
何が起きたか
埋め込み検索ではなくLLMが目次ツリーをたどるPageIndexのベクトルレスRAGが、NVIDIA年次報告書に関する63問すべてに正答した。コストは1,000クエリあたり約110ドル。
なぜ重要か
長く構造化された文書では、テキスト類似度よりもセクション要約や相互参照をLLMが追う方が検索精度を高められる可能性を示す。ただしベンチマークはPageIndexチーム自身によるものだ。
こういう要約が、毎朝あなたのメールに届きます。
このベンチマークが重要なのは、標準的なRAGがチャンクをクエリとの見た目の類似度で順位付けするため、長く構造化された文書ではその前提が2つの形で崩れるからだ。同一企業の5年分の年次報告書は毎年ほぼ同じテンプレートに従い数字だけが変わるので、FY2022に関する質問がFY2025のチャンクにもFY2022のチャンクと同じくらい近く位置づけられてしまう。2つ目の失敗は相互参照だ。あるチャンクが「付録Gを参照」と書いていても、実際の数字は付録Gの表にあり、その表はクエリとはまったく似ていないためtop-kに入らない。
ベクトルレスRAGは類似度検索を、目次ツリー上のLLM推論に置き換える。各ノードはセクションタイトル、ページ範囲、短い要約を持ち、チャンク化は行わないので表が2つのチャンクに分割されることもない。クエリ時にはLLMがセクションのタイトルと要約を読み、答えがありそうな少数のセクションを選ぶ。例えば「財務サマリー」と、要約に債務の詳細があると書かれた「付録G」を選ぶ。システムはそれらのセクション全文を取得し、証拠が十分かを確認し、足りなければツリーに戻ってさらにノードを開く。LLMはチャット履歴も参照するため、追加質問も同じ報告書にとどまる。
トレードオフは、すべてのクエリでツリーに対するLLM呼び出しが走ることだ。PageIndexはレイテンシの数値を公表しておらず、約1,000文書を対象とした独立系ベンチマークの一つは、文書あたり2〜5分のLLM呼び出しでツリーを構築する必要があるとしてツリーを完全に省略した。ツリーは文書に実際の構造がある場合にしか役立たない。サポートチケットの山には推論できる目次がない。また63問のベンチマークがPageIndexチーム自身によるものである点も留意すべきだ。
業界と使っているAIツールを選ぶと、仕事に関係するニュースが毎朝届きます。
登録無料・Googleアカウントなら30秒・いつでも解除できますAITodayについて →
この記事についてわからないことをAIに質問できます。AIはこの記事・AIToday の過去記事・Wikipedia を読み、出典を付けて答えます。Q&Aはこのページに公開され、他の読者も読めます。
このようなAIの動きを、御社の業界・競合に合わせて毎日届ける法人プランもあります → 詳しく見る
Microsoft Ignite 2026でマイクロソフトは赤・青・緑チームのエージェントを組み合わせ攻撃模擬・検知調査・脆弱性修正を行うMicrosoft Perceptionの一般提供を発表した

Microsoft Ignite 2026でWindows Server 2028のパブリックプレビューが公開され、Microsoft Foundry、Windows ML、vLLM、Llama.cppによるAI推論ホス…

AUMOVIOはDatabricks Unity GatewayをLLMへの唯一の経路に採用

CADMAGEDDONはBenchCADの64³ボクセルIoUで、1000部品のサブセットにおいて0.991を記録し、Claude Sonnet 5.5の0.963、Claude Opus 5.5の0.962、GPT-6…

MIT Technology ReviewのAI誇大広告指数はAIの広がりを示し、GoogleのAI Overviewsが広告収入で数十億ドルを失わせたことやAI支援のサイバー攻撃を挙げた

哲学者トーマス・ナゲル氏はバーグルエン賞受賞後のインタビューで、大規模言語モデルが意識を持つ可能性を真剣に受け止めるのは「馬鹿げている」と述べ、AnthropicのClaudeへのアプローチを「犯罪的」と呼んだ
