AIに学術論文や財務報告書の要約を頼んだ際、AIが「引用」したデータが実際には存在しなかったという経験はありませんか？
これはAIが嘘をついているわけではありません。単に「引用」が何を意味するのかを知らないだけなのです。
CiteVQAの登場は、一見簡単だが実は厄介なこの問題を解決するためにあります。AIがドキュメント関連の質問に答える際、回答が原文のどの部分に由来するのかを正確に指摘できるようにすることです。
問題の本質
現在のドキュメントQAシステム（Document VQA）は通常、1つのことだけに注目しています。答えが正しいかどうか、です。
しかし、これだけでは全く不十分です。次のような場面を想像してみてください。
あなたは法律事務所のアナリストで、AIに200ページの契約書から特定の条項の具体的な内容を抽出させたとします。AIは答えを提示し、一見完全に正しいように見えます。しかし、その答えが本当に契約書から来たものなのか、それともモデルが学習データに基づいて「でっち上げた」ものなのか、どうやって確認できるでしょうか？
AIが「この答えは47ページの第3段落に由来します」と教えてくれない限り、法律、金融、医療といった高い信頼性が求められる分野での応用には、常に信頼の天井が存在し続けることになります。
これこそが、CiteVQAが解決しようとしている問題です。
CiteVQAは何を実現したのか？
CiteVQA（Cite-based Visual Question Answering）の核心的な革新は、ドキュメントQAタスクに「証拠帰属（Evidence Attribution）」という評価次元を導入した点にあります。
簡単に言えば、システムは正しい答えを出すだけでなく、その答えの根拠となった原文の断片も特定する必要があります。評価基準は以下の通りです。
- 回答の正確性：回答が正確かどうか
- 引用の精度：特定された原文の断片が実際に回答を裏付けているかどうか
- 引用の完全性：重要な裏付け証拠を見落としていないかどうか
- 引用の純粋性：無関係または誤解を招く原文の断片を引用していないかどうか
これら4つの次元を組み合わせることで、立体的な信頼性評価フレームワークが構築されます。
データセットの設計
OpenDataLabチームはデータセットの設計に多くの工夫を凝らしています。
ドキュメントタイプの広範なカバー。 学術論文、技術報告書、財務諸表、法務文書など多様なタイプを含み、各タイプで引用規範や情報密度が異なります。
多層的なアノテーション。 回答レベルのアノテーションに加え、断片レベルの細粒度アノテーションも含まれており、「複数の断片を統合して初めて答えが導き出される」といった複雑なケースも網羅しています。
敵対的サンプル。 データセットには意図的に「関連しているように見えるが実際には回答を裏付けない」攪乱断片が組み込まれており、モデルが実際に推論を行っているのか、それとも単にキーワードマッチングに頼っているのかをテストします。
なぜ143票で首位を獲得したのか？
HuggingFace Daily Papersで143票を獲得したことは、この方向性がコミュニティの痛点を的確に突いていることを示しています。
その背景にある大きなトレンドは、AIが「チャットツール」から「業務ツール」へと進化していることです。
チャットツールに引用元は不要です。納得できればそれで十分です。しかし、業務ツールではそうはいきません。AIアシスタントがデューデリジェンスの実施、調査報告書の作成、契約条項の審査を支援する場合、すべての情報に追跡可能な根拠が必須となります。
CiteVQAは「信頼性」という曖昧な概念を、定量化可能で比較可能、そして最適化可能な技術指標へと変換しました。これこそがその価値です。
現在の限界
もちろん、CiteVQAにも限界は存在します。
言語カバー範囲。 現在は主に英語ドキュメントに集中しており、中国語やその他の言語のドキュメントインテリジェンスにはさらなる取り組みが必要です。
マルチモーダルドキュメント。 図表、数式、手書き注釈を含む複雑なドキュメントに対して、現在の証拠帰属手法はまだ粗い段階にあります。
推論チェーンの追跡。 回答に多段階の推論（A → B → C）が必要な場合、各ステップの根拠をどのように追跡するかは依然として未解決の課題です。
より大きな展望
CiteVQAをより大きな文脈に置いて見ると、AI業界全体が微妙な転換期にあることに気づくでしょう。
「モデルは何ができるか」から「モデルの手法は信頼できるか」へ。
過去2年間、私たちはモデルのベンチマークスコアに溢れてきました。MMLU、HumanEval、GPQA……これらのスコアは上昇し続けていますが、**これらのスコアの背後にある答えは、実際に推論されたものなのか、それともモデルが学習データのパターンを暗記しただけなのか？**と問う人はほとんどいませんでした。
CiteVQAが示す方向性は、まさにこのより深い問いに答えるものです。
将来のAI評価では、答えが正しいかどうかだけでなく、「どうやってその答えに辿り着いたか」も問われるようになるかもしれません。これは小学校の先生が生徒に解き方を尋ねるのに似ていますが、まさにこの問いかけこそが、AIを「賢そうに見える」状態から「真に信頼できる」状態へと導くのです。