電気電子工学科 深田 翔さん（B4・入賞当時）が「TREC 2025 RAG Track」Retrieval performance部門で1位、RAG部門で3位に入賞されました

2026年3月10日、電気電子工学科 深田 翔さん（B4・入賞当時）が「TREC 2025 RAG Track」Retrieval performance部門で1位、RAG部門で3位に入賞されました。

「TREC 2025 RAG Track」Retrieval performance部門で1位、RAG部門で3位に入賞

国際的な情報検索評価ワークショップ「TREC 2025 RAG Track」で東京大学＆一橋大学チームが上位入賞（Retrieval performance 部門で1位、RAG部門で3位を獲得）しました。

受賞された研究内容・活動について

東京大学および一橋大学の合同チーム「UTokyo-HitU」（東京大学・工学部・電気電子工学科・深田 翔、東京大学・情報理工学系研究科・松井 勇佑 講師、一橋大学・ソーシャル・データサイエンス学部/研究科・欅 惇志 准教授）は、米国国立標準技術研究所（NIST）が中心となって実施する国際的な情報検索評価ワークショップ「TREC 2025」の Retrieval-Augmented Generation Track（TREC RAG Track）に参加し、Retrieval performance 部門で1位、RAG部門で3位を獲得しました。
TREC は、情報検索技術の有効性を共通のデータセットと評価指標に基づいて比較・検証する国際的な評価ワークショップです。TREC RAG Track では、大規模文書集合から必要な情報を検索し、その根拠に基づいて大規模言語モデルが回答を生成する Retrieval-Augmented Generation（RAG）システムの性能が評価されます。2025年の同Track では、複数文からなる複雑な情報要求に対して、関連文書を高精度に検索し、根拠を明示した回答を生成できるかが問われました。同Trackに対し、2025年では20チーム程度が参加しました。
UTokyo-HitU チームは、検索・疑似回答生成・再ランキング・生成を組み合わせた RAG パイプラインを構築し、複雑な自然言語の情報要求に対して、回答生成に有用な根拠文書を高精度に取得することを目指しました。その結果、Retrieval performance 部門では参加システム中1位、RAG部門では3位となり、検索性能と疑似回答生成を統合したシステム設計の有効性が示されました。
RAG は、生成AIの回答を外部文書に基づかせることで、より正確で検証可能な情報提示を目指す技術です。今回の成果は、学術文献検索、専門文書検索、教育支援、行政・医療・法務など、根拠に基づく情報提示が求められる幅広い分野への応用につながるものです。

TREC RAG Track 公式サイト：https://trec-rag.github.io/
結果オーバービュー：https://arxiv.org/abs/2603.09891
UTokyo-HitUチームによる手法レポート：https://trec.nist.gov/pubs/trec34/papers/UTokyo.rag.pdf
全レポートリスト：https://pages.nist.gov/trec-browser/trec34/rag/proceedings/

今後の抱負・感想

RAG システムでは、生成される文章の自然さだけでなく、回答の根拠となる文書をどれだけ正確に検索できるか、またその根拠をどのように回答へ結びつけるかが重要です。今回、国際的な評価ワークショップでUTokyo-HitUチームのシステムが高く評価されたことを大変うれしく思います。今後は、より信頼性が高く、実社会で活用しやすく、そして高速な検索・生成AI技術の実現を目指して研究を進めていきます。