論文の概要: Case-Grounded Evidence Verification: A Framework for Constructing Evidence-Sensitive Supervision

• arxiv url: http://arxiv.org/abs/2604.09537v1
• Date: Fri, 10 Apr 2026 17:55:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-13 17:57:53.991585
• Title: Case-Grounded Evidence Verification: A Framework for Constructing Evidence-Sensitive Supervision
• Title（参考訳）: ケース・グラウンド・エビデンス検証:エビデンス・センシティブ・スーパービジョン構築のためのフレームワーク
• Authors: Soroosh Tayebi Arasteh, Mehdi Joodaki, Mahshad Lotfinia, Sven Nebelung, Daniel Truhn,
• Abstract要約: ケースグラウンドによる証拠検証を導入する。 得られたサポートタスクに対して標準検証器をトレーニングする。 結果は、根拠となる証拠の大きなボトルネックは、モデル能力だけでなく、監督の欠如にあることを示唆している。
• 参考スコア（独自算出の注目度）: 1.7044563989708406
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Evidence-grounded reasoning requires more than attaching retrieved text to a prediction: a model should make decisions that depend on whether the provided evidence supports the target claim. In practice, this often fails because supervision is weak, evidence is only loosely tied to the claim, and evaluation does not test evidence dependence directly. We introduce case-grounded evidence verification, a general framework in which a model receives a local case context, external evidence, and a structured claim, and must decide whether the evidence supports the claim for that case. Our key contribution is a supervision construction procedure that generates explicit support examples together with semantically controlled non-support examples, including counterfactual wrong-state and topic-related negatives, without manual evidence annotation. We instantiate the framework in radiology and train a standard verifier on the resulting support task. The learned verifier substantially outperforms both case-only and evidence-only baselines, remains strong under correct evidence, and collapses when evidence is removed or swapped, indicating genuine evidence dependence. This behavior transfers across unseen evidence articles and an external case distribution, though performance degrades under evidence-source shift and remains sensitive to backbone choice. Overall, the results suggest that a major bottleneck in evidence grounding is not only model capacity, but the lack of supervision that encodes the causal role of evidence.
• Abstract（参考訳）: Evidence-grounded reasoningは、検索したテキストを予測にアタッチする以上のものを必要とする: モデルは、与えられた証拠がターゲットのクレームをサポートするかどうかに依存する決定を行うべきである。 実際には、これはしばしば、監督が弱く、証拠はクレームにゆるやかに結びついており、評価は証拠の依存を直接検査しないため失敗する。 モデルが局所的なケースコンテキスト、外部のエビデンス、構造化されたクレームを受信する一般的な枠組みであるケースグラウンドのエビデンス検証を導入し、そのエビデンスがそのケースのクレームを支持するかどうかを判断する必要がある。 我々の重要な貢献は、手動の証拠を伴わずに、対実的不正状態やトピック関連陰性を含む意味的に制御されていない非サポート例とともに、明示的なサポート例を生成する監督的構成手順である。 我々は、放射線学の枠組みをインスタンス化し、その結果の支持タスクに対して標準検証器を訓練する。 学習された検証は、ケースのみのベースラインとエビデンスのみのベースラインの両方を大きく上回り、正確な証拠の下では強く、証拠が取り除かれたり、交換されたりすると崩壊し、真の証拠依存を示す。 この振る舞いは、エビデンスソースシフトの下で性能が低下し、バックボーンの選択に敏感であるにもかかわらず、未確認のエビデンス記事と外部ケースの分布にまたがる。 全体として、証拠の根拠となる大きなボトルネックは、モデル能力だけでなく、証拠の因果的役割を符号化する監督の欠如にあることが示唆されている。

関連論文リスト

• Retrieve-Refine-Calibrate: A Framework for Complex Claim Fact-Checking [32.6738019397553]
  大規模言語モデル(LLM)に基づくRetrieve-Refine-Calibrate(RRC)フレームワークを提案する。 特に、このフレームワークは、まずクレームに記載されたエンティティを特定し、それらに関連する証拠を検索する。 そして、無関係な情報を減らすためのクレームに基づいて、回収された証拠を精査する。 最後に、信頼性の低い予測を再評価することで検証プロセスを校正する。
  論文  参考訳（メタデータ） (2026-01-23T08:48:52Z)
• Look As You Think: Unifying Reasoning and Visual Evidence Attribution for Verifiable Document RAG via Reinforcement Learning [55.232400251303794]
  Look As You Think (LAT)は、モデルをトレーニングし、一貫した帰属性を持った検証可能な推論パスを生成するための強化学習フレームワークである。 LATはシングルイメージとマルチイメージの両方でバニラモデルを一貫して改善し、平均ゲインは8.23%、IoU@0.5では47.0%となる。
  論文  参考訳（メタデータ） (2025-11-15T02:50:23Z)
• Evidence Tampering and Chain of Custody in Layered Attestations [0.0]
  分散システムにおいて、信頼決定は、遠隔検定によって生成される完全性証明に基づいて行われる。 提案手法は, 証拠が検出されることなく, 証拠を改ざんできる「戦略」を改ざんするだけでなく, 証拠を改ざんするための全ての改ざん機会を識別するアルゴリズムを提案する。 当社の取り組みは,プロトコル設計者が可能な限り最小かつ信頼性の高いコンポーネントの集合に機会を阻害する証拠を減らすことを支援することを目的としています。
  論文  参考訳（メタデータ） (2024-01-31T21:54:53Z)
• From Relevance to Utility: Evidence Retrieval with Feedback for Fact Verification [118.03466985807331]
  我々は、FVの関連性よりも、クレーム検証者が取得した証拠から導出する実用性に焦点を当てる必要があると論じる。 本稿では,エビデンス検索プロセスの最適化に,クレーム検証器からのフィードバックを取り入れたフィードバックベースのエビデンス検索手法(FER)を提案する。
  論文  参考訳（メタデータ） (2023-10-18T02:59:38Z)
• Complex Claim Verification with Evidence Retrieved in the Wild [73.19998942259073]
  Webから生の証拠を取り出すことによって,実世界のクレームをチェックするための,最初の完全自動化パイプラインを提示する。 私たちのパイプラインには,クレーム分解,生文書検索,きめ細かい証拠検索,クレーム中心の要約,正確性判定という5つのコンポーネントが含まれています。
  論文  参考訳（メタデータ） (2023-05-19T17:49:19Z)
• Read it Twice: Towards Faithfully Interpretable Fact Verification by Revisiting Evidence [59.81749318292707]
  本稿では,証拠の検索とクレームの検証を行うためにReReadという名前の事実検証モデルを提案する。 提案システムは,異なる設定下での最良のレポートモデルに対して,大幅な改善を実現することができる。
  論文  参考訳（メタデータ） (2023-05-02T03:23:14Z)
• Topic-Aware Evidence Reasoning and Stance-Aware Aggregation for Fact Verification [19.130541561303293]
  本稿では,事実検証のための新たな話題認識型証拠推論とスタンス認識型アグリゲーションモデルを提案する。 2つのベンチマークデータセットで実施されたテストは、事実検証のためのいくつかの最先端アプローチよりも提案モデルの方が優れていることを示す。
  論文  参考訳（メタデータ） (2021-06-02T14:33:12Z)
• AmbiFC: Fact-Checking Ambiguous Claims with Evidence [57.7091560922174]
  実世界の情報ニーズから10kクレームを抽出したファクトチェックデータセットであるAmbiFCを提示する。 アンビFCの証拠に対する主張を比較する際に,曖昧さから生じる不一致を分析した。 我々は,このあいまいさをソフトラベルで予測するモデルを開発した。
  論文  参考訳（メタデータ） (2021-04-01T17:40:08Z)

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。