論文の概要: Encoding Invisible Causation for Bridge Diagnostic Agents: Triple-Guided Retrieval-Augmented Fine-Tuning with QLoRA
- arxiv url: http://arxiv.org/abs/2607.21680v1
- Date: Thu, 23 Jul 2026 13:18:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-27 20:58:56.956626
- Title: Encoding Invisible Causation for Bridge Diagnostic Agents: Triple-Guided Retrieval-Augmented Fine-Tuning with QLoRA
- Title（参考訳）: 橋梁診断剤の可視カウンセレーションの符号化:QLoRAを用いたトリプルガイド検索ファインチューニング
- Abstract要約: 橋のインフラは徐々に悪化するが、根本原因は塩分侵入、凍結、疲労ひび割れなど、裸眼では見えないままである。
そこで本稿では,自律型橋梁診断装置で使用するために,目に見える損傷記述から10種類の損傷原因を分類する障害原因について提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Bridge infrastructure deteriorates gradually, yet its root causes---salt intrusion, freezing, fatigue cracking, and others---remain invisible to the naked eye. Expert diagnosis relies on tacit knowledge built over years of practice. We address the challenge of automating this latent causal reasoning by proposing a Damage Cause Encoder that classifies 10-class damage causes from visible damage descriptions $S_i$ for use in autonomous bridge diagnostic agents. Our approach chains three components: (i)Knowledge Triple Extraction---a large language model extracts causal triples of the form (damage $\xrightarrow{\mathtt{caused\_by}}$ cause) from 15--35 diagnostic PDF manuals and indexes them in a FAISS vector store; (ii)Retrieval-Augmented Context---at training and inference time, relevant causal triples $\mathcal{C}_i$ are retrieved and concatenated with $S_i$, converting implicit domain knowledge into explicit Encoder context; (iii)Systematic Fine-tuning Comparison---we conduct a rigorous comparison of LoRA, QLoRA, and QA-LoRA on a fixed Golden Testset (116 stratified samples), demonstrating that QLoRA achieves the optimal trade-off: identical test accuracy (87.07%) to full-precision LoRA, 11% faster inference, 72% lower GPU memory, and superior generalization across diverse unseen inputs. A controlled Golden Testset---stratified, deduplicated, and difficulty-tagged---is introduced as a reusable benchmark contribution. QLoRA further outperforms LoRA by 13 percentage points on a 100-sample diverse evaluation spanning all 10 damage cause classes.These findings enable memory-efficient, high-accuracy diagnostic agents on consumer-grade hardware for edge deployment.
- Abstract（参考訳）: 橋のインフラは徐々に悪化するが、根本原因は塩分侵入、凍結、疲労ひび割れなど、裸眼では見えないままである。
専門家の診断は、長年の実践を通じて構築された暗黙の知識に依存している。
本研究は, 橋梁診断エージェントの視覚的損傷記述から10種類の損傷原因を分類する損傷原因エンコーダを提案することにより, この潜伏因果推論を自動化することの課題に対処する。
私たちのアプローチは3つのコンポーネントをチェーンします。
(i)Knowledge Triple extract--大きな言語モデルは15-35の診断用PDFマニュアルからフォームの因果三重項(損傷$\xrightarrow{\matht{caused\_by}}$ cause)を抽出し、FAISSベクターストアにインデックスする。
(ii)Retrieval-Augmented Context---トレーニングと推論時間、関連する因果トリプル$\mathcal{C}_i$が検索され、$S_i$と結合され、暗黙のドメイン知識を明示的なEncoderコンテキストに変換する。
3) 系統的微調整比較--固定されたゴールデンテストセット(116個の成層試料)上でLoRA、QLoRA、QA-LoRAの厳密な比較を行い、QLoRAが最適なトレードオフを達成していることを示した。
再利用可能なベンチマークコントリビューションとして、制御されたゴールデンテストセット -- 階層化、重複化、および困難タグ付き -- が導入されている。
さらに、QLoRAは10の損傷原因クラスすべてにまたがる100サンプルの多様な評価において、LoRAよりも13パーセント優れており、これらの結果は、エッジデプロイメントのためのコンシューマグレードハードウェア上で、メモリ効率が高く、高精度な診断エージェントを可能にする。
関連論文リスト
- TRACE: Training Reasoning Agents for Causal Exploration with Synthesized Rewards [15.908097225313968]
検証可能な報酬付き強化学習(RLVR)は、数学やコードなどの分野において高度な言語モデル推論を持つ。
この検証の非対称性を設計できるかどうかを問う。
本手法は,12の根本原因と細粒度セグメント属性を有するデジタル広告診断環境であるTRACEで実現した。
論文 参考訳（メタデータ） (2026-09-09T15:21:47Z) - D$^2$ACCI: A Dual-Loop Diagnostic Protocol for Evidence-Preserving Agent Memory [10.177699115336425]
D$2$ACCIプロトコルは、ペア化されたエビデンス、保護されたスライス監視、トレースレベルのローカライズ可能性に基づいて、メモリ介入を促進、機能フラグ、拒否する。
我々はMemStackでプロトコルをインスタンス化し、3つの公開ベンチマークで評価し、LoCoMoで93.59%、LongMemEvalで90.93%、PersonaMem-V2で57.20%を達成した。
論文 参考訳（メタデータ） (2026-08-18T13:18:38Z) - Substrate Asymmetry in User-Side Memory: A Diagnostic Framework [0.0]
記憶は少なくとも3つの軸に分解される -- 行動整合性(スタイル、声)、事実の存在(歴史における事実を思い出す)、事実の欠如(事実が欠如している場合)。
この集計値が反対方向障害を隠蔽することを示す。
我々は、診断フレームワーク、診断された実データ陰性、アライメント・タックス・レプリケーション、ルーティング・アズ・クラス化発見に貢献する。
論文 参考訳（メタデータ） (2026-06-10T06:39:20Z) - When Stronger Triggers Backfire: A High-Dimensional Theory of Backdoor Attacks [2.7998963147546143]
バックドア中毒は、高次元において反故意に振る舞う。
比例状態におけるガウス混合データに対する正規化一般化線形モデルについて検討する。
i) クリーンテストの精度は$$で上昇し、 (ii) 攻撃の成功は有限$でピークに達し、その後減少する。
論文 参考訳（メタデータ） (2026-05-21T13:39:06Z) - From Correlation to Cause: A Five-Stage Methodology for Feature Analysis in Transformer Language Models [0.0]
変換言語モデルにおける因果的特徴分析のための5段階の手法を提案する。
Indirect Object Identification (IOI) タスクを実行するGPT-2のエンド・ツー・エンドを実証する。
論文 参考訳（メタデータ） (2026-05-21T13:25:16Z) - ORACAL: A Robust and Explainable Multimodal Framework for Smart Contract Vulnerability Detection with Causal Graph Enrichment [0.754973258028456]
本稿では,制御フローグラフ,データフローグラフ,コールグラフを統合したグラフ学習フレームワークORACALを提案する。
ORACALは、レトリーバル拡張生成(RAG)とLarge Language Models(LLM)から専門家レベルのセキュリティコンテキストを持つ重要なサブグラフを選択的に強化する
透明性のために、このフレームワークはPGExplainerを採用して、脆弱性トリガーパスを特定するサブグラフレベルの説明を生成する。
論文 参考訳（メタデータ） (2026-03-30T07:46:59Z) - Dynamic analysis enhances issue resolution [53.50448142467294]
DAIRA(Dynamic Analysis-enhanced Issue Resolution Agent)は、エージェントの推論サイクルに動的解析を組み込む自動修復フレームワークである。
テストトレース駆動の方法論によって駆動されるDAIRAは、軽量モニタを使用して重要なランタイムデータを抽出する。
Gemini 3 Flash Previewを使用すると、DAIRAは新たな最先端(SOTA)パフォーマンスを確立し、SWE-bench Verifiedデータセットで79.4%の解像度を達成する。
論文 参考訳（メタデータ） (2026-03-23T14:48:54Z) - Neuro-Symbolic Financial Reasoning via Deterministic Fact Ledgers and Adversarial Low-Latency Hallucination Detector [2.950245545999729]
検証可能な数値推論エージェント(VeNRA)について紹介する。
VeNRAは、RAGパラダイムを確率的テキストの検索から厳密な型付きUniversal Fact Ledger (UFL)による決定論的変数の検索へとシフトさせる
著者らは3ビリオンのSLMを訓練し、単一の推論予算を用いて予測候補を法医学的に監査する。
論文 参考訳（メタデータ） (2026-03-04T22:55:16Z) - Reward Under Attack: Analyzing the Robustness and Hackability of Process Reward Models [68.45272703833209]
現状のPRMは、逆最適化圧力下で体系的に利用可能であることを示す。
これらの脆弱性を定量化するために、敵の圧力を増大させる3段階の診断フレームワークを導入する。
我々は、PRM-BiasBenchと診断ツールキットをリリースし、デプロイ前にロバストネスの評価を可能にする。
論文 参考訳（メタデータ） (2026-02-20T23:38:03Z) - From Conflict to Consensus: Boosting Medical Reasoning via Multi-Round Agentic RAG [65.0203623486525]
大規模言語モデル(LLM)は、医学的質問応答において高い推論能力を示す。
幻覚や時代遅れの知識を生み出す傾向は、医療分野において重大なリスクをもたらす。
既存の手法はノイズの多いトークンレベルの信号に依存しており、複雑な推論に必要なマルチラウンドの改良は欠如している。
論文 参考訳（メタデータ） (2026-02-06T08:25:30Z) - Eigen-1: Adaptive Multi-Agent Refinement with Monitor-Based RAG for Scientific Reasoning [53.45095336430027]
暗黙的な検索と構造化された協調を組み合わせた統合フレームワークを開発する。
Humanity's Last Exam (HLE) Bio/Chem Goldでは,48.3%の精度を実現している。
SuperGPQAとTRQAの結果はドメイン間の堅牢性を確認した。
論文 参考訳（メタデータ） (2025-09-25T14:05:55Z) - SEAL: Steerable Reasoning Calibration of Large Language Models for Free [58.931194824519935]
大規模言語モデル(LLM)は、拡張チェーン・オブ・ソート(CoT)推論機構を通じて複雑な推論タスクに魅力的な機能を示した。
最近の研究では、CoT推論トレースにかなりの冗長性が示されており、これはモデル性能に悪影響を及ぼす。
我々は,CoTプロセスをシームレスに校正し,高い効率性を示しながら精度を向上する,トレーニング不要なアプローチであるSEALを紹介した。
論文 参考訳（メタデータ） (2025-04-07T02:42:07Z) - Towards Effective and Efficient Non-autoregressive Decoding Using Block-based Attention Mask [74.64216073678617]
AMDはアテンションマスクを用いて隠された出力ラベルの連続ブロック内で並列NAR推論を行う。
ビームサーチアルゴリズムは、CTC、ARデコーダ、AMD確率の動的融合を利用するように設計されている。
LibriSpeech-100hrコーパスの実験では、AMDモジュールを組み込んだトリパルタイトデコーダが最大1.73倍のデコード速度比を生み出すことを示唆している。
論文 参考訳（メタデータ） (2024-06-14T13:42:38Z)
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。