論文の概要: OIDA-QA: A Multimodal Benchmark for Analyzing the Opioid Industry Documents Archive

• arxiv url: http://arxiv.org/abs/2511.09914v2
• Date: Fri, 14 Nov 2025 03:04:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-17 14:38:02.173617
• Title: OIDA-QA: A Multimodal Benchmark for Analyzing the Opioid Industry Documents Archive
• Title（参考訳）: OIDA-QA: Opioid Industry Documents Archiveの解析のためのマルチモーダルベンチマーク
• Authors: Xuan Shen, Brian Wingenroth, Zichao Wang, Jason Kuen, Wanrong Zhu, Ruiyi Zhang, Yiwei Wang, Lichun Ma, Anqi Liu, Hongfu Liu, Tong Sun, Kevin S. Hawkins, Kate Tasker, G. Caleb Alexander, Jiuxiang Gu,
• Abstract要約: オピオイド危機は公衆衛生にとって重要な瞬間である。 UCSF-JHU Opioid Industry Documents Archive(OIDA)に公開されているデータと文書 本稿では,文書属性に応じて元のデータセットを整理することで,この問題に対処する。
• 参考スコア（独自算出の注目度）: 50.468138755368805
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The opioid crisis represents a significant moment in public health that reveals systemic shortcomings across regulatory systems, healthcare practices, corporate governance, and public policy. Analyzing how these interconnected systems simultaneously failed to protect public health requires innovative analytic approaches for exploring the vast amounts of data and documents disclosed in the UCSF-JHU Opioid Industry Documents Archive (OIDA). The complexity, multimodal nature, and specialized characteristics of these healthcare-related legal and corporate documents necessitate more advanced methods and models tailored to specific data types and detailed annotations, ensuring the precision and professionalism in the analysis. In this paper, we tackle this challenge by organizing the original dataset according to document attributes and constructing a benchmark with 400k training documents and 10k for testing. From each document, we extract rich multimodal information-including textual content, visual elements, and layout structures-to capture a comprehensive range of features. Using multiple AI models, we then generate a large-scale dataset comprising 360k training QA pairs and 10k testing QA pairs. Building on this foundation, we develop domain-specific multimodal Large Language Models (LLMs) and explore the impact of multimodal inputs on task performance. To further enhance response accuracy, we incorporate historical QA pairs as contextual grounding for answering current queries. Additionally, we incorporate page references within the answers and introduce an importance-based page classifier, further improving the precision and relevance of the information provided. Preliminary results indicate the improvements with our AI assistant in document information extraction and question-answering tasks. The dataset is available at: https://huggingface.co/datasets/opioidarchive/oida-qa
• Abstract（参考訳）: オピオイド危機は、規制システム、医療実践、企業統治、公共政策にまたがるシステム的欠陥を明らかにする公衆衛生の重要な瞬間である。 これらの相互接続システムがどのようにして公衆衛生を保護できなかったかを分析するには、UCSF-JHU Opioid Industry Documents Archive (OIDA)で公開されている大量のデータと文書を探索するための革新的な分析手法が必要である。 これらの医療関連法律および企業文書の複雑さ、マルチモーダル性、特殊特性は、特定のデータタイプや詳細なアノテーションに合わせたより高度な方法とモデルを必要とし、分析における精度と専門性を保証する。 本稿では、文書属性に基づいて元のデータセットを整理し、400kのトレーニング文書と10kのテスト用ベンチマークを構築することで、この問題に対処する。 各文書から、テキストコンテンツ、視覚要素、レイアウト構造を含む豊富なマルチモーダル情報を抽出し、包括的特徴を捉える。 複数のAIモデルを使用して、360kトレーニングQAペアと10kテストQAペアからなる大規模なデータセットを生成する。 この基礎の上にドメイン固有のマルチモーダル言語モデル(LLM)を開発し,タスク性能に対するマルチモーダル入力の影響について検討する。 応答精度をさらに高めるため、過去のQAペアを現在のクエリに応答するためのコンテキストグラウンドとして組み込んだ。 さらに、回答にページ参照を組み込んで、重要度に基づくページ分類を導入し、提供された情報の精度と関連性をさらに向上する。 予備的な結果は、文書情報抽出および質問応答タスクにおけるAIアシスタントの改善を示している。 データセットは以下の通りである。 https://huggingface.co/datasets/opioidarchive/oida-qa

関連論文リスト

• Scaling Beyond Context: A Survey of Multimodal Retrieval-Augmented Generation for Document Understanding [61.36285696607487]
  文書理解は、財務分析から科学的発見への応用に不可欠である。 現在のアプローチでは、OCRベースのパイプラインがLarge Language Models(LLM)やネイティブのMultimodal LLMs(MLLM)に制限されている。 Retrieval-Augmented Generation (RAG)は、外部データの基底モデルを支援するが、文書のマルチモーダルな性質は、テキスト、テーブル、チャート、レイアウトを組み合わせることで、より高度なパラダイムを必要とする。
  論文  参考訳（メタデータ） (2025-10-17T02:33:16Z)
• MMESGBench: Pioneering Multimodal Understanding and Complex Reasoning Benchmark for ESG Tasks [56.350173737493215]
  環境・社会・ガバナンス(ESG)報告は、持続可能性の実践の評価、規制コンプライアンスの確保、財務透明性の促進に不可欠である。 MMESGBenchは、マルチモーダル理解と複雑な推論を、構造的に多種多様なマルチソースESG文書間で評価するための、最初のベンチマークデータセットである。 MMESGBenchは、45のESG文書から得られた933の検証済みQAペアで構成され、7つの異なるドキュメントタイプと3つの主要なESGソースカテゴリにまたがる。
  論文  参考訳（メタデータ） (2025-07-25T03:58:07Z)
• CT2C-QA: Multimodal Question Answering over Chinese Text, Table and Chart [26.54501344351476]
  C$textT2$C-QAは中国の推論に基づくQAデータセットであり、テキスト、テーブル、チャートの広範なコレクションを含んでいる。 我々のデータセットは、実際のWebページをシミュレートし、マルチモーダルデータを用いてモデルを分析し、推論する能力の優れたテストとして役立ちます。
  論文  参考訳（メタデータ） (2024-10-28T18:13:14Z)
• SPIQA: A Dataset for Multimodal Question Answering on Scientific Papers [43.18330795060871]
  SPIQAは、科学研究論文の文脈内で複雑な図形や表を解釈するために設計されたデータセットである。 データセット作成には自動および手動のキュレーションを使用します。 SPIQAは270Kの質問をトレーニング、検証、3つの異なる評価分割に分割する。
  論文  参考訳（メタデータ） (2024-07-12T16:37:59Z)
• PIN: A Knowledge-Intensive Dataset for Paired and Interleaved Multimodal Documents [93.55219461948529]
  PIN(Paired and INterleaved multimodal document)は、視覚とテキストの知識のより深い統合を促進するために設計された、新しいデータフォーマットである。 PIN-200M(2億ドキュメント)とPIN-14M(14百万ドキュメント)の2つの大規模オープンソースデータセットを構築しリリースする。
  論文  参考訳（メタデータ） (2024-06-20T01:43:08Z)
• Towards Complex Document Understanding By Discrete Reasoning [77.91722463958743]
  VQA(Document Visual Question Answering)は、自然言語による質問に答えるために、視覚的に豊富なドキュメントを理解することを目的としている。 我々は3,067の文書ページと16,558の質問応答ペアからなる新しいドキュメントVQAデータセットTAT-DQAを紹介する。 我々は,テキスト,レイアウト,視覚画像など,多要素の情報を考慮に入れたMHSTという新しいモデルを開発し,異なるタイプの質問にインテリジェントに対処する。
  論文  参考訳（メタデータ） (2022-07-25T01:43:19Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。