論文の概要: A Multi-Agent Approach for Claim Verification from Tabular Data Documents

• arxiv url: http://arxiv.org/abs/2604.17225v1
• Date: Sun, 19 Apr 2026 03:13:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-21 21:52:52.403216
• Title: A Multi-Agent Approach for Claim Verification from Tabular Data Documents
• Title（参考訳）: タブラルデータ文書からのクレーム検証のためのマルチエージェントアプローチ
• Authors: Rudra Ranajee Saha, Laks V. S. Lakshmanan, Raymond T. Ng,
• Abstract要約: 本稿では,Planner,Executor,Verifierの3つの特殊エージェントからなる,Clarim Validation(MACE)のためのマルチエージェントフレームワークを提案する。 MACEは解釈可能な検証トレースを生成し、Plannerは明確な推論戦略を生成し、Executorは詳細な計算ステップを提供し、Verifierはロジックを検証する。
• 参考スコア（独自算出の注目度）: 18.378832846091594
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a novel approach for claim verification from tabular data documents. Recent LLM-based approaches either employ complex pretraining/fine-tuning or decompose verification into subtasks, often lacking comprehensive explanations and generalizability. To address these limitations, we propose a Multi-Agentic framework for Claim verification (MACE) consisting of three specialized agents: Planner, Executor, and Verifier. Instead of elaborate finetuning, each agent employs a zero-shot Chain-of-Thought setup to perform its tasks. MACE produces interpretable verification traces, with the Planner generating explicit reasoning strategies, the Executor providing detailed computation steps, and the Verifier validating the logic. Experiments demonstrate that MACE achieves state-of-the-art (SOTA) performance on two datasets and performs on par with the best models on two others, while achieving 80--100\% of best performance with substantially smaller models: 27--92B parameters versus 235B. This combination of competitive performance, memory efficiency, and transparent reasoning highlights our framework's effectiveness.
• Abstract（参考訳）: 本稿では,表形式のデータ文書からクレーム検証を行う新しい手法を提案する。 最近のLCMベースのアプローチでは、複雑な事前訓練/微調整、またはサブタスクへの分割検証が採用されており、包括的な説明や一般化性に欠けることが多い。 これらの制約に対処するため,我々は,Planner,Executor,Verifierの3つの特殊エージェントからなる多エージェント検証(MACE)フレームワークを提案する。 精巧な微調整の代わりに、各エージェントはゼロショットのChain-of-Thoughtセットアップを使用してタスクを実行する。 MACEは解釈可能な検証トレースを生成し、Plannerは明確な推論戦略を生成し、Executorは詳細な計算ステップを提供し、Verifierはロジックを検証する。 実験により、MISは2つのデータセットで最先端(SOTA)のパフォーマンスを達成し、他の2つのデータセットで最高のモデルと同等に動作し、80-100\%の最高のパフォーマンスをほぼ小さなモデルで達成している。 この競合性能、メモリ効率、透過的な推論の組み合わせは、我々のフレームワークの有効性を強調します。

関連論文リスト

• DocSeeker: Structured Visual Reasoning with Evidence Grounding for Long Document Understanding [63.257540233507626]
  本稿では、構造化解析、局所化、推論のワークフローを実行するためにモデルを必要とするパラダイムを提案する。 ショートページトレーニングから超長文書への堅牢な一般化を示し、視覚的検索・拡張生成システムと自然に相乗効果を示す。
  論文  参考訳（メタデータ） (2026-04-14T14:39:26Z)
• MoRAgent: Parameter Efficient Agent Tuning with Mixture-of-Roles [25.198556596878362]
  本稿では,エージェントタスクにおけるパラメータ効率細調整(PEFT)の3つの重要な戦略を紹介する。 より支配的なReason+Actionパラダイムに着想を得て、エージェントタスクに必要な機能を3つの異なる役割に分解する。 そこで我々は3つのLoRAグループからなるMixture-of-Roles(Mixture-of-Roles)フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-25T15:02:07Z)
• Automatic Building Code Review: A Case Study [6.530899637501737]
  建設担当者は、プロジェクトのサイズと複雑さが増大するにつれて、労働集約的で、エラーを起こし、コストがかかる設計文書のレビューに直面します。 本研究では,BIMに基づくデータ抽出と自動検証を統合したエージェント駆動型フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-03T00:30:14Z)
• Visual Document Understanding and Question Answering: A Multi-Agent Collaboration Framework with Test-Time Scaling [83.78874399606379]
  テスト時間スケーリングを備えたマルチエージェント協調フレームワークであるMACTを提案する。 4つの異なる小規模エージェントから構成され、明確に定義された役割と効果的なコラボレーションがある。 一般および数学的タスクの能力を犠牲にすることなく、より小さなパラメータスケールで優れた性能を示す。
  論文  参考訳（メタデータ） (2025-08-05T12:52:09Z)
• Document-Level Tabular Numerical Cross-Checking: A Coarse-to-Fine Approach [27.581678327762003]
  情報開示文書の表間の数値的な一貫性は 正確性を確保し 信頼性を維持し 評判と経済のリスクを維持するために 不可欠です 本稿では,これら課題に対処する新しいフレームワークであるCoFiTCheckを紹介する。 CoFiTCheckは、実用効率を維持しながら、従来の方法よりも大幅に優れている。
  論文  参考訳（メタデータ） (2025-06-16T10:17:21Z)
• Enabling Natural Zero-Shot Prompting on Encoder Models via Statement-Tuning [55.265138447400744]
  ステートメントチューニングは、有限文の集合として識別タスクをモデル化し、エンコーダモデルを訓練し、潜在的なステートメントを識別してラベルを決定するテクニックである。 その結果, ステートメント・チューニングは, パラメータが著しく少ない最先端のLCMと比較して, 競争性能が向上することを示した。 この研究は、いくつかの設計選択が少ショットとゼロショットの一般化に与える影響を調査し、ステートメントチューニングが控えめなトレーニングデータで高いパフォーマンスを達成できることを明らかにした。
  論文  参考訳（メタデータ） (2024-04-19T14:05:03Z)

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。