論文の概要: DeepRoot: A KG-Coordinated Multi-Agent System for Therapeutic Reasoning over Historical Medical Texts
- arxiv url: http://arxiv.org/abs/2606.15931v1
- Date: Sun, 14 Jun 2026 17:17:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-16 18:36:04.934013
- Title: DeepRoot: A KG-Coordinated Multi-Agent System for Therapeutic Reasoning over Historical Medical Texts
- Title（参考訳）: DeepRoot: 歴史的医学的テキストに対する治療的推論のためのKG協調型マルチエージェントシステム
- Abstract要約: 歴史的医療記録や伝統医学は、薬物発見の大きな可能性を秘めている。
既存のLCMシステムでは、そのようなテキストを大規模に検証可能な薬物発見リードに変換することはできない。
DeepRootは、検証済みの知識グラフを共同で構築し、利用するマルチエージェントLLMシステムである。
- 参考スコア（独自算出の注目度）: 14.60207036992671
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Historical medical archives and traditional medicines hold immense potential for drug discovery and remain a primary source for current drug development. However, pre-ontological prose and idiosyncratic taxonomies prevent the standardization and medical modernization of the data for use in current biomedical pipelines. Furthermore, no existing LLM agent system, whether tool-calling, retrieval-augmented, or agentic deep-research, can convert such text into verifiable drug-discovery leads at scale. We close this gap with DeepRoot, a multi-agent LLM system that jointly builds and utilizes a verified knowledge graph, showing that grounding and reasoning -- often conflated -- are separable axes the system can compose for therapeutic reasoning. Applied to the Shen Nong Ben Cao Jing, DeepRoot recovers $10$ of $21$ held-out compound-disease treatment pairs at R@$20$ ($47.6\%$ vs $4.8\%$ for a raw corpus LLM and $\sim\!2.4\%$ random) and dominates an LLM-as-judge audit for reasoning quality over baseline LLMs and LLMs with direct tool-call access to the same APIs DeepRoot itself queries. Tool-using LLMs hallucinate evidence on $87\%$ of claims, versus 7-10% for DeepRoot. Graph-only inference hallucinates $0\%$ but ranks lowest on reasoning coherence; DeepRoot KG+LLM is the only condition to win on both axes, pointing toward a route for systematic mining and repurposing of historical medical knowledge.
- Abstract（参考訳）: 歴史的医療記録や伝統医学は、薬物発見の大きな可能性を秘めており、現在の医薬品開発の主要な源となっている。
しかし、前オントロジーの散文と慣用性分類学は、現在の医療用パイプラインで使用されるデータの標準化と医学的近代化を妨げている。
さらに、ツールコール、検索強化、エージェントディープリサーチなどの既存のLLMエージェントシステムでは、そのようなテキストを大規模に検証可能な薬物発見リードに変換することはできない。
このギャップをDeepRootというマルチエージェントのLCMシステムで埋め、検証済みの知識グラフを共同で構築し、基礎と推論が(しばしば混ざり合った)分離可能な軸であることを示します。
Shen Nong Ben Cao Jingに応用されたDeepRootは、R@$20$$47.6\%、生のコーパスLLMと$\sim\!
2.4\%$ random) と LLM-as-judge 監査で、ベースラインの LLM と LLM の質を推論し、同じ API に直接ツールコールして、DeepRoot 自体のクエリにアクセスできる。
ツールを使用中 LLM は,DeepRoot の 7-10% に対して 87\% のクレームの証拠を幻覚させる。
DeepRoot KG+LLMは両方の軸に勝つ唯一の条件であり、歴史的医学的知識の体系的な採掘と再調達の道を指している。
関連論文リスト
- DrugReason: Dynamic Multi-View Reasoning over Knowledge Graph and Language Evidence for Drug Repurposing [55.45112712244231]
DrugReasonはマルチビュー推論フレームワークであり、LLMが生成する薬物再精製の機械的推論と接地KG推論を統合している。
PharmaDB, DDInter, DrugBankの実験によると、DragonReasonは強力な単一ビュー推論ベースラインよりも平均的なパフォーマンスを向上させる。
論文 参考訳（メタデータ） (2026-09-06T18:54:26Z) - UniD$^3$: A Knowledge Graph-Enhanced RAG Framework for Drug-Disease Discovery and Reasoning [10.616744261460376]
大規模言語モデルと知識グラフ強化検索生成(KG-RAG)を統合した統合フレームワークUniD$3$を紹介する。
UniD$3$ Process 157,849 PubMed article with Llama 3.3-70B は、2段階戦略で知識グラフを構築する。
これらのグラフは、KG-RAGベースの構造化データセットの生成、外部ベンチマークによる評価、キュレートされたリソースとのファジィマッチング、臨床レビューをサポートする。
論文 参考訳（メタデータ） (2026-05-31T18:36:41Z) - Multi-Agent Systems for Root Cause Analysis in Microservices [58.95503998127531]
LATS-RCAはMSSの根本原因分析のためのマルチエージェントフレームワークである。
リフレクションスコアは、最も可能性が高い根本原因への探索を導くために使用される。
我々は,オープンソースの産業MSSであるLight-OAuth2上でLATS-RCAを評価する。
論文 参考訳（メタデータ） (2026-05-05T08:39:42Z) - From Archives to Decisions: Multi-Agent Pharmaceutical Co-Scientist for Traceable Drug Discovery and Reverse Translation [0.6347968479268647]
医薬品研究・開発を支援する多エージェント共同研究者であるDiscoVerseを紹介する。
このシステムはロシュの大規模な歴史的コーパスに意味検索、クロスドキュメントリンク、監査可能な合成を実装している。
我々のアプローチを実世界の規模で検証するために、ロシュ研究レポジトリから180分子のサブセットを選択しました。
論文 参考訳（メタデータ） (2025-11-23T03:17:26Z) - Consistency Is the Key: Detecting Hallucinations in LLM Generated Text By Checking Inconsistencies About Key Facts [21.081815261690444]
大規模言語モデル(LLM)は、しばしば幻覚を生じさせ、現実の知識に根ざしていない事実的誤りのテキストを生成する。
これは、医療、金融、顧客サポートといった分野に深刻なリスクをもたらす。
外部知識ベースを活用できない効率的な検出手法であるCONFACTCHECKを紹介する。
論文 参考訳（メタデータ） (2025-11-15T14:33:02Z) - LLMs Can Get "Brain Rot"! [68.08198331505695]
ジャンクウェブテキストへの連続曝露は、大規模言語モデル(LLM)の持続的認知低下を誘導する
実Twitter/Xコーパスで制御された実験を行い、ジャンクと逆制御されたデータセットを構築します。
その結果、データ品質がLLM能力の崩壊の原因であることを示す重要な多視点的証拠が得られた。
論文 参考訳（メタデータ） (2025-10-15T13:28:49Z) - Don't Get Lost in the Trees: Streamlining LLM Reasoning by Overcoming Tree Search Exploration Pitfalls [83.89771461061903]
検証者による木探索アルゴリズムの最近の進歩は、大規模言語モデル(LLM)の推論能力を大幅に向上させた。
検証者による木探索アルゴリズムの最近の進歩は、大規模言語モデル(LLM)の推論能力を大幅に向上させた。
意味論的に等価なコンテンツを持つ冗長な状態による$textitover-Exploration$と、検証器のスコアリングにおける高いばらつきに起因する$textitunder-Exploration$である。
各種木探索アルゴリズムに適合するフレキシブルなプラグアンドプレイシステムであるFETCHを提案する。
論文 参考訳（メタデータ） (2025-02-16T16:12:01Z) - MALADE: Orchestration of LLM-powered Agents with Retrieval Augmented Generation for Pharmacovigilance [17.008132675107355]
本稿ではPhV(Pharmacovigilance)の問題に焦点をあて,さまざまなテキストソースからADE(Adverse Drug Events)を特定することの重要性と課題について述べる。
MALADEは,薬物ラベルデータからADEを抽出するための大規模言語モデルと検索拡張生成を用いた,最初の効果的な協調型マルチエージェントシステムである。
論文 参考訳（メタデータ） (2024-08-03T22:14:13Z) - ANAH: Analytical Annotation of Hallucinations in Large Language Models [65.12177400764506]
我々は、大言語モデルにおける幻覚の@textbfAN$alytical $textbfA$nnotationを提供するデータセットである$textbfANAH$を提示する。
ANAHは、700以上のトピックをカバーする4.3k LLM応答のための12kの文レベルのアノテーションで構成されている。
幻覚アノテーションの微粒化により, LLMの幻覚が解答に蓄積されることを定量的に確認し, ANAHを用いて幻覚アノテーションを訓練し, 評価する。
論文 参考訳（メタデータ） (2024-05-30T17:54:40Z) - Mitigating Large Language Model Hallucinations via Autonomous Knowledge
Graph-based Retrofitting [51.7049140329611]
本稿では,知識グラフに基づくリトロフィッティング(KGR)を提案する。
実験により,実QAベンチマークにおいて,KGRはLLMの性能を大幅に向上できることが示された。
論文 参考訳（メタデータ） (2023-11-22T11:08:38Z) - A New Benchmark and Reverse Validation Method for Passage-level
Hallucination Detection [63.56136319976554]
大きな言語モデル(LLM)は幻覚を発生させ、ミッションクリティカルなタスクにデプロイすると大きなダメージを与える可能性がある。
本稿では,逆検証に基づく自己チェック手法を提案し,ゼロリソース方式で事実誤りを自動的に検出する。
提案手法と既存のゼロリソース検出手法を2つのデータセット上で実証的に評価した。
論文 参考訳（メタデータ） (2023-10-10T10:14:59Z)
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。