論文の概要: Multimodal Modular Chain of Thoughts in Energy Performance Certificate Assessment

• arxiv url: http://arxiv.org/abs/2603.00115v1
• Date: Fri, 20 Feb 2026 14:46:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-09 01:20:08.065905
• Title: Multimodal Modular Chain of Thoughts in Energy Performance Certificate Assessment
• Title（参考訳）: エネルギー性能評価における思考のマルチモーダル・モジュラー・チェーン
• Abstract要約: 本稿では,限られた視覚情報から自動EPC事前評価を行うために,ビジョンランゲージモデルを利用する費用効率のよいフレームワークを提案する。 イギリスにおける81の住宅資産のマルチモーダルデータセットの実験は、MMCoTが命令のみのプロンプトよりも統計的に有意な改善を達成していることを示している。
• 参考スコア（独自算出の注目度）: 2.5501895454488666
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate evaluation of building energy performance remains challenging in regions where scalable Energy Performance Certificate (EPC) assessments are unavailable. This paper presents a cost-efficient framework that leverages Vision-Language models for automated EPC pre-assessment from limited visual information. The proposed Multimodal Modular Chain of Thoughts (MMCoT) architecture decomposes EPC estimation into intermediate reasoning stages and explicitly propagates inferred attributes across tasks using structured prompting. Experiments on a multimodal dataset of 81 residential properties in the United Kingdom show that MMCoT achieves statistically significant improvements over instruction-only prompting for EPC estimation. Analysis based on accuracy, recall, mean absolute error, and confusion matrices indicate that the proposed approach captures the ordinal structure of EPC ratings, with most errors occurring between adjacent classes. These results suggest that modular prompt-based reasoning offers a promising direction for low-cost EPC pre-assessment in data-scarce settings.
• Abstract（参考訳）: 拡張性エネルギー性能認定(EPC)評価が不可能な地域では,建築エネルギー性能の正確な評価は依然として困難である。 本稿では,限られた視覚情報から自動EPC事前評価を行うために,ビジョンランゲージモデルを利用する費用効率のよいフレームワークを提案する。 提案したMultimodal Modular Chain of Thoughts (MMCoT)アーキテクチャは、EPC推定を中間推論段階に分解し、構造化プロンプトを用いてタスク間で推論属性を明示的に伝搬する。 イギリスにおける81の住宅資産のマルチモーダルデータセットの実験は、MMCoTがEPC推定のための命令のみのプロンプトよりも統計的に有意な改善を達成していることを示している。 精度,リコール,平均絶対誤差,混乱行列に基づいて解析した結果,提案手法はEPC評価の順序構造を捉えており,ほとんどの誤差は隣接クラス間で発生している。 これらの結果から,モジュール型プロンプトベースの推論は,データスカース設定における低コストEPC事前評価に有望な方向を示すことが示唆された。

関連論文リスト

• The Evaluation Context Protocol (ECP): A Portable Contract for AI Agent Evaluation [0.0]
  本稿では,AIエージェントの評価における重要な方法論と,高度な可観測性基盤の不可欠な役割について考察する。 本稿では,エージェントシステムの契約層として機能することを目的とした,初期段階のベンダ中立フレームワークである評価コンテキストプロトコル(ECP)を提案する。 本稿では,LangChain,LlamaIndex,CrewAI,PydanticAIのアダプタを含むオープンソースリファレンス実装について述べる。
  論文  参考訳（メタデータ） (2026-08-18T07:14:36Z)
• A Human-Centered Validation of the Explainability-Performance Coefficient [0.0]
  本稿では,特徴選択空間と保存モデル性能とのトレードオフを明確にバランスさせて,説明品質を定量的に評価するモデルに依存しない指標であるEPCスコアを提案する。 EPCスコアは,ネットワークアクティベーション,データ次元,説明器の性能の操作依存性を効果的に明らかにする。
  論文  参考訳（メタデータ） (2026-07-31T16:50:51Z)
• From Tokens to Watt-hours: Analytical Energy Estimation for LLM Inference on Modern GPUs [6.041312734387813]
  本報告では,NVIDIA H100級加速器の大規模言語モデル (LLM) 推定エネルギーを直接測定せずに推定するための,解析的,実験的に校正されたGPUレベルの手法を提案する。 提案手法は,FP16/BF16テンソルコア計算と高帯域幅メモリ動作のためのパラメータスケール変換器FLOP会計,メモリトラヒック係数,ハードウェア固有のエネルギー係数を組み合わせた。 この手法はさらに、総エネルギーを計算、パラメータアクセス、キー-値-キャッシュ書き込み、および注意-読み取りコンポーネントに分解し、モデルサイズ、コンテキスト長、生成トーケン数によるスケーリング動作を可能にする。
  論文  参考訳（メタデータ） (2026-07-29T07:50:55Z)
• ThinkBooster: A Unified Framework for Seamless Test-Time Scaling of LLM Reasoning [110.46431027868954]
  ThinkBoosterは、大規模言語モデル(LLM)推論のシームレスなテスト時間計算スケーリングのためのフレームワークである。 最新のTTCスケーリング戦略とスコアファミリを実装するモジュール型のPythonライブラリで構成されている。 デプロイ可能なOpenAI互換プロキシサービスにより、現実のアプリケーションへの適応推論のドロップイン統合が可能になる。
  論文  参考訳（メタデータ） (2026-06-05T05:28:46Z)
• A Multi-dimensional Framework for Evaluating Generalization in EEG Foundation Models [48.385356148620815]
  最近のEEGファンデーションモデルは、タスクとデータセット間で有望な転送機能を示している。 低リソース環境下での脳波モデル評価のための多次元評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-27T14:51:54Z)
• On Predicting the Post-training Potential of Pre-trained LLMs [60.07459271263409]
  本稿では,ポストトレーニング前のベースモデルの性能予測という,ポストトレーニング後の潜在能力を予測するための新しいタスクを紹介する。 本稿では,応答判別を活用することで,ベースモデルの生成ギャップを回避できる統一フレームワークであるRuDEを提案する。 実験では、トレーニング後のパフォーマンスと90%以上の相関を示す。
  論文  参考訳（メタデータ） (2026-05-12T11:33:49Z)
• Gated Multimodal Learning for Interpretable Property Energy Performance Prediction and Retrofit Scenario Analysis [4.59166421255722]
  本研究では,SAP(Standard Assessment Procedure)エネルギー効率と環境影響(EI)スコアを予測するためのゲート型マルチモーダルモデルを提案する。 ウェストミンスターのケーススタディでは、SAPとEIのスコアはそれぞれ4.03点と4.76点、R2は0.757点と0.748点と予測されている。 全体として、このフレームワークは、適合性スクリーニング、介入優先、ネットゼロの住宅遷移に関するスケーラブルなプロパティレベルの証拠を提供する。
  論文  参考訳（メタデータ） (2026-05-06T16:23:11Z)
• UniDial-EvalKit: A Unified Toolkit for Evaluating Multi-Faceted Conversational Abilities [70.79422099851506]
  対話型AIシステム評価のための統合評価ツールキットUniDial-EvalKit(UDE)を提案する。 UDEは異種データフォーマットを普遍的なスキーマに標準化し、モジュールアーキテクチャを通じて複雑な評価パイプラインを合理化し、一貫したスコアリングインターフェースの下でメートル法計算を調整する。
  論文  参考訳（メタデータ） (2026-03-24T13:01:31Z)
• Matching Features, Not Tokens: Energy-Based Fine-Tuning of Language Models [102.20309135516186]
  クロスエントロピー(CE)トレーニングは、言語モデルの密集したスケーラブルな監視を提供する。 言語モデル微調整のための特徴マッチング手法を提案する。 この目的を効率的に最適化するために,エネルギーベースファインチューニングを提案する。
  論文  参考訳（メタデータ） (2026-03-12T17:57:50Z)
• Rethinking Probabilistic Circuit Parameter Learning [47.13236967317809]
  我々は,PC用ミニバッチEMアルゴリズムであるAnemoneを導入する。 Anemoneはコンバージェンス速度と最終的なパフォーマンスの両方で、既存のデータセットを一貫して上回る。
  論文  参考訳（メタデータ） (2025-05-26T13:41:06Z)
• In-context Ranking Preference Optimization [65.5489745857577]
  In-context Ranking Preference Optimization (IRPO) フレームワークを提案する。 IRPOは標準のDPO手法よりも高い性能を示し、LLMと直接文脈内ランキング設定の整合性を強調した。
  論文  参考訳（メタデータ） (2025-04-21T23:06:12Z)
• Supervised Optimism Correction: Be Confident When LLMs Are Sure [91.7459076316849]
  教師付き微調整とオフライン強化学習の間には,新たな理論的関係が確立されている。 広く使われているビームサーチ法は、許容できない過度な最適化に悩まされていることを示す。 本稿では,トークンレベル$Q$-value推定のための簡易かつ効果的な補助的損失を導入したSupervised Optimism Correctionを提案する。
  論文  参考訳（メタデータ） (2025-04-10T07:50:03Z)
• DSMoE: Matrix-Partitioned Experts with Dynamic Routing for Computation-Efficient Dense LLMs [86.76714527437383]
  本稿では,事前学習したFFN層を計算ブロックに分割することで,分散化を実現するDSMoEを提案する。 我々は,Sigmoid アクティベーションとストレートスルー推定器を用いた適応型エキスパートルーティングを実装し,トークンがモデル知識の様々な側面に柔軟にアクセスできるようにする。 LLaMAモデルを用いた実験により、DSMoEは既存のプルーニング法やMoE法に比べて優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2025-02-18T02:37:26Z)
• Energy-based Automated Model Evaluation [19.90797626200033]
  本稿では,AutoEvalフレームワークをより効率的かつ効果的にするための新しい手段として,Meta-Distribution Energy(MDE)を提案する。 MDEは、個々のサンプルに関連する情報(エネルギー)に基づいて、メタ分布統計を確立し、エネルギーベースの学習によってよりスムーズな表現を提供する。 我々は、MDEの有効性を検証するために、モダリティ、データセット、異なるアーキテクチャのバックボーンにわたる広範な実験を提供する。
  論文  参考訳（メタデータ） (2024-01-23T11:54:09Z)
• c-TPE: Tree-structured Parzen Estimator with Inequality Constraints for Expensive Hyperparameter Optimization [45.67326752241075]
  本稿では,この制約に対処するための制約付きTPE (c-TPE) を提案する。 提案するエクステンションは,既存の取得関数とオリジナルのTPEの単純な組み合わせに留まらず,パフォーマンスの低下の原因となる問題に対処する修正も含んでいる。 実験では,C-TPEは,不等式制約のある81のHPOに対して,統計的に有意な既存の手法の中で,最高の平均ランク性能を示すことを示した。
  論文  参考訳（メタデータ） (2022-11-26T00:25:11Z)

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。