論文の概要: TreeProbe : A Tibetan Medicine Benchmark for Cultural Bias in LLMs
- arxiv url: http://arxiv.org/abs/2608.00640v1
- Date: Sat, 01 Aug 2026 12:53:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:24.845033
- Title: TreeProbe : A Tibetan Medicine Benchmark for Cultural Bias in LLMs
- Title（参考訳）: TreeProbe : LLMにおけるチベット医学の文化的バイアス指標
- Abstract要約: TreeProbeはチベット医学のネイティブ・ツリー・オブ・メディカル・フレームワークを中心に組織された最初の文化的バイアス・ベンチマークである。
467の病気と10のサブタスクを含む4,719の専門的調整項目が含まれている。
- 参考スコア（独自算出の注目度）: 13.547980512594513
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Large language models are increasingly viewed as a potential means of mitigating global health inequities, yet their outputs often reflect dominant high-resource medical traditions and provide limited coverage of traditional medical knowledge systems. Tibetan medicine, one of the world's four major traditional medical systems, has an independent and highly structured theoretical framework. When models lack grounded understanding of Tibetan medicine, they may fall back on dominant epistemic systems and distort the native knowledge structure during reasoning. However, quantitative tools for evaluating cultural bias in Tibetan medicine remain largely absent. To address this gap, we introduce TreeProbe, the first cultural-bias benchmark organized around the native Tree of Medicine framework in Tibetan medicine. It contains 4,719 expert-adjudicated items covering 467 diseases and 10 subtasks along the three roots. Experiments on representative LLMs show that current models remain limited in native Tibetan medical contexts and exhibit systematic external ontology drift. Further analysis reveals that models diverge in whether they drift toward biomedical or TCM reasoning, shaped by pretraining data composition and surface resemblance between TCM and Tibetan medicine. TreeProbe provides a diagnostic benchmark for developing medical AI systems that are both linguistically inclusive and epistemically fair. Code and data are available in an anonymous repository at https://anonymous.4open.science/r/TreeProbe/.
- Abstract（参考訳）: 大規模言語モデルは、世界的な健康上の不平等を緩和する潜在的手段としてますます見なされているが、そのアウトプットは、しばしば高リソース医療の伝統を反映し、伝統的な医療知識システムの限られた範囲を提供している。
チベット医学は、世界の4大伝統医療システムの一つであり、独立的で高度に構造化された理論的な枠組みを持っている。
モデルがチベット医学の根底から理解できない場合、それらは支配的なてんかんのシステムに逆戻りし、推論中に先住民の知識構造を歪めてしまう可能性がある。
しかし、チベット医学における文化的偏見を評価するための定量的ツールはほとんど残っていない。
このギャップに対処するため,チベット医学におけるネイティブツリー・オブ・メディカル・フレームワークを中心に組織された最初の文化的バイアス・ベンチマークであるTreeProbeを紹介した。
467の病気と10のサブタスクを含む4,719の専門的調整項目が含まれている。
代表的なLSMの実験では、現在のモデルはチベットの医学的文脈に限られており、体系的な外部オントロジードリフトを示す。
さらに分析した結果,TCMとチベット医学の間のデータ組成と表面類似性から,生物医学的,あるいはTCM的推論に向けて漂流するか否かのモデルが多様化していることが判明した。
TreeProbeは、言語的に包括的で認識論的に公正な医療AIシステムの開発のための診断ベンチマークを提供する。
コードとデータはhttps://anonymous.4open.science/r/TreeProbe/.comの匿名リポジトリで公開されている。
関連論文リスト
- DrugReason: Dynamic Multi-View Reasoning over Knowledge Graph and Language Evidence for Drug Repurposing [55.45112712244231]
DrugReasonはマルチビュー推論フレームワークであり、LLMが生成する薬物再精製の機械的推論と接地KG推論を統合している。
PharmaDB, DDInter, DrugBankの実験によると、DragonReasonは強力な単一ビュー推論ベースラインよりも平均的なパフォーマンスを向上させる。
論文 参考訳（メタデータ） (2026-09-06T18:54:26Z) - LingShu: A Large-Scale Symptom-Centric Contextualized Knowledge Graph Bridging Traditional Chinese Medicine and Modern Biomedicine [24.64642747664969]
LingShuは、TCMと現代のバイオメディシンを橋渡しするために設計された、症状中心の文脈化された知識グラフである。
LingShuは、自然言語処理、用語正規化、ループ内検証を組み合わせたパイプラインを通じて、臨床電子医療記録、テキスト、権威のあるTCMテキストを含むマルチソースデータを統合している。
論文 参考訳（メタデータ） (2026-07-29T00:36:58Z) - From Physician Expertise to Clinical Agents: Preserving, Standardizing, and Scaling Physicians' Medical Expertise with Lightweight LLM [35.1716550725657]
Med-Shichengは、著名な医師の診断・治療哲学とケース依存適応規則を体系的に学習し、伝達するフレームワークである。
我々は,5人の中国医学・専門医を対象とし,複数の資料をキュレートし,一つのモデルを訓練して,5つの知識システムをすべて7つのタスクで内部化する。
論文 参考訳（メタデータ） (2026-03-06T14:03:15Z) - PhenoLIP: Integrating Phenotype Ontology Knowledge into Medical Vision-Language Pretraining [71.60950593762719]
PhenoLIPは、構造化表現型知識を医療画像理解に組み込む新しい事前学習フレームワークである。
PhenoLIPは、医学画像理解における最先端のアプローチよりも優れている。
論文 参考訳（メタデータ） (2026-02-05T20:44:07Z) - ShizhenGPT: Towards Multimodal LLMs for Traditional Chinese Medicine [53.91744478760689]
我々は、中国伝統医学(TCM)に適した最初の多モーダル言語モデルであるシージエンGPTを提示する。
シッシェンGPTは、深いTCM知識とマルチモーダル推論を達成するために、事前訓練され、訓練されている。
実験によると、ShizhenGPTはLLMよりも優れており、より大きなプロプライエタリモデルと競合する。
論文 参考訳（メタデータ） (2025-08-20T13:30:20Z) - Lingshu: A Generalist Foundation Model for Unified Multimodal Medical Understanding and Reasoning [57.873833577058]
医療知識の豊富なマルチモーダルデータセットを構築した。
次に医学専門のMLLMであるLingshuを紹介します。
Lingshuは、医療専門知識の組み込みとタスク解決能力の向上のために、マルチステージトレーニングを行っている。
論文 参考訳（メタデータ） (2025-06-08T08:47:30Z) - OpenTCM: A GraphRAG-Empowered LLM-based System for Traditional Chinese Medicine Knowledge Retrieval and Diagnosis [2.639291045535649]
OpenTCMはドメイン固有の知識グラフであり、グラフベースの検索・拡張生成システムである。
我々は,中国医学古典データベースの68冊の婦人科本から,330万以上の漢文字を抽出した。
OpenTCMは、材料情報検索における4.378、診断質問応答タスクにおける4.045の平均エキスパートスコア(MES)を達成している。
論文 参考訳（メタデータ） (2025-04-28T08:04:44Z) - BianCang: A Traditional Chinese Medicine Large Language Model [33.738284400742124]
そこで本研究では,まずドメイン固有知識を注入し,まず目標刺激によって調整し,診断と識別能力を向上させる,TCM固有の大規模言語モデルであるBianCangを提案する。
実際の病院記録に基づく事前学習コーパス,ChP-TCMデータセット,および中華人民共和国の薬局類由来のChP-TCMデータセットを構築した。
我々は,TCMと医用コーパスを総合的に収集し,TCMの理解を深めるための包括的データセットを構築した。
論文 参考訳（メタデータ） (2024-11-17T10:17:01Z) - CMB: A Comprehensive Medical Benchmark in Chinese [67.69800156990952]
そこで我々は,中国語の包括的医療ベンチマークであるCMB(Comprehensive Medical Benchmark)を提案する。
伝統的な中国医学はこの評価に欠かせないものであるが、全体としては成り立たない。
われわれは,ChatGPT,GPT-4,中国専用LSM,医療分野に特化したLSMなど,いくつかの大規模LSMを評価した。
論文 参考訳（メタデータ） (2023-08-17T07:51:23Z) - Large Language Models, scientific knowledge and factuality: A framework to streamline human expert evaluation [0.0]
本研究は,生物医学的背景知識と対話するための大規模言語モデルの可能性を探るものである。
フレームワークには3つの評価ステップが含まれており、それぞれが流布、即応的なアライメント、セマンティック・コヒーレンス、事実的知識、生成した応答の特異性という3つの側面を逐次評価する。
この研究は、ChatGPT、GPT-4、Llama 2を含む11の最先端のLLMを2つのプロンプトベースタスクで持つ能力に関する体系的な評価を提供する。
論文 参考訳（メタデータ） (2023-05-28T22:46:21Z) - CBLUE: A Chinese Biomedical Language Understanding Evaluation Benchmark [51.38557174322772]
中国初のバイオメディカル言語理解評価ベンチマークを提示する。
名前付きエンティティ認識、情報抽出、臨床診断正規化、単文/文対分類を含む自然言語理解タスクのコレクションである。
本研究は,現在の11種類の中国モデルによる実験結果について報告し,その実験結果から,現在最先端のニューラルモデルがヒトの天井よりもはるかに悪い性能を示すことが示された。
論文 参考訳（メタデータ） (2021-06-15T12:25:30Z)
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。