引用しながら暫定的な回答 $\hat{a}_t$ を生成する。
Review（レビュー）： 二次的な検索を行うための検証用クエリを構築し、 $\hat{a}_t$ を新しいエビデンスと照合して、事実関係の不整合を修正する。
Update（更新）： 検証されたタプル $(\theta_t, q_t, d_t, a_t)$ をトラジェトリ・メモリにコミットし、蓄積されたエビデンスに基づいて次のサブクエリ $q_{t+1}$ を洗練させることで、実行時の適応性を確保する。

3. 回答フェーズ

システムは、クエリ $Q$ と、完全にグラウンディングされ検証されたトラジェトリ $T$ を統合することで最終的な回答 $A$ を合成し、回答が論理的に一貫しており、かつ検索されたドキュメントによって厳密に支持されていることを保証する。

主な貢献

フレームワークの提案： GDP-RAGは、先に検索を行い、情報のデルタに対してのみプランニングを行う、学習不要のプランベース・マルチステップRAGフレームワークであり、回答の質を損なうことなく簡潔な推論軌跡を実現する。
パフォーマンス： 広範な実験により、GDP-RAGが比較対象のシステムの中で最高の精度を達成しつつ、計算コストを大幅に低減していることが示された。
アブレーション分析： 著者らは、各設計上の選択（予備検索、ギャップを意識した指示、およびスケルタル・トラジェトリ）が、ステップの効率性、コスト削減、および回答精度に対してそれぞれ独自に寄与していることを確認している。

実験結果

本フレームワークは、GPT-4.1-miniを用いて、3つのマルチホップQAベンチマーク（HotpotQA、2WikiMultiHopQA、MuSiQue）で評価された。

精度（Accuracy）： GDP-RAGは、最強のベースラインであるPAR-RAG（58.20%）を2.43ポイント上回る、**60.63%**という最高精度の全体スコアを達成した。また、HotpotQA（64.75% vs 62.79%）およびMuSiQue（44.53% vs 42.70%）においてもPAR-RAGを凌駕した。
効率性（Cost-of-Pass）： 主要な指標であるcost-of-pass（1つの正解を生成するのに期待されるコスト）は、GDP-RAGで0.51であった。これはPAR-RAG（0.65）より22%低く、KnowTrace（1.57）より68%低い。
パレート最適性： GDP-RAGは、パフォーマンス空間における「高精度・低コスト」のコーナーを占めている。これほど高い精度と低いコストを両立させた手法は他に存在しない。より安価な手法（例：Standard RAG、IRCoT）は、精度において10〜23ポイント遅れをとっている。
ステップ削減： グラウンデッド・デルタ・プランニングは、ダイレクト・プランニングと比較して、有効な推論ステップを61.0%（3,561から1,388へ）削減し、冗長なステップを**77.0%**削減した。

重要性と主張

本論文は、GDP-RAGが、プランニングのプロセスを根本的に変えることで、現在のマルチホップRAGシステムの根本的な非効率性を解決すると主張している。プランナーを予備検索によってグラウンディング（接地）させることで、ステップワイズなエラー伝播やプランベースのオーバープランニングを特徴づける「盲目的な」推論ステップの生成を回避している。

著者らは、未解決のギャップに対してのみ計算を集中させることで、簡潔で信頼性の高い推論軌跡が得られることを強調している。結果は、「グラウンデッド・デルタ・プランニング」がタスクの複雑さに適応することを可能にし、必要な情報の網羅性を維持しながら、追加のホップに伴うコストを償却できることを示唆している。本フレームワークは、LLMにおけるマルチステップ推論の経済的効率性と事実的信頼性の両方を向上させる、堅牢で学習不要のソリューションとして提示されている。