論文の概要: DeepLens Diagnosis Agent: Agentic Workflow Design Lets a Small Reasoning Model Compete with Frontier LLMs
- arxiv url: http://arxiv.org/abs/2607.22555v1
- Date: Tue, 19 May 2026 12:55:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-02 22:55:38.961532
- Title: DeepLens Diagnosis Agent: Agentic Workflow Design Lets a Small Reasoning Model Compete with Frontier LLMs
- Title（参考訳）: DeepLens診断エージェント: エージェントワークフロー設計により、小さな推論モデルがフロンティアLLMと競合する
- Abstract要約: 我々は、小さな医学的推論モデルを中心とした5段階のハーネスパイプラインであるDeepLens Diagnosis Agentを提示する。
パイプラインは構造化された臨床抽出、規律付き検索、制約された候補生成、明確な証拠の三角測量、監査可能な最終決定を実行する。
915ケースの診断Arenaベンチマークでは、60.14%の診断精度が達成され、中小モデルの中で最も高い結果を得た。
- 参考スコア（独自算出の注目度）: 2.4357984950383105
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Medical diagnosis is a multi-stage process: extract facts, consult knowledge, generate a differential analysis, and select the best diagnosis with explanations. Frontier LLMs are strong generalists, but single-shot prompting often yields brittle diagnostic reasoning. We present the DeepLens Diagnosis Agent, a five-stage harnessing pipeline (combining model capabilities with disciplined process constraints) centered on a small medical reasoning model (JSL Medical Small 7B v2) and retrieval-augmented generation (RAG). The pipeline enforces structured clinical extraction, disciplined retrieval, constrained candidate generation, explicit evidence triangulation, and an auditable final decision. On the 915-case DiagnosisArena benchmark, the agent achieved 60.14% top-1 diagnostic accuracy, the highest among small and medium-sized models. The same model without the agent workflow achieved 23.99%, a +36-point gain from workflow design alone, despite 88.2% on standard medical benchmarks, showing that diagnostic reasoning under uncertainty requires more than knowledge recall. The agent costs USD 0.0072 per case (24K tokens on A100) with 24-second latency, 35-45% cheaper than Claude Sonnet 4.5 (USD 0.0110) and Gemini 3.1 Pro (USD 0.0128) while outperforming them by +9.70pp and +9.17pp. Harnessing can also correct frontier model failures; workflow constraints can outweigh parameter count or API cost. Beyond aggregate accuracy, the pipeline produces structured intermediate artifacts that make each stage inspectable and support error localization. These properties support high-stakes settings where traceability, reproducibility, and auditable evidence matter alongside benchmark performance.
- Abstract（参考訳）: 医療診断は多段階的なプロセスであり、事実を抽出し、知識を相談し、差分分析を生成し、説明によって最良の診断を選択する。
フロンティアLSMは強力なジェネラリストであるが、単発のプロンプトはしばしば脆い診断推論をもたらす。
本稿では,小型医療推論モデル (JSL Medical Small 7B v2) と検索拡張世代 (RAG) を中心とした5段階のハーネスティングパイプラインであるDeepLens Diagnosis Agentを提案する。
パイプラインは構造化された臨床抽出、規律付き検索、制約された候補生成、明確な証拠の三角測量、監査可能な最終決定を実行する。
915ケースの診断Arenaベンチマークでは、60.14%の診断精度が達成され、中小モデルの中で最も高い結果を得た。
エージェントワークフローを持たない同じモデルは23.99%を達成し、標準的な医療ベンチマークでは88.2%であったにもかかわらず、ワークフロー設計だけで+36ポイントの利益を得た。
このエージェントはケースあたり0.0072ドル(A100の24Kトークン)で24秒のレイテンシを持ち、クロード・ソネット4.5(USD 0.0110)やジェミニ3.1 Pro(USD 0.0128)よりも35-45%安い。
ワークフローの制約はパラメータ数やAPIコストを上回っます。
集約精度の他に、パイプラインは構造化された中間成果物を生成し、各ステージを検査可能とし、エラーのローカライゼーションをサポートする。
これらのプロパティは、トレーサビリティ、再現性、監査可能なエビデンスがベンチマークのパフォーマンスとともに重要となる、ハイテイクな設定をサポートする。
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) - Auditable agentic AI for evidence-grounded thyroid ultrasound diagnosis and reporting [59.709162055944915]
ThyroidXAgentは、特殊な診断ツールをコーディネートし、その出力を監査可能なケースレベルの証拠記録として保存するエージェントAIシステムである。
NHC-MISD-TUSコホート内35施設8,721件を含む,重複しない28,458件の検査を行った。
セグメンテーションでは平均Diceスコアが87.21パーセント、良悪性分類では平均AUROCが0.9466だった。
論文 参考訳（メタデータ） (2026-08-12T21:02:59Z) - ChromaFlow: A Negative Ablation Study of Orchestration Overhead in Tool-Augmented Agent Evaluation [0.0]
本稿では,プランナー指向実行,特殊なツール使用,テレメトリ駆動評価を中心に構築されたツール拡張型自律推論フレームワークを提案する。
クリーンな評価制約の下でGAIA 2023 Level-1バリデーションタスクのクロマフローを解析する。
論文 参考訳（メタデータ） (2026-05-13T20:40:37Z) - LiveFMBench: Unveiling the Power and Limits of Agentic Workflows in Specification Generation [75.05397479715576]
大規模言語モデル(LLM)とエージェントは有望な進歩を示しているが、その真の能力と失敗モードは未だ不明である。
CプログラムのためのLCMおよびエージェントベースの形式仕様生成に関する、最初の体系的および汚染に配慮した研究を提案する。
論文 参考訳（メタデータ） (2026-05-02T11:31:33Z) - A DeepSeek-Powered AI System for Automated Chest Radiograph Interpretation in Clinical Practice [83.11942224668127]
Janus-Pro-CXR (1B) はDeepSeek Janus-Proモデルに基づく胸部X線解釈システムである。
本システムは, 自動レポート生成において, 最先端のX線レポート生成モデルより優れる。
論文 参考訳（メタデータ） (2025-12-23T13:26:13Z) - GALA: Can Graph-Augmented Large Language Model Agentic Workflows Elevate Root Cause Analysis? [9.394057684388027]
本稿では,マイクロサービスシステムにおける根本原因分析の新しいフレームワークであるGALAを紹介する。
GALAはオープンソースのベンチマークで評価され、最先端のメソッドよりも大幅に改善されている。
GALAは自動故障診断と実用的なインシデント解決のギャップを埋めることを示す。
論文 参考訳（メタデータ） (2025-08-17T19:12:05Z) - An Agentic System for Rare Disease Diagnosis with Traceable Reasoning [69.46279475491164]
大型言語モデル(LLM)を用いた最初のまれな疾患診断エージェントシステムであるDeepRareを紹介する。
DeepRareは、まれな疾患の診断仮説を分類し、それぞれに透明な推論の連鎖が伴う。
このシステムは2,919の疾患に対して異常な診断性能を示し、1013の疾患に対して100%の精度を達成している。
論文 参考訳（メタデータ） (2025-06-25T13:42:26Z) - ReasonMed: A 370K Multi-Agent Generated Dataset for Advancing Medical Reasoning [54.30630356786752]
ReasonMedは、これまでで最大の医療推論データセットで、370万の高品質な例がある。
マルチエージェント生成、検証、改善プロセスを通じて構築される。
ReasonMedを用いて、簡潔な答えの要約と詳細なCoT推論を統合することで、最も堅牢な微調整結果が得られる。
論文 参考訳（メタデータ） (2025-06-11T08:36:55Z) - Step-DPO: Step-wise Preference Optimization for Long-chain Reasoning of LLMs [54.05511925104712]
本稿では,Step-DPOと呼ばれるシンプルで効果的でデータ効率のよい手法を提案する。
Step-DPOは、個々の推論ステップを、論理的に回答を評価するのではなく、優先最適化の単位として扱う。
以上の結果から,70B パラメータ以上のモデルでは,10K の選好データペアと500 Step-DPO トレーニングステップ以下では,MATH の精度が約3%向上する可能性が示唆された。
論文 参考訳（メタデータ） (2024-06-26T17:43:06Z) - Feature Engineering for Scalable Application-Level Post-Silicon
Debugging [0.456877715768796]
シリコン後のシステム・オン・チップ(SoCs)検証における可観測性向上と根本原因診断の両方法を提案する。
メッセージ選択のための典型的なアプリケーションにおける対話フローの仕様をモデル化する。
我々は、診断問題を、バグのトレースを外れ値として、バグのないトレースを異常値/正常値として識別するものとして定義する。
論文 参考訳（メタデータ） (2021-02-08T22:11:59Z)
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。