論文の概要: A Multi-Analyst LLM Pipeline for Auditable Rule Discovery Across 68 Public Physiological Corpora
- arxiv url: http://arxiv.org/abs/2607.06802v1
- Date: Tue, 07 Jul 2026 20:56:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-09 22:50:30.224639
- Title: A Multi-Analyst LLM Pipeline for Auditable Rule Discovery Across 68 Public Physiological Corpora
- Title（参考訳）: 68の公的な生理的コーパスにまたがる可聴性規則発見のための多成分LLMパイプライン
- Authors: Dovy Paukstys,
- Abstract要約: オープンな生理的コーパスは検出器設計をサポートすることができるが、新しい非接触監視プラットフォームのためにどの検出器ルールを構築するべきかを直接は規定していない。
68の公的な生理的コーパスを候補ルール形状の監査可能なライブラリに変換し,その妥当性を検証した。
パイプラインは、検証された臨床検出器を生成しない。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Open physiological corpora are heterogeneous: they use different sensors, labels, sampling rates, recording settings, and clinical endpoints. They can support detector design, but they do not directly specify which detector rules should be built for a new contactless monitoring platform. We report a controlled four-analyst large-language-model (LLM) workflow for converting 68 public physiological corpora, screened for commercial-use compatibility, into an auditable library of candidate rule shapes for prospective validation. Four independent commercial LLM families read the corpus documentation under a controlled prompt and produced 695 candidate rule markers (top-markers). Deduplication retained 649 rule records; a threshold-bounds audit then flagged 51 sanity violations for clamping or curator review. Cross-corpus consolidation produced 436 unique rule shapes. Gate-tagging against two hard invariants, native target-hardware channel availability and no multi-night per-patient personalization, identified 94 build-now detector components across four detector-family buckets. The pipeline does not produce a validated clinical detector. It produces an auditable engineering cascade in which analyst disagreement, threshold checks, curator review, and automated continuous-integration (CI) checks route literature-derived rules toward prospective hardware validation.
- Abstract（参考訳）: オープンな生理的コーパスは異種であり、異なるセンサー、ラベル、サンプリングレート、記録設定、臨床エンドポイントを使用する。
これらは検出器設計をサポートすることができるが、新しい非接触監視プラットフォームのためにどの検出器ルールを構築するべきかを直接は規定していない。
本報告では,68の公的な生理的コーパスを,商業利用の両立を図った制御された4つの大言語モデル(LLM)ワークフローを,予測的検証のための候補規則形状の監査可能なライブラリに変換する。
4つの独立した商業LLMファミリーは、制御されたプロンプトの下でコーパスのドキュメントを読み、695の候補ルールマーカー(トップマーカー)を生成した。
重複は649のルール記録を保持し、しきい値に制限された監査は、クランプやキュレーターのレビューのために51の衛生違反を通知した。
クロスコーパス・コンソリデーションは436のユニークなルール形状を生み出した。
2つのハードインバリアントに対するゲートタグ付け、ネイティブなターゲット・ハードウェア・チャネルの可用性、患者1人当たりのパーソナライズなし、94のビルト・ノウ・ディテクター・コンポーネントを4つのディテクター・セッテリ・セッテリ・バケットで特定した。
パイプラインは、検証された臨床検出器を生成しない。
アナリストの不一致、しきい値チェック、キュレーターレビュー、自動継続的統合(CI)といった監査可能なエンジニアリングカスケードは、将来的なハードウェア検証に向けて、文献に基づくルールをルートチェックする。
関連論文リスト
- Dynamic Bidirectional Pattern Memory: A Production-Scale Empirical Characterisation of Inference-Time Gating in Clinical NLP [0.0]
実運用規模の自然言語処理(NLP)パイプラインにおける推論時パターンメモリゲーティングについて検討した。
パイプラインは、ジェネレータ(Llama-3.3 70B)と検証器(MMed-Llama-3.1 70B)とをペアにして抽出を承認または拒否する。
論文 参考訳（メタデータ） (2026-07-01T12:34:30Z) - Bayesian control for coding agents [63.64172141184361]
本稿では,コーディングエージェントのためのコスト依存型シーケンシャル仮説テストフレームワークを提案する。
ベイズ管制官は、正確性に対する信念を維持し、より多くの証拠を集め、候補者を精査し、検証し、停止するかを決定する。
本研究では, 信頼状態が, 不確実性定量化のためのトークン確率と生ツール・サクセスベースラインを上回り, 解釈可能な正当性スコアを得ることを示す。
論文 参考訳（メタデータ） (2026-06-23T11:41:32Z) - CIAware-Bench: Benchmarking Control Intervention Awareness Across Frontier LLMs [100.38986535324284]
我々は、フロンティアモデル全体でのtextbfcontrol textbfintervention (CI) の認識を測定するベンチマークである textbfCIAware-Bench を紹介する。
CIAware-Benchは、モデルが自身の軌跡を制御介入によって修正されたものと区別できるかどうかをテストする。
論文 参考訳（メタデータ） (2026-06-09T16:24:16Z) - From Attack Simulation to SIEM Rule: Deterministic Detection-as-Code Synthesis with Probe-Level Traceability [51.56484100374058]
セキュリティチームは、自身のシステムに対する攻撃をシミュレートして、監視が真の侵入者を捕まえるかどうかをチェックする。
人間はそのギャップを手でブリッジし、それぞれの発見を読み、対応するシグマルールを書きます。
ロックされたコーパスからプローブが引き出されると,この変換が部分的に自動化されることを示す。
論文 参考訳（メタデータ） (2026-06-03T14:26:25Z) - Fully Open Meditron: An Auditable Pipeline for Clinical LLMs [0.8322575744308107]
臨床診断支援システムを構築するための,最初の完全オープンパイプラインであるFully Open Meditronを紹介する。
臨床検査を受けたトレーニングコーパス、再現可能なデータ構築およびトレーニングフレームワーク、および使用整合性評価プロトコルで構成されている。
Apertus-70B-MeditronFOは、総合医療ベンチマークで+6.6ポイント(47.2%から53.8%)の改善を行い、新しいFO SoTAを設立した。
論文 参考訳（メタデータ） (2026-05-15T17:29:08Z) - Distributional Energy-Based Models for Uncertainty-Aware Structured LLM Reasoning [40.342912574072024]
大規模言語モデルは、旅行計画やコードソリューションのような構造化されたアウトプットを生成する。
個々の推論ステップは正しく見えるが、アウトプット全体が予算に違反したり、テストケースに失敗したり、あるいは以前の推論に矛盾することがある。
構造化LCM出力の検証のための決定論的解析制約付き学習品質スコアラを提案する。
論文 参考訳（メタデータ） (2026-05-15T17:08:27Z) - Iterative Audit Convergence in LLM-Managed Multi-Agent Systems: A Case Study in Prompt Engineering Quality Assurance [0.0]
AEGISに適用されたエージェント駆動型監査の単一システム事例研究を報告する。
本報告では, 明示的な符号規則, 非単調な収束, 監査スコープの拡がりを含む7カテゴリーの欠陥分類を報告する。
論文 参考訳（メタデータ） (2026-05-12T15:39:04Z) - Agentic Cognitive Profiling: Realigning Automated Alzheimer's Disease Detection with Clinical Construct Validity [66.94391219005291]
本稿では,臨床プロトコルロジックによる自動スクリーニングを実現するエージェント認知プロファイリング(ACP)を提案する。
我々の設計の中心は、すべての定量化を決定論的関数呼び出しに委譲することで、測定から意味的理解を分離することである。
ACPは、タスク試験で90.5%のスコアマッチ率、AD予測で85.3%の精度を達成し、一般的な基準を上回っている。
論文 参考訳（メタデータ） (2026-03-18T06:15:35Z) - Automated Self-Testing as a Quality Gate: Evidence-Driven Release Management for LLM Applications [51.56484100374058]
我々は,エビデンスに基づくリリース決定を伴う品質ゲートを導入する自動自己テストフレームワークを提案する。
内部展開型多エージェント対話型AIシステムの縦型ケーススタディにより,本フレームワークの評価を行った。
論文 参考訳（メタデータ） (2026-03-13T20:44:15Z) - NeuDiff Agent: A Governed AI Workflow for Single-Crystal Neutron Crystallography [10.12215691185414]
NeuDiff Agentは、Spallation Neutron SourceでTOPAZのための管理ツールを使用するAIワークフローとして紹介されている。
NeuDiff Agentは、評価された結晶構造と出版可能なCIFへの還元、統合、精製、バリデーションを通じて、機器データ製品を取得する。
論文 参考訳（メタデータ） (2026-02-18T19:22:01Z) - A Granular Study of Safety Pretraining under Model Abliteration [64.24346997570275]
本稿では,リフレクションに敏感な方向を除去する軽量プロジェクション技術であるモデルアブリーブレーションについて検討する。
我々は、バランスのとれた有害かつ無害なケースで100のプロンプトを発行し、複数の判断を用いて**Refusal*または***Non-Refusal*として応答を分類し、判断の忠実さを検証する。
本研究は,データ中心の安全コンポーネントが失語中も頑健であるチェックポイントレベルの特徴付けを行う。
論文 参考訳（メタデータ） (2025-10-03T07:01:45Z)
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。