論文の概要: A Cybersecurity MLPS Large Language Model with Multi-Path Retrieval Fusion

• arxiv url: http://arxiv.org/abs/2607.24116v1
• Date: Mon, 27 Jul 2026 07:57:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 22:34:15.351626
• Title: A Cybersecurity MLPS Large Language Model with Multi-Path Retrieval Fusion
• Title（参考訳）: マルチパス検索融合を用いたサイバーセキュリティMLPS大言語モデル
• Abstract要約: マルチレベル保護スキーム(Multi-Level Protection Scheme、MLPS)は、中国のサイバーセキュリティガバナンスフレームワークの基礎となるシステムである。 本稿では,複数の検索戦略を統合するSのための大規模言語モデルフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 9.122973354613732
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Multi-Level Protection Scheme (MLPS) is a foundational system in China's cybersecurity governance framework. Therefore, accurate analysis and understanding of MLPS requirements are essential. At present, MLPS analysis still relies mainly on manual interpretation of standards and rule-based tools. This makes it hard to provide stable and consistent compliance analysis in complex application scenarios. The rise of large language models has created new opportunities for making MLPS work more intelligent. However, in standards-intensive and security-sensitive scenarios, general-purpose large language models often cannot ensure controllable reasoning or complete understanding of rules. This paper proposes a large language model framework for MLPS that integrates multiple retrieval strategies. It combines hierarchical retrieval, tree-based retrieval, and tokenization-based matching retrieval. This design helps maintain retrieval coverage while reducing the interference of irrelevant context in the reasoning process. To address the requirements of MLPS question answering for clause accuracy, conclusion traceability, and practical deployability, this paper adopts a evaluation method based on multi-dimensional weighted scoring to quantitatively assess model responses. In comparative experiments on ten typical questions, the proposed domain-specific large language model for MLPS achieved higher overall scores.
• Abstract（参考訳）: マルチレベル保護スキーム(Multi-Level Protection Scheme、MLPS)は、中国のサイバーセキュリティガバナンスフレームワークの基礎となるシステムである。 したがって、MLPS要件の正確な分析と理解が不可欠である。 現在、MLPS分析は主に標準とルールベースのツールのマニュアル解釈に依存している。 これにより、複雑なアプリケーションのシナリオで安定的で一貫したコンプライアンス分析を提供することが困難になります。 大きな言語モデルの台頭は、MLPSをよりインテリジェントにするための新たな機会を生み出しました。 しかし、標準に強く、セキュリティに敏感なシナリオでは、汎用的な大規模言語モデルは、制御可能な推論やルールの完全な理解を保証できないことが多い。 本稿では,複数の検索戦略を統合したMLPSのための大規模言語モデルフレームワークを提案する。 階層的検索、ツリーベース検索、トークン化ベースのマッチング検索を組み合わせる。 この設計は、推論プロセスにおける無関係なコンテキストの干渉を低減しつつ、検索カバレッジを維持するのに役立つ。 本稿では,MLPS質問応答の節の正確性,結論のトレーサビリティ,実用的展開性といった要件に対処するために,多次元重み付けスコアに基づく評価手法を採用し,モデル応答を定量的に評価する。 10の典型的な質問に対する比較実験において、MLPSのためのドメイン固有大言語モデルがより高いスコアを得た。

関連論文リスト

• Evaluating the Formal Reasoning Capabilities of Large Language Models through Chomsky Hierarchy [62.32144504442516]
  SOTA LLMが形式言語の構造的・階層的複雑性を把握できるかどうかは不明である。 ChomskyBench はchomsky Hierarchy のレンズを通して LLM を体系的に評価するためのベンチマークである。 ChomskyBenchは、各レベルで機能をテストするように設計された、言語認識と生成タスクの包括的なスイートで構成されている。
  論文  参考訳（メタデータ） (2026-04-03T04:06:39Z)
• HIPO: Instruction Hierarchy via Constrained Reinforcement Learning [57.40686733111483]
  textscHIPOは、制約付きマルコフ決定プロセスとしてHIFを定式化する新しいアライメントフレームワークである。 textscHIPOはシステムプロンプトを単に入力コンテキストから厳密なアルゴリズム境界まで高める。
  論文  参考訳（メタデータ） (2026-03-17T06:12:41Z)
• Rethinking Testing for LLM Applications: Characteristics, Challenges, and a Lightweight Interaction Protocol [83.83217247686402]
  大言語モデル(LLM)は、単純なテキストジェネレータから、検索強化、ツール呼び出し、マルチターンインタラクションを統合する複雑なソフトウェアシステムへと進化してきた。 その固有の非決定主義、ダイナミズム、文脈依存は品質保証に根本的な課題をもたらす。 本稿では,LLMアプリケーションを3層アーキテクチャに分解する: textbftextitSystem Shell Layer, textbftextitPrompt Orchestration Layer, textbftextitLLM Inference Core。
  論文  参考訳（メタデータ） (2025-08-28T13:00:28Z)
• Hierarchical Vision-Language Reasoning for Multimodal Multiple-Choice Question Answering [13.298532858905782]
  MLLM(Multimodal Large Language Models)は、視覚質問応答(VQA)タスクにおいて、目覚ましいマルチモーダル理解能力を示す。 現在の主流モデルは、英語のトレーニングデータに対する強い偏りに悩まされており、日本語や他の言語のシナリオに対して最適なパフォーマンスをもたらす。 本稿では,マルチモーダルな階層的推論機構とColqwen最適化検索手法を組み合わせた日本語PDF文書理解フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-22T07:17:16Z)
• Quantization Meets dLLMs: A Systematic Study of Post-training Quantization for Diffusion LLMs [78.09559830840595]
  本稿では拡散に基づく言語モデルの定量化に関する最初の体系的研究について述べる。 異常に大きなアクティベーション値によって特徴付けられるアクティベーションアウトリーチの存在を同定する。 我々は最先端のPTQ手法を実装し、包括的な評価を行う。
  論文  参考訳（メタデータ） (2025-08-20T17:59:51Z)
• mSCoRe: a $M$ultilingual and Scalable Benchmark for $S$kill-based $Co$mmonsense $Re$asoning [74.97363626515236]
  textbfSkill ベースの textbfCommonsense textbfReasoning (textbfmSCoRe) のための textbfMultilingual と Scalable Benchmark を提案する。 本ベンチマークでは,LLMの推論能力を体系的に評価するための3つの重要な要素を取り入れた。 本研究は,多言語多言語一般と文化的共通点に直面する場合,そのような推論強化モデルの限界を明らかにするものである。
  論文  参考訳（メタデータ） (2025-08-13T18:59:02Z)
• Discrete Tokenization for Multimodal LLMs: A Comprehensive Survey [69.45421620616486]
  本研究は、大規模言語モデル(LLM)用に設計された離散トークン化手法の最初の構造的分類と解析である。 古典的および近代的なパラダイムにまたがる8つの代表的なVQ変種を分類し、アルゴリズムの原理を分析し、力学を訓練し、LLMパイプラインとの統合に挑戦する。 コードブックの崩壊、不安定な勾配推定、モダリティ固有の符号化制約など、重要な課題を特定する。
  論文  参考訳（メタデータ） (2025-07-21T10:52:14Z)
• Transparent NLP: Using RAG and LLM Alignment for Privacy Q&A [15.86510147965235]
  一般データ保護規則では、正確な処理情報を明確でアクセスしやすいものにする必要がある。 本稿では,その義務を果たすためのアライメント技術によって強化された,最先端の検索生成システムについて検討する。
  論文  参考訳（メタデータ） (2025-02-10T16:42:00Z)
• CATER: Leveraging LLM to Pioneer a Multidimensional, Reference-Independent Paradigm in Translation Quality Evaluation [0.0]
  Comprehensive AI-assisted Translation Edit Ratio (CATER)は、機械翻訳(MT)の品質を評価するための新しいフレームワークである。 大きな言語モデル(LLM)は、慎重に設計されたプロンプトベースのプロトコルによって使用される。
  論文  参考訳（メタデータ） (2024-12-15T17:45:34Z)
• CUE-M: Contextual Understanding and Enhanced Search with Multimodal Large Language Model [9.224965304457708]
  本稿では,新しいマルチモーダル検索フレームワークであるMLLM (CUE-M) について述べる。 画像コンテキストの強化、インテントの洗練、コンテキストクエリ生成、外部APIの統合、関連ベースのフィルタリングなどが含まれている。 知識に基づくVQAと安全性に関する実単語データセットと公開ベンチマークの実験は、CUE-Mがベースラインを上回り、新しい最先端の結果を確立することを示した。
  論文  参考訳（メタデータ） (2024-11-19T07:16:48Z)
• CapeLLM: Support-Free Category-Agnostic Pose Estimation with Multimodal Large Language Models [18.121331575626023]
  カテゴリーに依存しないポーズ推定(CAPE)は、伝統的に注釈付きキーポイントを持つサポートイメージに依存してきた。 本稿では,CAPE用に設計された最初のマルチモーダル大規模言語モデル(MLLM)であるCapeLLMを紹介する。 提案手法では,MP-100ベンチマークを1ショット,さらに5ショット設定で新たな最先端に設定する。
  論文  参考訳（メタデータ） (2024-11-11T11:08:26Z)
• The Power of Question Translation Training in Multilingual Reasoning: Broadened Scope and Deepened Insights [108.40766216456413]
  大規模言語モデルの英語と非英語のパフォーマンスのギャップを埋めるための質問アライメントフレームワークを提案する。 実験結果から、さまざまな推論シナリオ、モデルファミリー、サイズにわたって、多言語のパフォーマンスを向上できることが示された。 我々は、表現空間、生成された応答とデータスケールを分析し、質問翻訳訓練がLLM内の言語アライメントをどのように強化するかを明らかにする。
  論文  参考訳（メタデータ） (2024-05-02T14:49:50Z)

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。