論文の概要: LA-RL: Label-Aware Self-Reflection for Reinforcement Learning in Information Extraction

• arxiv url: http://arxiv.org/abs/2607.23420v1
• Date: Sun, 26 Jul 2026 02:35:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 22:34:15.097637
• Title: LA-RL: Label-Aware Self-Reflection for Reinforcement Learning in Information Extraction
• Title（参考訳）: LA-RL:情報抽出における強化学習のためのラベル対応自己回帰
• Abstract要約: LA-RL (Label-Aware Reflective Reinforcement Learning) は、IEをタスク基底診断ラベルで自己教師する。 単一のバックボーンが最初に抽出を予測し、タスク固有のエラーラベルを診断し、その診断に基づいて出力を更新する。 名前付きエンティティ認識、関係抽出、イベント抽出の実験は、SFTよりも一貫して同じバックボーンゲインを示す。
• 参考スコア（独自算出の注目度）: 4.728641405570308
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language models show strong promise for information extraction (IE), but existing reflection-based correction methods are often misaligned with structured extraction outputs. Free-form self-reflection can flag an error, yet it rarely identifies whether the failure is a missing span, wrong label, boundary mismatch, invalid relation type, or reversed argument order. We introduce LA-RL (Label-Aware Reflective Reinforcement Learning), an outcome-supervised framework that guides IE self-correction with task-grounded diagnostic labels. A single backbone first predicts an extraction, diagnoses task-specific error labels, and then revises its output conditioned on the diagnosis. Training starts from diagnostic data labeled by an annotation model for cold-start supervised fine-tuning and proceeds through two GRPO stages that reward final extraction quality, format validity, and first-pass correctness, without a process reward model. Experiments on named entity recognition, relation extraction, and event extraction show consistent same-backbone gains over SFT, including 6.83 average F1 on SciER relation extraction, about 20 F1 on out-of-distribution relation extraction, and 14.80 trigger F1 plus 17.50 argument F1 on DuEE1.0. Ablations show that reflection structure is task-sensitive: stronger constraints benefit relation extraction, whereas named entity recognition needs less restrictive correction under domain shift.
• Abstract（参考訳）: 大規模な言語モデルは、情報抽出(IE)の強い約束を示すが、既存のリフレクションベースの補正手法は、しばしば構造化された抽出出力と不一致である。 自由形式の自己回帰はエラーをフラグできるが、失敗が欠落しているスパン、間違ったラベル、境界ミスマッチ、無効な関係型、あるいは逆引数順序であるかどうかを識別することは滅多にない。 LA-RL(Label-Aware Reflective Reinforcement Learning)は,IE自己補正をタスクグラウンドの診断ラベルでガイドする結果管理フレームワークである。 単一のバックボーンが最初に抽出を予測し、タスク固有のエラーラベルを診断し、その診断に基づいて出力を更新する。 トレーニングは、コールドスタート管理された微調整のためのアノテーションモデルでラベル付けされた診断データから始まり、プロセス報酬モデルなしで最終抽出品質、フォーマットの妥当性、ファーストパスの正確性に報いる2つのGRPOステージを通過する。 名前付きエンティティ認識、関係抽出、イベント抽出の実験では、SciER関係抽出の6.83平均F1、分布外関係抽出の約20F1、DuEE1.0の14.80トリガF1と17.50引数F1を含むSFTよりも一貫して同じバックボーンゲインを示す。 強い制約は関係抽出に恩恵を与えるが、名前付きエンティティ認識はドメインシフトの下での制約補正を少なくする必要がある。

関連論文リスト

• UNMASK: Discovering and Causally Verifying Spurious Shortcuts in Text Classifiers [9.827138852806305]
  大規模クラウドソースコーパスで訓練されたニューラル言語モデルは、真の言語的・因果的関連性のないターゲットラベルに結びついている刺激的な表面パターンをしばしば活用する。 既存のアプローチでは、機能の語彙を手動で指定するか、発見を部分的に自動化すればよい。 我々は,完全自動パイプラインであるUN M ASKについて,テキスト表現の素早い相関を発見し,因果検証し,緩和する。
  論文  参考訳（メタデータ） (2026-08-10T07:31:08Z)
• Spectral Origins of the Self-Correction Blind Spot in Autoregressive Generation [0.0]
  大規模な自己回帰言語モデルは、自己訂正盲点を示す。 自己回帰生成における自己補正のスペクトル代数理論を実証する。
  論文  参考訳（メタデータ） (2026-07-09T17:52:16Z)
• RECOVER: Robust Entity Correction via agentic Orchestration of hypothesis Variants for Evidence-based Recovery [8.750432529472802]
  ツール使用エージェントとして機能するエージェント修正フレームワークであるRECOVERを紹介する。 複数の仮説をASRの証拠として利用し、関連するエンティティを検索し、制約の下で大言語モデル(LLM)の修正を適用する。 エンティティ・フレーズの単語誤り率(E-WER)を8～46%削減し、リコール率を最大22ポイント向上させる。
  論文  参考訳（メタデータ） (2026-03-17T11:48:12Z)
• Retrieval-Augmented Self-Taught Reasoning Model with Adaptive Chain-of-Thought for ASR Named Entity Correction [12.483998165719981]
  自動音声認識(ASR)における名前付きエンティティエラーの修正のための検索拡張生成フレームワークを提案する。 提案手法は,(1)名前付きエンティティ認識のための言い換え言語モデル(RLM)と,(2)タスクの難易度に基づいて推論の深さを動的に調整する適応チェーン・オブ・シント(A-STAR)を用いた新しい自己学習推論モデルからなる。
  論文  参考訳（メタデータ） (2026-01-21T15:05:39Z)
• Relational Deep Dive: Error-Aware Queries Over Unstructured Data [9.0236658372663]
  ReDD(Relational Deep Dive)は、クエリ固有のスキーマを動的に発見し、リレーショナルテーブルをポップアップさせ、証明可能な保証でエラー認識抽出を保証するフレームワークである。 主な貢献は、カバレッジ保証付きエラー検出の統計的校正手法であるSCAPEと、精度と人的補正コストのトレードオフを最適化するハイブリッドアプローチであるSCAPE-HYBである。
  論文  参考訳（メタデータ） (2025-11-04T16:30:55Z)
• LaSeR: Reinforcement Learning with Last-Token Self-Rewarding [54.72617309922891]
  RLVR(Reinforcement Learning with Verifiable Rewards)は、Large Language Models(LLM)の推論能力を高めるためのコアパラダイムとして登場した。 従来、LLMは2つの異なるプロンプトテンプレートを使用してソリューションと自己検証をシーケンシャルに生成し、効率を大幅に低下させる必要があった。 本稿では,従来のRLVR損失をMSE損失で増大させるアルゴリズムであるLaSeR(Reinforcement Learning with Last-Token Self-Rewarding)を提案する。
  論文  参考訳（メタデータ） (2025-10-16T17:55:11Z)
• Towards Anomaly-Aware Pre-Training and Fine-Tuning for Graph Anomaly Detection [59.042018542376596]
  グラフ異常検出(GAD)は近年注目度が高まりつつあるが、2つの重要な要因があるため、依然として困難である。 Anomaly-Aware Pre-Training and Fine-Tuning (APF)は、GADの課題を軽減するためのフレームワークである。 10のベンチマークデータセットに関する総合的な実験は、最先端のベースラインと比較してAPFの優れたパフォーマンスを検証する。
  論文  参考訳（メタデータ） (2025-04-19T09:57:35Z)
• The First Few Tokens Are All You Need: An Efficient and Effective Unsupervised Prefix Fine-Tuning Method for Reasoning Models [69.798277882245]
  大規模言語モデルの推論効率を向上させるために,Unsupervised Prefix Fine-Tuning (UPFT)を導入した。 UPFTはラベル付きデータや徹底的なサンプリングの必要性を取り除く。 実験の結果,UPFTは教師付き手法の性能と一致していることがわかった。
  論文  参考訳（メタデータ） (2025-03-04T18:56:03Z)
• SINDER: Repairing the Singular Defects of DINOv2 [61.98878352956125]
  大規模なデータセットでトレーニングされたビジョントランスフォーマーモデルは、抽出したパッチトークンにアーティファクトを表示することが多い。 本稿では,小さなデータセットのみを用いて構造欠陥を補正するスムーズなスムーズな正規化を提案する。
  論文  参考訳（メタデータ） (2024-07-23T20:34:23Z)
• Parameter-tuning-free data entry error unlearning with adaptive selective synaptic dampening [51.34904967046097]
  本稿では,パラメータチューニングの必要性を排除した選択的シナプス減衰アンラーニング法の拡張を提案する。 本稿では,ResNet18とVision Transformerの未学習タスクにおける適応選択的シナプス減衰(ASSD)の性能を示す。 このアプローチの適用は、サプライチェーン管理などの産業環境において特に魅力的である。
  論文  参考訳（メタデータ） (2024-02-06T14:04:31Z)
• Semantic Latent Space Regression of Diffusion Autoencoders for Vertebral Fracture Grading [72.45699658852304]
  本稿では,教師なし特徴抽出器として生成拡散オートエンコーダモデルを訓練するための新しい手法を提案する。 フラクチャーグレーディングを連続回帰としてモデル化し, フラクチャーのスムーズな進行を反映した。 重要なことに,本手法の創成特性は,与えられた脊椎の様々な段階を可視化し,自動グルーピングに寄与する特徴を解釈し,洞察することを可能にする。
  論文  参考訳（メタデータ） (2023-03-21T17:16:01Z)
• Improve Event Extraction via Self-Training with Gradient Guidance [10.618929821822892]
  本稿では、イベント抽出の進行を妨げる主な要因を克服するために、フィードバックによる自己評価(STF)フレームワークを提案する。 STFは,(1)既存のイベントアノテーションに基づいてトレーニングされたベースイベント抽出モデルと,(2)新しいイベント参照を擬似トレーニングサンプルとして予測するための大規模未ラベルコーパスと,(2)新しいイベントトリガ,引数,引数ロール,およびAMRグラフ内のそれらのパスを用いて互換性スコアを推定する新たなスコアリングモデルから構成される。 ACE05-E、ACE05-E+、EREを含む3つのベンチマークデータセットの実験結果
  論文  参考訳（メタデータ） (2022-05-25T04:40:17Z)

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。