AI検索と単語検索の組み合わせ、最大48％の質問で結果が悪化と研究発表

キーワードによる従来の単語検索とニューラルネットワークによるAI検索を組み合わせる「ハイブリッド検索」において、個別の検索質問単位では結果の順位が悪化する現象が生じているとする研究論文が、2026年10月24日にarXivで公開された。全体的な集計スコアの向上を根拠に広く推奨されてきた手法に対し、個別の質問における弊害を「融合税（fusion tax）」と名付けて実態を分析している。

研究チームは、2026年9月時点で調査したソフトウェア文書で広く推奨されている手法を対象に検証を実施した。標準的な単語検索ツールであるAnserini BM25に加え、2200万から5億9600万学習で調整される膨大な数値。「7B」は70億個の意味で、多いほど賢くなる傾向があるが動かすコストも増える。">パラメータにおよぶ3世代・5種類の密ベクトル）に変換し、意味の近さをもとに情報を探す技術。キーワードが完全に一致しなくても、文脈やニュアンスが似ているデータを見つけ出せる。">ベクトル検索モデル、学習型疎検索モデルのSPLADE、2段階目の再順位付けを行うクロスエンコーダを組み合わせた。評価にはBEIRベンチマークの7つのデータセットと、代表的な3種類の融合関数を用いている。

検証の結果、最も成績が良かった密スコア重視の補間手法であっても、質問の13〜48％において、組み合わせる前の優れた方のモデル単体よりも関連文書の順位を下げていた。また、実運用可能な密検索モデル単体と比較した場合でも、8〜21％の質問で順位が悪化した。コーパス間の交差検証ではこの悪化割合が14〜48％および11〜25％に達した。全体平均のスコアでは組み合わせた方が勝るものの、損失を重視する評価基準では7つのデータセット中6つで明確な性能低下が確認された。

論文では、特にAI検索モデルが単語検索よりも明らかに優れている環境において、順位融合手法のRRFを用いると損失が大きくなると指摘している。融合の失敗をコーパス間で事前に予測することは難しく、再順位付けモデルもそれ自体の精度が高い場合にしか損失を補填できないとして、対象となる文書群の特性を見極めて組み合わせの採否を決める指針を示している。