論文の概要: Did the Grid Erase the Event? EndoClock for Auditing Medical World-Model Pipelines
- arxiv url: http://arxiv.org/abs/2608.09266v1
- Date: Mon, 10 Aug 2026 08:20:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-11 19:16:37.146954
- Title: Did the Grid Erase the Event? EndoClock for Auditing Medical World-Model Pipelines
- Title（参考訳）: グリッドはイベントを回避したか? 医療用ワールドモデルパイプラインの監査のためのEndoClock
- Abstract要約: 医療の世界モデルは通常、固定レートグリッドに同期されたマルチモーダル記録から学習する。
同期は中立ではなく、モデルがデータを見る前にタスク関連エビデンスを削除することができる。
対象の事象や国家を識別するために必要な証拠が生存する場所を特徴付ける4つの登録分類法を導入する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Medical world models commonly learn from multimodal recordings synchronized onto a fixed-rate grid. This preprocessing resamples each native stream onto a shared time axis. Each stream has an observation clock that governs when observations are emitted or updated. When this clock depends on the latent or acquisition state, it is endogenous. In such settings, synchronization may not be neutral and can erase task-relevant evidence before the model sees the data. We introduce a four-regime taxonomy that characterizes where the evidence needed to distinguish a target event or state survives. The relevant witness may remain in the sampled values, in grid-cell update patterns, in native timing, or only in an external acquisition channel. EndoClock operationalizes this taxonomy as a conservative pretraining audit. It reports the lowest witness-bearing representation supported by the available evidence, or unresolved when no regime can be established. We illustrate this failure in echocardiography, where B-mode video write-outs cease during pulsed-wave Doppler acquisition while the corresponding measurement events remain recorded only in an external acquisition log. This work is a preliminary failure alert and executable audit. Its practical message is to preserve the native observation process long enough to determine whether synchronization has erased information required by the intended task.
- Abstract（参考訳）: 医療の世界モデルは通常、固定レートグリッドに同期されたマルチモーダル記録から学習する。
この前処理は、各ネイティブストリームを共有時間軸に再サンプリングする。
各ストリームは、観測が出力されたり更新されたりする際に制御される観察クロックを有する。
この時計が潜伏状態または取得状態に依存する場合、内因性である。
このような設定では、同期は中立ではなく、モデルがデータを見る前にタスク関連エビデンスを消去することができる。
対象の事象や国家を識別するために必要な証拠が生存する場所を特徴付ける4つの登録分類法を導入する。
関連する証人は、サンプル値、グリッドセル更新パターン、ネイティブタイミング、あるいは外部取得チャネルのみに留まることができる。
EndoClockはこの分類を保守的な事前訓練監査として運用している。
この報告書は、利用可能な証拠によって支持される最低の証人収容表現、または、体制が確立できない場合に未解決を報告している。
心エコー図では、パルス波ドップラー取得時にBモードビデオの書き込みが停止し、対応する測定イベントは外部取得ログにのみ記録される。
この作業は、予備的な障害警告と実行可能な監査である。
その実践的なメッセージは、意図したタスクが必要とする情報を同期が消去したかどうかを決定するのに十分な時間をネイティブな観察プロセスを保存することである。
関連論文リスト
- Diagnosing Temporal Misalignment in Multichannel Time-Series Classification with Minimum Description Length [2.664567992874808]
同期問題は、分類性能が最適以下である間も検出されないことがある。
本手法は,センサ群に対して時間的候補シフトを適用し,残りのチャネルの表現を通して,1つのグループをいかに効率的にエンコードできるかを計測する。
そこで本手法は,時系列学習パイプライン全体の時間的ずれの検出,理解,修正を行う汎用ツールを提供する。
論文 参考訳（メタデータ） (2026-09-13T15:24:24Z) - World Models Under Asynchronous Sensor Observations [0.0]
物理センシングは不均一な速度で動作し、ほとんどの観測チャネルは任意の瞬間に安定している。
自然な代替手段は、最新の読み出しをゼロオーダーホールドすることであり、安定化と更新までの時間という2つの特徴を通じて、既知のサンプリングスケジュールをモデルに提供することである。
その結果,リフレッシュ・ツー・リフレッシュの有効性は,サンプリングスケジュールの因果的役割,特にリフレッシュイベントがシステムに影響を及ぼす場合に左右されることがわかった。
論文 参考訳（メタデータ） (2026-09-07T10:17:17Z) - Aionoscope: Debugging Latent-State Accessibility in Time-Series Representations [59.34593956287438]
Aionoscope(アイオノスコープ)は、凍結した時系列表現における潜在状態のアクセシビリティを検査するための診断ツールである。
アイオノスコープはプロセス生成を観察レンダリングから切り離し、正確な分類と密度のラベルを持つシード合成ストリームを生成する。
論文 参考訳（メタデータ） (2026-07-01T13:54:20Z) - Not in Sync: Unveiling Temporal Bias in Audio Chat Models [59.146710538620816]
大規模音声言語モデル(LALM)は、音声理解やマルチモーダル推論にますます応用されている。
LALMにおける時間バイアスに関する最初の体系的研究を行い,その時間スタンプ予測における重要な限界を明らかにした。
論文 参考訳（メタデータ） (2025-10-14T06:29:40Z) - Interpretable Graph Learning Over Sets of Temporally-Sparse Data [3.909781462298589]
本稿では,不規則な時間信号の集合を学習するための新規かつ解釈可能なモデルであるグラフ混合付加ネットワーク(GMAN)を提案する。
本手法は, 病院内死亡予測のAUROCスコアが4ポイント上昇するなど, 現実的な医療課題における最先端性を実現する。
ノードレベル、グラフレベル、サブセットレベルの重要度を含むその解釈能力が、移行フェーズの検出と医学的洞察の獲得を可能にしていることを実証する。
論文 参考訳（メタデータ） (2025-05-25T15:41:01Z) - Spatial Reasoning with Denoising Models [49.83744014336816]
本稿では,連続変数の集合に対する推論を行うためのフレームワークを提案する。
初めて、その生成順序をデノナイジングネットワーク自体によって予測できる。
これらの結果から,特定の推論タスクの精度を1%から50%に向上させることができる。
論文 参考訳（メタデータ） (2025-02-28T14:08:30Z) - Tooling Offline Runtime Verification against Interaction Models :
recognizing sliced behaviors using parameterized simulation [0.4199844472131921]
オフライン実行時の検証には、仕様に対するシステムの実行の静的解析が含まれる。
分散システムでは、グローバルクロックが存在しないため、グローバルトレースの形での実行を特徴付けることは一般的に不可能である。
本稿では,インタラクションと呼ばれる形式仕様に対して,そのようなトレースの適合性を検証するアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-03-05T16:09:55Z) - Uncovering the Missing Pattern: Unified Framework Towards Trajectory
Imputation and Prediction [60.60223171143206]
軌道予測は、観測されたシーケンスから実体運動や人間の行動を理解する上で重要な作業である。
現在の方法では、観測されたシーケンスが完了したと仮定し、欠落した値の可能性を無視する。
本稿では,グラフに基づく条件変動リカレントニューラルネットワーク (GC-VRNN) の統一フレームワークを提案する。
論文 参考訳（メタデータ） (2023-03-28T14:27:27Z) - Persistence-Based Discretization for Learning Discrete Event Systems
from Time Series [50.591267188664666]
Persistは、永続化スコアと呼ばれるスコアを使用して永続的なシンボルを作成するための離散化手法である。
パーシステンススコアで用いられる計量であるクルバック・リーブラーの発散をワッサーシュタイン距離に置き換える。
実験により、改善された永続化スコアは、パーシストが元の時系列の情報を取得する能力を高めることが示されている。
論文 参考訳（メタデータ） (2023-01-12T14:10:30Z) - Modeling Irregular Time Series with Continuous Recurrent Units [3.7335080869292483]
観測時間間の不規則な時間間隔を処理するために,連続的再帰単位(CRU)を提案する。
我々はCRUがニューラル常微分方程式(neural ODE)に基づくモデルよりも不規則時系列を補間できることを示した。
また,本モデルでは,インエイジからダイナミックスを推測し,Kalmanの取得により,ノイズの多い観測結果から,有効な状態更新候補を効率よく抽出できることも示している。
論文 参考訳（メタデータ） (2021-11-22T16:49:15Z) - Tracking the risk of a deployed model and detecting harmful distribution
shifts [105.27463615756733]
実際には、デプロイされたモデルのパフォーマンスが大幅に低下しないという、良心的なシフトを無視することは理にかなっている。
我々は,警告を発射する有効な方法は,(a)良性な警告を無視しながら有害なシフトを検知し,(b)誤報率を増大させることなく,モデル性能の連続的なモニタリングを可能にすることを論じる。
論文 参考訳（メタデータ） (2021-10-12T17:21:41Z)
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。