論文の概要: Inference-Time Agentic Decision Rules Beat Longer Evolving Search for Multi-Image Medical Reasoning

• arxiv url: http://arxiv.org/abs/2607.27564v1
• Date: Thu, 30 Jul 2026 01:16:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-31 21:37:00.35776
• Title: Inference-Time Agentic Decision Rules Beat Longer Evolving Search for Multi-Image Medical Reasoning
• Title（参考訳）: マルチイメージ医用推論における時間的エージェント決定規則は, より長引く検索に勝る
• Abstract要約: マルチイメージ医療用VQAは、単なる即時的な問題ではなく、エージェントによる意思決定の根本的な課題である。 MedFrameQAは5つのエージェント・タイム・エージェント・ストラテジーの制御された比較によって研究される。 本研究は, マルチイメージの医療推論において, 適切なエージェント決定ルールを定義することは, 探索予算を拡大するよりもはるかに影響が大きいことを示唆する。
• 参考スコア（独自算出の注目度）: 4.719960030004665
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multi-image medical VQA is not merely a prompt-length problem; it is a fundamental challenge of agentic decision-making. Medical vision-language agents must aggregate evidence across ordered images, remain robust to answer-order perturbations, and avoid overfitting to noisy search-time feedback. We study MedFrameQA through a controlled comparison of five inference-time agentic strategies, optimized using the same high-budget ShinkaEvolve configuration and evaluated on a reproducible internal frozen split (1,331 evolution, 665 holdout, 855 final test). Across five independent repeated runs, the strongest method emerges as the simplest robust aggregator: the \textbf{order-vote} policy achieves $57.89 \pm 0.65\%$ final-test accuracy, significantly outperforming the fixed baseline ($52.73 \pm 0.42\%$) and the more complex, albeit brittle, order-rerank variant ($55.79 \pm 0.43\%$). Paired bootstrap analysis confirms these significant gains. Extending the evolutionary search budget from 50 to 100 generations yields no generalization benefit: while holdout performance marginally increases, final-test accuracy drops from $57.89\%$ to $56.02\%$. Our findings suggest that for multi-image medical reasoning, defining the correct agentic decision rule is substantially more impactful than expanding the optimization search budget.
• Abstract（参考訳）: マルチイメージ医療用VQAは、単なる即時的な問題ではなく、エージェントによる意思決定の根本的な課題である。 医用視覚言語エージェントは、順序付けられた画像に証拠を集約し、答え順の摂動に頑健であり、ノイズの多い検索時間のフィードバックに過度に適合しないようにしなければならない。 MedFrameQAを5つのエージェント戦略の制御比較により検討し、同じ高予算のShinkaEvolve構成を用いて最適化し、再現可能な内部凍結スプリット(1,331進化、665ホールトアウト、855最終試験)で評価した。 5つの独立した再実行において、最も強い方法は最も単純なロバストなアグリゲータとして現れる: \textbf{order-vote} ポリシーは57.89 \pm 0.65\%$ ファイナルテストの精度を達成し、固定されたベースライン(52.73 \pm 0.42\%$)とより複雑なアルベットの不安定なオーダーリラン変種(55.79 \pm 0.43\%$)を著しく上回る。 ペアリングブートストラップ分析は、これらの重要な利益を裏付ける。 50世代から100世代に進化的検索予算を拡大すると、一般化の恩恵は得られない: ホールドアウト性能はわずかに向上するが、最終テストの精度は57.89.%から56.02.%に低下する。 本研究は, マルチイメージの医療推論において, 適切なエージェント決定ルールを定義することは, 探索予算を拡大するよりもはるかに影響が大きいことを示唆する。

関連論文リスト

• A Generative AI Integrated Multimodal Framework for Low-Latency Multi-Camera Person Re-Identification [0.18427704077999105]
  我々は、欠落したキューと低レイテンシのデプロイメント下での堅牢性を明確に設計した、生成AI統合マルチモーダルReIDフレームワークを提案する。 我々は, Market-1501 および DukeMTMC-reID ベンチマークにおいて,mAP と Rank-1 の精度を用いた人物識別性能について報告する。
  論文  参考訳（メタデータ） (2026-09-13T10:40:38Z)
• Which Medical Questions Deserve Rationales? Perturbation-Sensitive Selection for Robust QA [12.797519888387628]
  本稿では,ルート平均2乗ロバスト性に基づくサンプル優先化(RMS-RSP)を提案する。 RMS-RSPは5つのデータセットで同じ方向で平均1.91点と2.85点の堅牢な精度とセマンティック一貫性を改善する。
  論文  参考訳（メタデータ） (2026-09-09T03:58:59Z)
• ThinkRetrieve: Retrieval-Augmented Reasoning Traces for Test-Time Scaling [60.48279351544583]
  ThinkRetrieveは大規模な推論モデルのためのテスト時間スケーリングフレームワークである。 それぞれの中間ステップで関連する例を検索し、思考トレースに直接注入する。 標準的なテスト時間スケーリングよりも精度が一貫して向上する。
  論文  参考訳（メタデータ） (2026-08-11T13:58:07Z)
• Agentic Stage-One Stellarator Optimization: Autonomous Multi-Objective Search for Finite-Beta Equilibria [0.0]
  強調ステージワン最適化の概念実証を行う。 エージェント外ループ制御は有限ベータ・多目的探索を維持でき、繰り返し最適化を改良された平衡のスケーラブルなソースに変えることができる。
  論文  参考訳（メタデータ） (2026-08-02T16:08:52Z)
• Perception, Verdict, and Evolution: Hindsight-Driven Self-Refining Forensics Agent for AI-Generated Image Detection [80.15317858033534]
  ForeAgentは、反復的な自己進化を伴うAI生成画像検出のためのエージェント法医学フレームワークである。 ForeAgentはChameleonベンチマークで最先端のパフォーマンスを達成し、精度は82.18%に達した。 ForeAgent は GPT-5 や GPT-5-mini と比較して、より一貫性があり、因果的な推論をもたらす。
  論文  参考訳（メタデータ） (2026-06-25T02:59:33Z)
• Medical thinking with multiple images [44.04557445622649]
  我々はMedThinkVQAを紹介した。MedThinkVQAは、複数の画像で考えるためのエキスパートアノテーション付きベンチマークである。 データセットは720のテストケースを含む8,067ケースを含み、1ケースあたり平均6.62イメージである。 テストセットでは、最高のクローズドソースモデルであるClaude-4.6-Opus、Gemini-3-Pro、GPT-5.2-xhighは57.2%、55.3%、54.9%の精度しか達成できなかった。
  論文  参考訳（メタデータ） (2026-04-14T18:51:07Z)
• Ruling Out to Rule In: Contrastive Hypothesis Retrieval for Medical Question Answering [1.6886041345889138]
  臨床診断のプロセスに触発されたコントラスト的仮説検索(CHR)を提案する。 CHRは、$H+$-alignedのエビデンスを宣伝し、$H+$-alignedのコンテンツをペナルティ化する。 CHRは、検索機構の設計による臨床推論を橋渡しし、医療用RAGシステムにおける有害な汚染を減らすための実践的な方法を提供する。
  論文  参考訳（メタデータ） (2026-04-06T11:13:57Z)
• RoboPhD: Evolving Diverse Complex Agents Under Tight Evaluation Budgets [0.2126018197183873]
  本稿では,エロトーナメントの選択,EPA,グリーディヒルクライミングという3つの最適化パラダイムの体系的比較について述べる。 RoboPhDは、トレーニングとバリデーションの予算を分割する代わりに、トレーニングデータにEloコンペティションを使用してエージェントを同時に評価し、進化を促進する。 我々は、さまざまな複雑なエージェントを進化させるためのシンプルなOptimation_anything() APIを使って、MITライセンスの下で汎用ツールキットとしてRoboPhDをリリースした。
  論文  参考訳（メタデータ） (2026-04-06T01:39:13Z)
• Reinforcement Learning from Multi-Source Imperfect Preferences: Best-of-Both-Regimes Regret [71.69884486156359]
  我々は, 累積的不完全化予算を用いて, エンフルティソースの不完全性選好からエピソードRLを考察した。 我々は,最良な登録行動を示す,後悔$tildeO(sqrtK/M+)$の統一アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2026-03-20T19:34:53Z)
• 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)
• MedFrameQA: A Multi-Image Medical VQA Benchmark for Clinical Reasoning [24.9872402922819]
  既存の医療用VQAベンチマークは、主にシングルイメージ分析に焦点を当てている。 医療用VQAにおけるマルチイメージ推論を明示的に評価する最初のベンチマークであるMedFrameQAを紹介する。
  論文  参考訳（メタデータ） (2025-05-22T17:46:11Z)
• Timing Is Everything: Finding the Optimal Fusion Points in Multimodal Medical Imaging [0.8224504196003954]
  マルチモーダルディープラーニングは、MRIシーケンスなどの様々な画像モダリティを利用して、医療画像の診断精度を高める。 重要な課題は、これらのモダリティを個別に統合する最適なタイミングを決定し、融合モジュールを挿入すべきネットワーク層を特定することである。 本稿では,マルチモーダルネットワークの異なる層で逐次的に融合モジュールを活性化し,評価する逐次フォワード探索アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-05-05T08:53:21Z)
• Multi-Armed Bandits with Abstention [62.749500564313834]
  本稿では, 新たな戦略要素である禁忌を取り入れた, 正準多重武装バンディット問題の拡張を提案する。 この強化されたフレームワークでは、エージェントは各タイムステップでアームを選択することだけでなく、観察する前に即時報酬を受け付けないオプションも備えている。
  論文  参考訳（メタデータ） (2024-02-23T06:27:12Z)
• Self-Evaluation Guided Beam Search for Reasoning [61.523627290397556]
  我々は,Large Language Model (LLM) の推論プロセスのガイドと校正を行うための段階的自己評価機構を導入する。 本稿では,ビームサーチによる自己評価ガイダンスを統合した復号アルゴリズムを提案する。 我々のアプローチは、GSM8K、AQuA、StrategyQAにおいて、対応するCodexバックボンドベースラインをわずかに精度6.34%、9.56%、および5.46%で上回る。
  論文  参考訳（メタデータ） (2023-05-01T02:37:59Z)

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。