論文の概要: Diversed Model Discovery via Structured Table Discovery

• arxiv url: http://arxiv.org/abs/2605.22766v1
• Date: Thu, 21 May 2026 17:28:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-22 16:35:42.375585
• Title: Diversed Model Discovery via Structured Table Discovery
• Title（参考訳）: 構造化テーブルディスカバリによる分散モデル探索
• Authors: Zhengyuan Dong, Renée J. Miller,
• Abstract要約: 本稿では,ModelTablesベンチマーク上に構築されたテーブル駆動モデル検索フレームワークであるStructuredSemanticSearchを紹介する。 クエリが与えられた場合、StructuredSemanticSearchは、タスクアライメントのためのセマンティックベースラインと、クエリ関連のモデルカードテーブルを検出する構造対応パイプラインを組み合わせる。 評価のために、モデルカードからコンパクトなエビデンス項目を抽出し、クエリを条件または意図固有のナゲットにマッチさせ、得られたモデルカード候補集合に対するエビデンスカバレッジと多様性を測定するナゲットベースの監査可能なプロトコルを導入する。
• 参考スコア（独自算出の注目度）: 2.1861855606506526
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Model cards describe model behavior through a mixture of textual descriptions and structured artifacts, including performance, configuration, and dataset tables. Existing model search systems rely predominantly on semantic similarity over text, which can produce homogeneous result sets and limit exploration of alternatives. We argue that model search is inherently comparative: users want models that are task-aligned yet differentiated in measurable ways. We hypothesize that this balance requires retrieval over condensed, high-quality evidence rather than verbose descriptions, and much of that evidence is concentrated in structured tables. We present StructuredSemanticSearch, a table-driven model search framework built on the ModelTables benchmark. Given a query, StructuredSemanticSearch combines a semantic baseline for task alignment with a structure-aware pipeline that discovers query-related model-card tables using table discovery operators such as unionability, joinability, and keyword search. Retrieved tables are mapped back to model cards under a controlled top-k budget, enabling fair comparison between text-based and table-based retrieval. Beyond retrieval, StructuredSemanticSearch adapts table integration to the model-table domain through orientation-aware integration, producing compact integrated views of tables from partially overlapping and sometimes transposed evidence tables. For evaluation, we introduce a nugget-based, auditable protocol that extracts compact evidence items from model cards, matches queries to condition- or intent-specific nuggets, and measures evidence coverage and diversity over retrieved model-card candidate sets. This protocol also provides a scalable path toward approximate, evidence-based labeling in dynamic model lakes. Experiments on 597 model-recommendation queries show improved nugget coverage for the structure-aware pipeline than semantic baseline
• Abstract（参考訳）: モデルカードは、テキスト記述と、パフォーマンス、設定、データセットテーブルを含む構造化されたアーティファクトの混合によるモデル動作を記述する。 既存のモデル検索システムはテキストのセマンティックな類似性に大きく依存しており、同質な結果集合を生成し、代替品の探索を制限することができる。 モデル検索は本質的に比較可能であり、ユーザーはタスク整合性を持ちながら測定可能な方法で区別されたモデルを求めている。 このバランスには冗長な記述よりも凝縮された高品質な証拠の検索が必要であり、その証拠の多くは構造化された表に集中していると仮定する。 本稿では,ModelTablesベンチマーク上に構築されたテーブル駆動モデル検索フレームワークであるStructuredSemanticSearchを紹介する。 クエリが与えられた場合、StructuredSemanticSearchは、タスクアライメントのためのセマンティックベースラインと、結合性、結合性、キーワード検索などのテーブルディスカバリオペレータを使用して、クエリ関連のモデルカードテーブルを検出する構造対応パイプラインを組み合わせる。 検索されたテーブルは、制御されたトップk予算の下でモデルカードにマッピングされ、テキストベースとテーブルベースの検索の公正な比較を可能にする。 検索以外にも、StructuredSemanticSearchは、方向認識統合を通じてテーブル統合をモデルテーブルドメインに適応させ、部分的に重複し、時には転置されたエビデンステーブルからテーブルのコンパクトな統合ビューを生成する。 評価のために、モデルカードからコンパクトなエビデンス項目を抽出し、クエリを条件または意図固有のナゲットにマッチさせ、得られたモデルカード候補集合に対するエビデンスカバレッジと多様性を測定するナゲットベースの監査可能なプロトコルを導入する。 このプロトコルはまた、ダイナミックモデルレイクにおける近似的、エビデンスベースのラベル付けへのスケーラブルなパスを提供する。 597モデル勧告クエリの実験では、意味ベースラインよりも構造認識パイプラインのナゲットカバレッジが改善された。

関連論文リスト

• TopBench: A Benchmark for Implicit Prediction and Reasoning over Tabular Question Answering [80.93487993878836]
  現実世界のクエリの一般的なクラスは暗黙的に予測され、単に検索するのではなく、歴史的パターンから観測されていない回答を推測する必要がある。 これらのクエリには、潜在意図を認識することと、大規模テーブル上での信頼性の高い予測推論という2つの課題がある。 単点予測から意思決定,処理効果分析,複雑な推論に至るまで,4つのサブタスクにわたる779のサンプルからなるベンチマークであるTopBenchを紹介する。
  論文  参考訳（メタデータ） (2026-04-30T16:22:51Z)
• DTBench: A Synthetic Benchmark for Document-to-Table Extraction [19.499877109720945]
  Document-to-table (Doc2Table) 抽出は、ターゲットスキーマの下で非構造化ドキュメントから構造化テーブルを導出する。 既存のベンチマークでは、Doc2Table抽出に必要なさまざまな機能を明確に区別することも、包括的にカバーすることもできない。 本稿では、Doc2Tableの機能の2段階の分類法を提案する合成ベンチマークDTBenchを紹介する。
  論文  参考訳（メタデータ） (2026-02-14T14:52:36Z)
• ModelTables: A Corpus of Tables about Models [7.843042548609869]
  本稿では、Model LakesにおけるテーブルのベンチマークであるModelTablesを紹介し、パフォーマンスと構成の構造化セマンティクスをキャプチャする。 オープンデータレイクテーブルと比較して、モデルテーブルは小さく、テーブル間の関係を示す。 本稿では,テーブル検索であるベンチマークの広範なユースケースについて述べる。
  論文  参考訳（メタデータ） (2025-12-18T02:51:46Z)
• Same Content, Different Representations: A Controlled Study for Table QA [15.896655757672441]
  リアルタイム設定におけるテーブル質問回答(Table QA)は、構造化されたデータベースとテキストフィールドを含む半構造化されたテーブルの両方で操作する必要がある。 既存のベンチマークは固定データ形式に結びついており、表現自体がモデルパフォーマンスに与える影響を体系的に検討していない。 コンテント定数を一定に保ちながら構造を変化させることによりテーブル表現の役割を分離する最初の制御された研究について述べる。
  論文  参考訳（メタデータ） (2025-09-26T22:33:19Z)
• Bridging Queries and Tables through Entities in Table Retrieval [70.13748256886288]
  エンティティは、テキスト検索の文脈でよく研究されているが、テーブル検索におけるその応用についての研究は、顕著に欠如している。 本稿では、実体表現に基づく相互作用パラダイムを設計し、エンティティ強化トレーニングフレームワークを提案する。 提案するフレームワークはプラグアンドプレイでフレキシブルで,既存のテーブルレトリバーのトレーニングプロセスに統合しやすくする。
  論文  参考訳（メタデータ） (2025-04-09T03:16:33Z)
• Query-oriented Data Augmentation for Session Search [71.84678750612754]
  本稿では,検索ログの強化とモデリングの強化を目的としたクエリ指向データ拡張を提案する。 検索コンテキストの最も重要な部分を変更することで補足的なトレーニングペアを生成する。 我々は、現在のクエリを変更するためのいくつかの戦略を開発し、その結果、様々な難易度で新しいトレーニングデータを得る。
  論文  参考訳（メタデータ） (2024-07-04T08:08:33Z)
• CART: A Generative Cross-Modal Retrieval Framework with Coarse-To-Fine Semantic Modeling [53.97609687516371]
  クロスモーダル検索は、異なるモーダルデータの相互作用を通じて、クエリと意味的に関連するインスタンスを検索することを目的としている。 従来のソリューションでは、クエリと候補の間のスコアを明示的に計算するために、シングルトウワーまたはデュアルトウワーのフレームワークを使用している。 粗大なセマンティックモデリングに基づく生成的クロスモーダル検索フレームワーク(CART)を提案する。
  論文  参考訳（メタデータ） (2024-06-25T12:47:04Z)
• Table Retrieval May Not Necessitate Table-specific Model Design [83.27735758203089]
  テーブル検索のタスクに焦点をあてて、"テーブル固有のモデル設計はテーブル検索に必要か? 自然質問データセット (NQ-table) の表に基づく分析の結果, 70%以上の症例では構造が無視できる役割を担っていることがわかった。 次に、テーブル構造、すなわち補助列/カラム埋め込み、ハードアテンションマスク、ソフトリレーションに基づくアテンションバイアスを明示的にエンコードする3つのモジュールを実験する。 いずれも大きな改善は得られず、テーブル固有のモデル設計がテーブル検索に不要である可能性が示唆された。
  論文  参考訳（メタデータ） (2022-05-19T20:35:23Z)
• AutoRC: Improving BERT Based Relation Classification Models via Architecture Search [50.349407334562045]
  BERTに基づく関係分類(RC)モデルは、従来のディープラーニングモデルよりも大幅に改善されている。 最適なアーキテクチャとは何かという合意は得られない。 BERTをベースとしたRCモデルのための包括的検索空間を設計し、設計選択を自動的に検出するためにNAS(Neural Architecture Search)手法を用いる。
  論文  参考訳（メタデータ） (2020-09-22T16:55:49Z)
• Leveraging Schema Labels to Enhance Dataset Search [20.63182827636973]
  本稿では,データセットテーブルの内容に基づいて可能なスキーマラベルを生成する新しいスキーマラベル生成モデルを提案する。 生成したスキーマラベルを混合ランキングモデルに組み込み、クエリとデータセットメタデータの関連性を検討する。 実験により,本手法はデータセット検索タスクの精度とNDCGスコアを効果的に向上できることが示された。
  論文  参考訳（メタデータ） (2020-01-27T22:41:02Z)

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。