Hi-Q: 다중 홉 질의응답을 위한 계층적 증거 기반 질의 정제

초록

다중 홉 질의응답(QA)의 핵심 병목은 질문이 표현되는 세분성(granularity)과 말뭉치 증거가 검색 가능한 세분성이 종종 일치하지 않는다는 점이다. 기존 방법들은 말뭉치에 고정된 그래프 구조를 부과하거나, 질의를 반복적으로 재구성하거나, 생성된 프로그램을 실행하는 방식으로 이러한 불일치를 해결하려 하였다. 그러나 이러한 전략들은 질의 단위가 언제 증거에 의해 이미 뒷받침되는지, 언제 정제되어야 하는지를 명시적으로 결정하지 않는다. 우리는 이 병목을 검색 가능한 세분성 발견(retrievable granularity discovery)으로 정식화하고, 계층적 질의 정제를 위한 증거 조건부 프레임워크인 Hi-Q를 제안한다. 각 질의 노드에서 해결 연산자(resolution operator)는 검색된 증거가 현재 질의 단위를 뒷받침하는지 검사한다. 해결된 노드는 종료되고, 해결되지 않은 노드는 의존성을 보존하는 이항 연산자에 의해 확장된 후 의미론적 범위 검증기(semantic coverage verifier)로 검사된다. 따라서 Hi-Q는 고정된 분해 템플릿이나 사전 구축 그래프가 아니라 말뭉치 지지 신호에 의해 위상이 결정되는 질의 트리를 성장시킨다. 우리는 세 개의 다중 홉 QA 벤치마크에서 Hi-Q를 평가하였으며, 주로 전체 말뭉치 검색 설정에서 평가하였다. 이 설정에서는 의존적 증거가 작은 주석 문서 집합이 아닌 오픈 도메인 방해 요소들 사이에서 발견되어야 한다. 이 설정에서 Hi-Q는 세 벤치마크 평균 EM 52.3, F1 64.0을 달성하여, 동일 평균 기준 반복 검색 기반 기준선 IRCoT보다 EM 15.1 / F1 18.2 앞섰고, MuSiQue-full에서 그래프 기반 RAG 기준선 PropRAG보다 EM 11.5 / F1 12.0 앞섰다. 이러한 성과는 말뭉치 전체에 대한 그래프 구축 없이 이루어졌다. 이전 연구에서 사용된 제한된 지원/방해 요소 설정에서도 Hi-Q는 평균 EM 57.9, F1 69.3으로 최고 정확도를 달성하여, PropRAG보다 EM 5.6 / F1 3.9, IRCoT보다 EM 13.7 / F1 15.8 앞섰다. 프로젝트 페이지는 https://hi-q-project.github.io/에서 확인할 수 있다.

English

A central bottleneck in multi-hop Question Answering (QA) is that the granularity at which a question is expressed often differs from the granularity at which corpus evidence is retrievable. Existing methods address this mismatch by imposing fixed graph structures over the corpus, by iteratively reformulating the query, or by executing a generated program over it, but these strategies do not explicitly decide when a query unit is already supported by evidence and when it should be refined. We formulate this bottleneck as retrievable granularity discovery and introduce Hi-Q, an evidence-conditioned framework for hierarchical query refinement. At each query node, a resolution operator tests whether retrieved evidence supports the current query unit; resolved nodes terminate, while unresolved nodes are expanded by a dependency-preserving binary operator and checked by a semantic coverage verifier. Hi-Q therefore grows a query tree whose topology is determined by corpus support signals rather than by a fixed decomposition template or a pre-built graph. We evaluate Hi-Q on three multi-hop QA benchmarks, primarily under full-corpus retrieval, where dependent evidence must be located among open-domain distractors rather than within a small annotated pool. In this setting Hi-Q reaches 52.3 EM and 64.0 F1 averaged over the three benchmarks, ahead of the iterative retrieval baseline IRCoT by 15.1 EM / 18.2 F1 on that same average, and ahead of the graph-based RAG baseline PropRAG by 11.5 EM / 12.0 F1 on MuSiQue-full, without corpus-wide graph construction. In the restricted supporting/distractor setting used by prior work, Hi-Q likewise attains the best accuracy, with 57.9 EM and 69.3 F1 on average, ahead of PropRAG by 5.6 EM / 3.9 F1 and IRCoT by 13.7 EM / 15.8 F1. The project page is available at https://hi-q-project.github.io/.