論文の概要: Benchmarking and Enabling Efficient Chinese Medical Retrieval via Asymmetric Encoders

• arxiv url: http://arxiv.org/abs/2604.10937v2
• Date: Mon, 20 Apr 2026 03:33:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-21 19:27:32.383022
• Title: Benchmarking and Enabling Efficient Chinese Medical Retrieval via Asymmetric Encoders
• Title（参考訳）: 非対称エンコーダによる中国の医用検索の高速化と評価
• Abstract要約: 本稿では,3種類の実践的埋め込みタスクにまたがるベンチマークである中国医療テキスト埋め込みベンチマーク(CMedTEB)を紹介する。 CMedTEBは、純粋に自動化されたデータセットとは別として、臨床専門家によって検証された厳格なマルチLLM投票パイプラインを通じてキュレートされる。 我々は,オンラインクエリエンコーディングのための軽量BERT方式エンコーダと,オフライン文書エンコーディングのための強力なLCM方式エンコーダとを組み合わせた非対称アーキテクチャである中国医療非対称レトリバー(CARE)を提案する。
• 参考スコア（独自算出の注目度）: 38.724117073180444
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Effective medical text retrieval requires both high accuracy and low latency. While LLM-based embedding models possess powerful retrieval capabilities, their prohibitive latency and high computational cost limit their application in real-time scenarios. Furthermore, the lack of comprehensive and high-fidelity benchmarks hinders progress in Chinese medical text retrieval. In this work, we introduce the Chinese Medical Text Embedding Benchmark (CMedTEB), a benchmark spanning three kinds of practical embedding tasks: retrieval, reranking, and semantic textual similarity (STS). Distinct from purely automated datasets, CMedTEB is curated via a rigorous multi-LLM voting pipeline validated by clinical experts, ensuring gold-standard label quality while effectively mitigating annotation noise. On this foundation, we propose the Chinese Medical Asymmetric REtriever (CARE), an asymmetric architecture that pairs a lightweight BERT-style encoder for online query encoding with a powerful LLM-based encoder for offline document encoding. However, optimizing such an asymmetric retriever with two structurally different encoders presents distinctive challenges. To address this, we introduce a novel two-stage training strategy that progressively bridges the query and document representations. Extensive experiments demonstrate that CARE surpasses state-of-the-art symmetric models on CMedTEB, achieving superior retrieval performance without increasing inference latency.
• Abstract（参考訳）: 効果的な医療用テキスト検索には高い精度と低レイテンシが必要である。 LLMベースの埋め込みモデルは強力な検索機能を備えているが、その禁止されたレイテンシと高い計算コストにより、リアルタイムシナリオでのアプリケーションの利用が制限される。 さらに、包括的な高忠実度ベンチマークの欠如は、中国の医学テキスト検索の進歩を妨げる。 本研究では,検索,再ランク付け,意味的テキスト類似性(STS)の3種類の実践的埋め込みタスクにまたがるベンチマークである中国医療テキスト埋め込みベンチマーク(CMedTEB)を紹介する。 CMedTEBは、純粋に自動化されたデータセットとは別として、臨床専門家が検証した厳格なマルチLLM投票パイプラインを通じて、ゴールドスタンダードのラベル品質を確保しつつ、アノテーションノイズを効果的に緩和する。 本研究は,オンラインクエリエンコーディングのための軽量BERT方式エンコーダと,オフライン文書エンコードのための強力なLCM方式エンコーダを組み合わせた非対称アーキテクチャである中国医療非対称レトリバー(CARE)を提案する。 しかし、2つの構造的に異なるエンコーダでそのような非対称なレトリバーを最適化することは、顕著な課題である。 そこで本研究では,クエリと文書表現を段階的にブリッジする新たな2段階学習手法を提案する。 広範囲な実験により,CAREはCMedTEBの最先端対称モデルを超え,推論遅延を増大させることなく検索性能が向上することを示した。

関連論文リスト

• ClarifyCodeBench: Evaluating LLMs on Clarifying Ambiguous Requirements for Code Generation [54.788849448970154]
  我々はClarifyCodeBenchを紹介した。ClarifyCodeBenchは、要求のあいまいさを解決するためのLarge Language Modelsの機能を評価するための、インタラクティブなベンチマークだ。 ClarifyCodeBenchを用いて、6つの最先端LCMの体系的評価を行う。 1) 能力の疎結合: 強いコード生成性能は本質的には効果的な要求の明確化に変換されない; 2) 推論パラドックス: 計算思考の増大はコードの正確性を高めるが、あいまいさの識別において限界的な利益をもたらす。
  論文  参考訳（メタデータ） (2026-07-01T09:58:59Z)
• TriPAH: Imbalance-Aware Tri-Prompt Affinity Hashing for Cross-Modal Medical Retrieval [25.829128063343433]
  クロスモーダル医療ハッシュ検索は,効率的な画像テキスト検索を実現することを目的としている。 現在の手法は、ノイズの多い臨床言語、長い尾のラベル、脆い量子化による意味的断片化に悩まされている。 本稿では,Tri-Prompt Affinity HashingフレームワークTriPAHを提案する。
  論文  参考訳（メタデータ） (2026-06-25T13:24:34Z)
• DocRetriever: A Plug-and-Play Framework for Multimodal Document Retrieval with Comprehensive Benchmark [48.84943754804533]
  マルチモーダル文書には、テーブル、フィギュア、レイアウトなど、さまざまな要素が含まれている。 現在のアプローチでは、高精度の検索を実現するために、高密度の視覚埋め込みモデルと教師付きリランカを組み合わせるのが一般的である。 本稿では,レイアウトを意識したスパース埋め込み技術による視覚検索を支援するプラグイン・アンド・プレイフレームワークDocRetrieverを提案する。
  論文  参考訳（メタデータ） (2026-05-28T14:50:53Z)
• MedVerse: Efficient and Reliable Medical Reasoning via DAG-Structured Parallel Execution [63.128360383691295]
  複雑な医学推論のための推論フレームワークであるMedVerseを提案する。 データ作成には、知識に基づく医学推論経路を合成するMedVerse Curatorを導入する。 我々は、追加のオーバーヘッドを伴わずに並列実行をサポートするカスタマイズされた推論エンジンを開発した。
  論文  参考訳（メタデータ） (2026-02-07T12:54:01Z)
• Multivector Reranking in the Era of Strong First-Stage Retrievers [11.098422338598454]
  2つの公開データセット上で、最先端のマルチベクタ検索手法を再現する。 トークンレベルの集合フェーズを単一ベクトル文書検索器に置き換えることで,より小さく,より意味的に一貫性のある候補セットが生成されることを示す。 我々の2段階のアプローチは、最先端のマルチベクター検索システムに対して24ドル以上のスピードアップを実現し、同等または優れた検索品質を維持しています。
  論文  参考訳（メタデータ） (2026-01-08T18:22:18Z)
• BanditSpec: Adaptive Speculative Decoding via Bandit Algorithms [101.9736063064503]
  大規模言語モデル(LLM)の推論を高速化する一般的な手法として、投機的復号法が登場した。 本稿では,テキスト生成時に投機的復号化のためのハイパーパラメータの設定を適応的に選択する学習自由オンライン学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-05-21T05:56:31Z)
• MKE-Coder: Multi-Axial Knowledge with Evidence Verification in ICD Coding for Chinese EMRs [9.615982382826768]
  本稿では,中国EMRのICD符号化におけるエビデンス検証によるMKE-Coder: Multi-axial Knowledgeを提案する。 診断のための候補コードを特定し,そのそれぞれを4つの符号化軸の下で知識に分類する。 評価モデルを用いて,EMRの包括的内容と信頼性証拠のフィルタリングから,対応する臨床証拠を検索する。
  論文  参考訳（メタデータ） (2025-02-19T08:08:53Z)
• Exploring LLM Multi-Agents for ICD Coding [15.730751450511333]
  ICD符号化のためのマルチエージェント方式は実世界の符号化プロセスを効果的に模倣し、一般的な符号と稀な符号の両方の性能を向上させる。 提案手法は, 事前学習や微調整を必要とする最先端のICD符号化手法に匹敵する結果を得るとともに, 稀なコード精度, 説明可能性で性能を向上する。
  論文  参考訳（メタデータ） (2024-04-01T15:17:39Z)
• Quick Dense Retrievers Consume KALE: Post Training Kullback Leibler Alignment of Embeddings for Asymmetrical dual encoders [89.29256833403169]
  我々は,高密度検索手法の推論効率を高めるための効率的かつ正確な手法であるKulback Leibler Alignment of Embeddings (KALE)を紹介した。 KALEは、バイエンコーダトレーニング後の従来の知識蒸留を拡張し、完全なリトレーニングやインデックス生成なしに効率的なクエリエンコーダ圧縮を可能にする。 KALEと非対称トレーニングを用いることで、3倍高速な推論を持つにもかかわらず、DistilBERTの性能を超えるモデルを生成することができる。
  論文  参考訳（メタデータ） (2023-03-31T15:44:13Z)

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。