論文の概要: A Compliance-Preserving Retrieval System for Aircraft MRO Task Search

• arxiv url: http://arxiv.org/abs/2511.15383v1
• Date: Wed, 19 Nov 2025 12:25:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-20 15:51:28.798193
• Title: A Compliance-Preserving Retrieval System for Aircraft MRO Task Search
• Title（参考訳）: 航空機MROタスク探索のためのコンプライアンス保存検索システム
• Authors: Byungho Jo,
• Abstract要約: 航空機メンテナンス技術者(AMT)は、作業時間の最大30%をマニュアル検索に費やしている。 航空MRO環境にLLMのリグレードとセマンティック検索を適用したコンプライアンス保存検索システムを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Aircraft Maintenance Technicians (AMTs) spend up to 30% of work time searching manuals, a documented efficiency bottleneck in MRO operations where every procedure must be traceable to certified sources. We present a compliance-preserving retrieval system that adapts LLM reranking and semantic search to aviation MRO environments by operating alongside, rather than replacing, certified legacy viewers. The system constructs revision-robust embeddings from ATA chapter hierarchies and uses vision-language parsing to structure certified content, allowing technicians to preview ranked tasks and access verified procedures in existing viewers. Evaluation on 49k synthetic queries achieves >90% retrieval accuracy, while bilingual controlled studies with 10 licensed AMTs demonstrate 90.9% top-10 success rate and 95% reduction in lookup time, from 6-15 minutes to 18 seconds per task. These gains provide concrete evidence that semantic retrieval can operate within strict regulatory constraints and meaningfully reduce operational workload in real-world multilingual MRO workflows.
• Abstract（参考訳）: 航空機メンテナンス技術者(AMT)は、MROの作業において、すべての手順を認定された情報源にトレースしなければならない効率ボトルネックとして、マニュアルの検索に最大30%の作業時間を費やしている。 本稿では,認証済みのレガシビューアを置き換えるのではなく,航空MRO環境にLLMのリグレードとセマンティック検索を適用したコンプライアンス保存検索システムを提案する。 このシステムはATAチャプタ階層からのリビジョンロバストな埋め込みを構築し、視覚言語解析を用いて認定コンテンツを構造化し、技術者がランク付けされたタスクをプレビューし、既存の視聴者で検証手順にアクセスできるようにする。 49kの合成クエリの評価は、90%以上の精度で精度が得られ、一方10のAMTによるバイリンガル制御による研究は、90.9%の成功率と95%のルックアップタイムを6～15分から18秒に短縮している。 これらの利点は、セマンティック検索が厳密な制約の下で動作し、実世界のマルチリンガルMROワークフローにおける運用負荷を有意義に削減できるという具体的な証拠を提供する。

関連論文リスト

• When retrieval outperforms generation: Dense evidence retrieval for scalable fake news detection [1.329253775274691]
  DeReCは、汎用的なテキスト埋め込みが、実際に検証タスクにおいて、自動回帰LPMベースのアプローチを効果的に置き換える方法について、軽量なフレームワークである。 本システムでは,高密度検索と特殊分類を組み合わせることにより,精度が向上し,効率も向上した。 この結果から, 検索システムでは, 特定のタスクにおいて, LLMの性能に適合したり, 上回ったりできることが示された。
  論文  参考訳（メタデータ） (2025-11-06T18:35:45Z)
• Plan Verification for LLM-Based Embodied Task Completion Agents [10.439882851477162]
  大規模言語モデル(LLM)に基づくタスク計画とそれに対応するAIの人間による実演は騒々しいかもしれない。 審査員が行動系列を批判し、プランナーLLMが修正を適用する反復検証フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-02T19:06:56Z)
• Retrieval-Augmented Machine Translation with Unstructured Knowledge [63.97706326080482]
  Retrieval-augmented Generation (RAG)は、大規模言語モデル(LLM)を強化するために追加情報を導入する 機械翻訳(MT)では、従来の研究は通常、ペア化されたMTコーパスや知識グラフからコンテキスト内例を検索する。 本稿では,非構造化文書を用いた検索強化MTについて検討する。
  論文  参考訳（メタデータ） (2024-12-05T17:00:32Z)
• Advancing Healthcare Automation: Multi-Agent System for Medical Necessity Justification [0.0]
  本稿では,LLMエージェントを利用したマルチエージェントシステム(MAS)の優先オーソライゼーションタスクの自動化について検討する。 GPT-4のチェックリストは,証拠による項目レベルの判断の精度が86.2%,総合的なチェックリスト判定の精度が95.6%であることを示す。
  論文  参考訳（メタデータ） (2024-04-27T18:40:05Z)
• Look Before You Leap: A Universal Emergent Decomposition of Retrieval Tasks in Language Models [58.57279229066477]
  本研究では,言語モデル(LM)が様々な状況下での検索タスクをどのように解決するかを検討する。 ORIONは6つのドメインにまたがる構造化された検索タスクの集合である。 LMは内部的にモジュール方式で検索タスクを分解する。
  論文  参考訳（メタデータ） (2023-12-13T18:36:43Z)
• I3: Intent-Introspective Retrieval Conditioned on Instructions [83.91776238599824]
  I3は,タスク固有の訓練を使わずに,インストラクションに条件付けられた様々なタスクに対して,インテント・イントロスペクティブ検索を行う統合検索システムである。 I3は、特定の検索意図を理解するために、パラメータ分離された方法でプラグ可能なイントロスペクタを組み込む。 LLM生成データを利用してI3フェーズ・バイ・フェイズを訓練し、プログレッシブ・ストラクチャー・プルーニングとドローバック・ベースのデータリファインメントという2つの重要な設計を具現化した。
  論文  参考訳（メタデータ） (2023-08-19T14:17:57Z)
• Error Analysis Prompting Enables Human-Like Translation Evaluation in Large Language Models [57.80514758695275]
  機械翻訳(MT)の品質を評価するために,大規模言語モデル(LLM)を用いることで,システムレベルでの最先端のパフォーマンスを実現する。 我々はtextbftexttError Analysis Prompting (EAPrompt) と呼ばれる新しいプロンプト手法を提案する。 本手法は,多次元品質指標 (MQM) とtextitproduces を用いて,システムレベルとセグメントレベルの両方で説明可能かつ信頼性の高いMT評価を行う。
  論文  参考訳（メタデータ） (2023-03-24T05:05:03Z)

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。