論文の概要: TrialCalibre: A Fully Automated Causal Engine for RCT Benchmarking and Observational Trial Calibration
- arxiv url: http://arxiv.org/abs/2604.25832v1
- Date: Tue, 28 Apr 2026 16:39:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-29 16:49:17.952217
- Title: TrialCalibre: A Fully Automated Causal Engine for RCT Benchmarking and Observational Trial Calibration
- Title（参考訳）: TrialCalibre: RCTベンチマークと観察的トライアル校正のための完全自動因果エンジン
- Authors: Amir Habibdoust, Xing Song,
- Abstract要約: 対象の臨床試験をエミュレートする現実世界のエビデンス研究は、規制や臨床の判断をますます伝達するが、残酷な偏見は信頼性を制限している。
最近提案されたBenchExCalフレームワークは、2段階のBenchmark、Expand、Calibrateプロセスを通じてこの問題に対処している。
本稿では,BenchExCalプロセスの自動化とスケールアップを目的とした,概念化されたマルチエージェントシステムであるTrialCalibreを紹介する。
- 参考スコア（独自算出の注目度）: 0.2343856409260935
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Real-world evidence (RWE) studies that emulate target trials increasingly inform regulatory and clinical decisions, yet residual, hard-to-quantify biases still limit their credibility. The recently proposed BenchExCal framework addresses this challenge via a two-stage Benchmark, Expand, Calibrate process, which first compares an observational emulation against an existing randomized controlled trial (RCT), then uses observed divergence to calibrate a second emulation for a new indication causal effect estimation. While methodologically powerful, BenchExCal is resource intensive and difficult to scale. We introduce TrialCalibre, a conceptualized multiagent system designed to automate and scale the BenchExCal workflow. Our framework features specialized agents such as the Orchestrator, Protocol Design, Data Synthesis, Clinical Validation, and Quantitative Calibration Agents that coordi-nate the the overall process. TrialCalibre incorpo-rates agent learning (e.g., RLHF) and knowledge blackboards to support adaptive, auditable, and transparent causal effect estimation.
- Abstract（参考訳）: 対象の臨床試験をエミュレートする実世界のエビデンス(RWE)研究は、規制や臨床の判断をますます伝達するが、残酷な定量化バイアスは信頼性を制限している。
最近提案されたBenchExCalフレームワークは、2段階のBenchmark, Expand, Calibrateプロセスを通じてこの問題に対処する。これはまず、既存のランダム化制御試験(RCT)に対する観察エミュレーションを比較し、次に観察された発散を利用して、新しい指示因果効果推定のための第2エミュレーションを校正する。
方法論的には強力だが、BenchExCalはリソース集約的でスケールが難しい。
本稿では,BenchExCalワークフローの自動化とスケールアップを目的とした,概念化されたマルチエージェントシステムであるTrialCalibreを紹介する。
本フレームワークは, オーケストレータ, プロトコル設計, データ合成, 臨床バリデーション, 定量的校正エージェントなど, プロセス全体をコーディネートする特殊なエージェントを特徴とする。
TrialCalibre incorpo-rates Agent Learning(例えばRLHF)とナレッジブラックボードは適応的、監査可能、透明な因果効果推定をサポートする。
関連論文リスト
- From Calibration to Refinement: Seeking Certainty via Probabilistic Evidence Propagation for Noisy-Label Person Re-Identification [40.73759251488672]
既存のノイズロスのある人物Re-ID法は、ソフトマックス出力を用いた損失補正やサンプル選択方式に依存している。
本稿では,キャリブレーションからリファインメントへ伝播する確率的証拠を通じて確実性を求める2段階フレームワークであるCARE法を提案する。
精製段階では, クリーン試料とノイズ試料をより正確に識別できるエビデンス伝搬精製法(EPR)を設計する。
論文 参考訳（メタデータ） (2026-02-26T15:50:15Z) - Scalably Enhancing the Clinical Validity of a Task Benchmark with Physician Oversight [5.202988483354374]
本研究では,複雑なタスクの監視ベンチマークを,定期的に再評価すべき 'in-progress living document'' として提案する。
我々は,先進的なエージェント検証を利用して,MedCalc-Benchを監査し,レラベル化する,系統的,内科的・内科的パイプラインを提案する。
検査の結果,抽出ミス,電卓論理ミスマッチ,臨床曖昧さなどにより,原著ラベルの顕著な部分が医学的根拠の真相から逸脱していることが判明した。
論文 参考訳（メタデータ） (2025-12-22T18:59:34Z) - Probabilistic Fusion and Calibration of Neural Speaker Diarization Models [1.3309507124779971]
本稿では,確率レベルでのEDEモデルの校正と融合を行うための,最初の包括的枠組みを提案する。
適切なキャリブレーションが個々のモデルに対しても大幅な改善をもたらすことを示す。
我々の最高の構成は、ダウンストリームアプリケーションに不可欠な信頼性の見積を提供しながら、DERの点でDOVER-Lapよりも優れています。
論文 参考訳（メタデータ） (2025-11-27T18:50:16Z) - ARISE: An Adaptive Resolution-Aware Metric for Test-Time Scaling Evaluation in Large Reasoning Models [102.4511331368587]
ARISE(Adaptive Resolution-Aware Scaling Evaluation)は、大規模推論モデルの試験時間スケーリングの有効性を評価するために設計された新しい尺度である。
我々は、様々な領域にわたる最先端の推論モデルを評価する包括的な実験を行う。
論文 参考訳（メタデータ） (2025-10-07T15:10:51Z) - Beyond Binary Rewards: Training LMs to Reason About Their Uncertainty [59.97939500426759]
本稿ではRLCRについて述べる。RLCRは精度と信頼性を共同で向上する推論モデルを訓練する手法である。
多様なデータセット間で、RLCRは精度を損なうことなくキャリブレーションを大幅に改善することを示す。
また,言語的信頼度をテスト時に活用し,精度とキャリブレーションを向上させることも実証した。
論文 参考訳（メタデータ） (2025-07-22T17:56:01Z) - COSEE: Consistency-Oriented Signal-Based Early Exiting via Calibrated Sample Weighting Mechanism [32.015402521706825]
早期終了は事前学習言語モデル(PLM)の推論効率を改善する効果的なパラダイムである
本稿では,COSEE(Consistency-Oriented Signal-based Early Exiting)フレームワークを提案する。
GLUEベンチマークの実験では、複数の出口信号とバックボーンにまたがるCOSEEの有効性が実証され、パフォーマンスと効率のトレードオフが向上した。
論文 参考訳（メタデータ） (2024-12-17T16:24:55Z) - Investigating the Robustness of Counterfactual Learning to Rank Models: A Reproducibility Study [71.04084063541777]
ランク付けのためのカウンターファクトラーニングはIRコミュニティで広く注目を集めている。
モデルは、ユーザの振る舞いの仮定が正しく、確率推定が正確であるときに理論的に非バイアス化される。
それらの有効性は通常シミュレーションベースの実験を通じて実証的に評価されるが、これは広く利用可能な大規模で実際のクリックログが不足しているためである。
論文 参考訳（メタデータ） (2024-04-04T10:54:38Z) - Cal-DETR: Calibrated Detection Transformer [67.75361289429013]
本稿では,Deformable-DETR,UP-DETR,DINOのキャリブレーション検出トランス(Cal-DETR)のメカニズムを提案する。
我々は、不確実性を利用してクラスロジットを変調する不確実性誘導ロジット変調機構を開発する。
その結果、Cal-DETRは、ドメイン内およびドメイン外の両方を校正する競合する列車時間法に対して有効であることがわかった。
論文 参考訳（メタデータ） (2023-11-06T22:13:10Z) - Modular Conformal Calibration [80.33410096908872]
回帰における再校正のためのアルゴリズムを多種多様なクラスで導入する。
このフレームワークは、任意の回帰モデルをキャリブレーションされた確率モデルに変換することを可能にする。
我々は17の回帰データセットに対するMCCの実証的研究を行った。
論文 参考訳（メタデータ） (2022-06-23T03:25:23Z) - Calibration of Neural Networks using Splines [51.42640515410253]
キャリブレーション誤差の測定は、2つの経験的分布を比較します。
古典的コルモゴロフ・スミルノフ統計テスト(KS)にインスパイアされたビンニングフリーキャリブレーション尺度を導入する。
提案手法は,KS誤差に対する既存の手法と,他の一般的なキャリブレーション手法とを一貫して比較する。
論文 参考訳（メタデータ） (2020-06-23T07:18:05Z)
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。