論文の概要: Failures Reveal What Metrics Miss: An Evidence-Driven Agent for Recursive Refinement of ECG Classifiers
- arxiv url: http://arxiv.org/abs/2607.24419v1
- Date: Mon, 27 Jul 2026 13:31:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-28 22:34:15.440913
- Title: Failures Reveal What Metrics Miss: An Evidence-Driven Agent for Recursive Refinement of ECG Classifiers
- Title（参考訳）: ECG分類器の再帰的リファインメントのためのエビデンス駆動エージェント
- Abstract要約: 本稿では,エビデンス駆動型LCM-as-DesignerフレームワークRecursiveECGを提案する。
具体的な故障と客観的なECG証拠に基づいてECG分類器を洗練する。
一貫して強いベースラインを上回り、平均的な相対的な改善は10.0%に達する。
- 参考スコア（独自算出の注目度）: 11.39186680570032
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Deep models have substantially advanced 12-lead ECG classification, yet their refinement still relies heavily on human experts to inspect failures and iteratively revise classifier designs. Recent LLM-based agents have demonstrated the potential for automated model design, but when guided only by aggregate performance metrics, they lack insight into why individual cases fail and how the classifier should be revised. We present RecursiveECG, an evidence-driven LLM-as-Designer framework in which an LLM serves as an offline model designer that refines ECG classifiers based on concrete failures and objective ECG evidence. To ground failure diagnosis in executable evidence, Criteria-to-Measurement Compilation converts curated ECG criteria into validated deterministic functions that produce reproducible, reference-backed measurements for individual ECGs. Building on these measurements, Evidence-Grounded Failure Review analyzes failed and comparator cases by jointly considering raw waveforms, measurements, and model outputs, enabling the LLM to diagnose classifier limitations and formulate targeted revisions. Candidate revisions are executed and re-evaluated under a fixed problem contract, and only evidence-supported updates are retained. The resulting predictor is frozen after refinement and requires no LLM inference during deployment, while an audit trail links each accepted revision to its supporting evidence. Across PTB-XL, Georgia, and CPSC2018, RecursiveECG consistently outperforms strong baselines, achieving an average relative improvement of 10.0%. Extensive ablation and transfer studies further validate the effectiveness of its evidence-grounded refinement process.
- Abstract（参考訳）: ディープモデルは12リードのECG分類をかなり進歩させてきたが、その洗練は失敗を検査し、繰り返し分類器の設計を改訂するために人間の専門家に大きく依存している。
LLMをベースとした最近のエージェントは、自動モデル設計の可能性を実証しているが、総合的なパフォーマンス指標によってのみガイドされると、個々のケースが失敗した理由や分類器をどのように修正すべきかについての洞察が欠如している。
本稿では, 実証駆動型LCM-as-DesignerフレームワークであるRecursiveECGについて述べる。LCMは, 具体的故障と客観的ECGエビデンスに基づいてECG分類器を洗練するオフラインモデルデザイナとして機能する。
実行可能なエビデンスにおける故障診断のために、Cryteria-to-Measurement Compilationは、キュレートされたECG基準を、個々のECGに対して再現可能な基準付き測定値を生成する検証された決定論的関数に変換する。
これらの測定に基づいて、Evidence-Grounded Failure Reviewは、生波形、測定、モデル出力を共同で検討することで、失敗事例とコンパレータケースを分析し、LLMが分類器の限界を診断し、ターゲットリビジョンを定式化できるようにする。
候補変更は、固定された問題契約の下で実行され、再評価され、エビデンスサポートされた更新のみが保持される。
得られた予測器は改良後に凍結され、展開中にLSM推論を必要とせず、監査証跡は、承認された各修正をその支持証拠にリンクする。
PTB-XL、ジョージア、CPSC2018全体で、RecursiveECGは一貫して強いベースラインを上回り、10.0%の平均的な相対的な改善を達成している。
広範囲にわたるアブレーションと転移の研究は、その証拠を基底とした精製プロセスの有効性をさらに検証した。
関連論文リスト
- Insights Generator: Systematic Corpus-Level Trace Diagnostics for LLM Agents [4.316569498378906]
本稿では,多エージェントシステムである Insights Generator (IG) について述べる。
IGレポートを用いた人間の専門家は、修正されていないベースラインの足場上での足場性能を30.4pp向上させた。
IGのスカウト・インベスティゲータアーキテクチャは、検出カバレッジと競合するアプローチに匹敵する結果をもたらす。
論文 参考訳（メタデータ） (2026-05-20T16:13:53Z) - ECG-biometrics-bench: A Unified Framework for Reproducible Benchmarking of ECG Biometrics [0.0]
心電図(ECG)バイオメトリックスは、ウェアラブルシステムにおいて、持続的で生きた認証のための有望なモダリティとして登場した。
我々は、広く使用されている7つのパブリックECGデータセットの事前処理、セグメンテーション、評価を標準化する、モジュラーで再現可能なベンチマークフレームワークであるECG-biometrics-benchを紹介する。
論文 参考訳（メタデータ） (2026-05-02T17:31:16Z) - 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) - Decoding the Critique Mechanism in Large Reasoning Models [50.821607345799386]
大規模推論モデル(LRM)は、バックトラックと自己検証メカニズムを示し、中間ステップを修正して正しい解に到達できるようにする。
中間推論ステップに算術ミスを挿入することにより,現在のLEMがエラーからどのように回復するかを検討する。
チェーン・オブ・シークレットを伝播する誤りにもかかわらず、モデルは依然として正しい最終解に達している。
論文 参考訳（メタデータ） (2026-03-17T10:03:30Z) - ECG-Reasoning-Benchmark: A Benchmark for Evaluating Clinical Reasoning Capabilities in ECG Interpretation [14.296134981531337]
我々は,17コア心電図診断におけるステップバイステップ推論を評価するために,6,400以上のサンプルからなる新しいマルチターン評価フレームワークを提案する。
最先端モデルに対する包括的評価では,多段階論理推論の実行に重大な障害があることが判明した。
これらの結果は、現在のMLLMが実際の視覚的解釈を回避し、既存の訓練パラダイムに重大な欠陥を露呈し、堅牢で推論中心の医療AIの必要性を強調していることを示している。
論文 参考訳（メタデータ） (2026-03-15T11:09:38Z) - Guideline-Grounded Evidence Accumulation for High-Stakes Agent Verification [60.18369393468405]
既存の検証器は通常、ドメイン知識の欠如と限られた校正のために性能が劣る。
GLEANは専門家によって計算されたプロトコルをトラジェクトリインフォームされ、よく校正された正当性信号にコンパイルする。
我々は,MIMIC-IVデータセットから得られた3つの疾患の薬物的臨床診断でGLEANを実証的に検証した。
論文 参考訳（メタデータ） (2026-03-03T09:36:43Z) - AgentFixer: From Failure Detection to Fix Recommendations in LLM Agentic Systems [7.429835301272413]
フレームワークには15の障害検出ツールと2つの根本原因分析モジュールが含まれている。
軽量なルールベースのチェックとLDM-as-a-judgeアセスメントを統合し、構造化インシデント検出、分類、修復をサポートする。
我々は、このフレームワークをIBM CUGAに適用し、AppWorldとWebArenaベンチマークのパフォーマンスを評価した。
論文 参考訳（メタデータ） (2026-02-18T14:55:35Z) - ProbeLLM: Automating Principled Diagnosis of LLM Failures [89.44131968886184]
ProbeLLMはベンチマークに依存しない自動探索フレームワークで、個々の障害から構造的障害モードへの脆弱性発見を増大させる。
ProbeLLMは、検証可能なテストケースにプローブを制限し、ツールの拡張された生成と検証を活用することで、信頼性のある証拠として障害発見を根拠とする。
論文 参考訳（メタデータ） (2026-02-13T14:33:13Z) - Predicting Fetal Outcomes from Cardiotocography Signals Using a Supervised Variational Autoencoder [1.8352113484137627]
心電図(CTG)信号を妊娠結果に基づいて分類するための教師付き変分オートエンコーダ(VAE)モデルの開発と解釈を行った。
論文 参考訳（メタデータ） (2025-09-08T10:54:04Z) - Uncertainty-Driven Expert Control: Enhancing the Reliability of Medical Vision-Language Models [52.2001050216955]
既存の方法は、モデル構造を調整したり、高品質なデータで微調整したり、好みの微調整によって、医療ビジョン言語モデル(MedVLM)の性能を向上させることを目的としている。
我々は,MedVLMと臨床専門知識の連携を図るために,Expert-Controlled-Free Guidance (Expert-CFG) という,ループ内のエキスパート・イン・ザ・ループフレームワークを提案する。
論文 参考訳（メタデータ） (2025-07-12T09:03:30Z) - Retrieval is Not Enough: Enhancing RAG Reasoning through Test-Time Critique and Optimization [58.390885294401066]
Retrieval-augmented Generation (RAG) は知識基底型大規模言語モデル(LLM)を実現するためのパラダイムとして広く採用されている。
RAGパイプラインは、モデル推論が得られた証拠と整合性を維持するのに失敗することが多く、事実上の矛盾や否定的な結論につながる。
批判駆動アライメント(CDA)に基づく新しい反復的枠組みであるAlignRAGを提案する。
AlignRAG-autoは、動的に洗練を終了し、批判的な反復回数を事前に指定する必要がなくなる自律的な変種である。
論文 参考訳（メタデータ） (2025-04-21T04:56:47Z)
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。