論文の概要: Logit-Boundary Geometric Belief Interfaces and Sparse Sheaf-Enclave Protocols: A Self-Contained Substrate for Secure Network Electronic Health Record (EHR) Interoperability

• arxiv url: http://arxiv.org/abs/2608.10300v2
• Date: Wed, 12 Aug 2026 02:20:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-13 14:28:20.542611
• Title: Logit-Boundary Geometric Belief Interfaces and Sparse Sheaf-Enclave Protocols: A Self-Contained Substrate for Secure Network Electronic Health Record (EHR) Interoperability
• Title（参考訳）: Logit-Boundary Geometric Belief Interfaces and Sparse Sheaf-Enclave Protocols: A Self-Contained Substrate for Secure Network Electronic Health Record (EHR) Interoperability
• Abstract要約: 本稿では,そのインターフェースの数学的および工学的アーキテクチャについて詳述する。 発見モデルは、局所的なカテゴリー決定よりも事前閾値スコアを提案するが、決定論的判断基盤は、提案が許容できるかどうかを決定する。 得られたGeometric Belief Interface(GBI)は、有限境界セマンティクス、ローカルディリクレのエビデンス、セルラーシェーフとマッピングコーンの診断、アドバイザリ監査チャート、フェールクローズドデプロイメントのための分散暗号化シーフ-エンクレーブプロトコルスケッチを組み合わせたものである。
• 参考スコア（独自算出の注目度）: 2.894286977279531
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Electronic health-record interoperability is a boundary problem: legacy systems, generative models, terminology services, identity systems, and human reviewers may each expose rich internal states, while operational exchange requires a narrow shared interface of typed claims, bounded uncertainty, provenance, and explicit admission or abstention. This paper details a mathematical and engineering architecture for that interface. The organizing idea is the logit boundary: a discovery model may propose pre-threshold scores over a local categorical decision, but a deterministic judgment substrate decides whether the proposal is admissible, requires review, or must be quarantined before any Fast Healthcare Interoperability Resources (FHIR) transaction is constructed. The resulting Geometric Belief Interface (GBI) combines finite boundary semantics, local Dirichlet evidence, cellular-sheaf and mapping-cone diagnostics, advisory geometric audit charts, and a Decentralized Cryptographic Sheaf-Enclave (DCSE) protocol sketch for fail-closed deployment. The framework does not establish clinical truth, global representation alignment, or end-to-end safety; it defines certificate-producing checks at a model-to-system boundary. A companion frozen synthetic benchmark, GBI BoundaryBench v0.1, evaluated Qwen3-4B-Instruct-2507 on 256 held-out tasks across three evidence modes (768 canonical executions). All executions completed, but none produced an output accepted by the benchmark contract: 369 were rejected during safe parsing and 399 during schema validation, yielding zero coverage and deterministic quarantine. This empirical result is deliberately narrow - one 4B open-weight model under one frozen interface - and is reported as evidence about the admission boundary, not as a general claim about LLM capability or clinical safety. A Julia appendix verifies numerical certificates using standard libraries.
• Abstract（参考訳）: レガシーシステム、生成モデル、用語サービス、アイデンティティシステム、人間レビュアーは、それぞれ豊富な内部状態を公開できる一方、運用上の交換には、型付きクレーム、有界不確実性、証明、明示的な許可または棄権の狭い共有インターフェースが必要である。 本稿では,そのインターフェースの数学的および工学的アーキテクチャについて詳述する。 発見モデルは、局所的なカテゴリー決定よりも事前の閾値スコアを提案できるが、決定論的判断基盤は、提案が許容可能か、レビューが必要か、あるいは、ファストヘルスケア相互運用性リソース(FHIR)が構築される前に隔離されなければならないかを判断する。 Geometric Belief Interface (GBI)は、有限境界セマンティクス、ローカルディリクレのエビデンス、セルラーシェーフとマッピングコーンの診断、アドバイザリーな幾何学的監査チャート、そしてフェールクローズドデプロイメントのための分散暗号化シーフ・エンクレーブ(DCSE)プロトコルスケッチを組み合わせたものである。 このフレームワークは、臨床的真実、グローバルな表現アライメント、エンド・ツー・エンドの安全性を確立していない。 冷凍合成ベンチマークであるGBI BoundaryBench v0.1は、3つのエビデンスモード(768の標準実行)で256のホールドアウトタスクでQwen3-4B-Instruct-2507を評価した。 すべての実行は完了したが、ベンチマーク契約で受け入れられた出力は生成されなかった。 この実験結果は、意図的に狭く、1つの凍結した界面下での4Bオープンウェイトモデルであり、LCM能力や臨床安全性に関する一般的な主張としてではなく、入場境界に関する証拠として報告されている。 Juliaの付録は、標準ライブラリを使用して数値証明書を検証する。

関連論文リスト

• AI Slop and Hallucinations in Vulnerability Assessment: A Survey on Reasoning Failures and Trustworthy Mitigation [48.55515767840701]
  AIスロープ(AI slop)は、アーティファクト、幻覚的脆弱性、可視だが正しくないパッチ、セマンティックに再パッケージされたバグレポートである。 本稿では,実証的証拠を調査し,統一メカニズムを特定し,信頼に値するトリアージへの道筋をたどる。
  論文  参考訳（メタデータ） (2026-08-26T11:48:38Z)
• Structuring Semantic Embeddings for Principle Evaluation: A Prototype-Guided Contrastive Learning Approach [58.15427952222424]
  汎用的なテキスト埋め込みはそのようなタスクに広くデプロイされているが、意味的類似性は意味的に似ているがタスク固有の例を示すことができる。 本稿では,凍結したテキスト埋め込み上に構築された幾何正規化モジュールであるPGCL(Prototype-Guided Contrastive Learning)を紹介する。
  論文  参考訳（メタデータ） (2026-08-15T13:19:25Z)
• Three Generations of Healthcare IT: From the Digital Record to the Computable Care Process [47.027290803102666]
  対象が患者固有の臨床目的である計算層について述べる。 我々は第3層の原子オブジェクトとしてActionable Clinical Recordを定式化する。
  論文  参考訳（メタデータ） (2026-08-09T16:44:28Z)
• Toward Automated Detection of Documentation Inconsistencies in Electronic Health Records [16.68744679025527]
  一般ドメイン大言語モデル(LLM)は、実世界の放電サマリーから表れる。 LLMは3,460人の候補者の不一致を表面化し、69.7%が入院した。
  論文  参考訳（メタデータ） (2026-07-24T23:43:35Z)
• Trust Boundary Semantic Gaps: A Multi-dimensional Analysis and Mitigation for Security-by-Design [10.212854052793046]
  我々はこの条件をトラスト境界セマンティックギャップ(TBSG)と呼ぶ。 境界レベルのセキュリティインシデント75件を分析した。 信頼境界セマンティック分析・緩和(TBSAM)の開発
  論文  参考訳（メタデータ） (2026-07-02T05:06:57Z)
• RISED: A Pre-Deployment Safety Evaluation Framework for Clinical AI Decision-Support Systems [0.0]
  本稿では,信頼性,指数性,感度,等価性,展開性に関する5次元事前デプロイ評価を提案する。 RISEDはオープンソースのPythonパッケージとしてリリースされ、既存の臨床AIレポート標準の量的検証を提供する。
  論文  参考訳（メタデータ） (2026-05-13T02:17:13Z)
• Verifier-Bound Communication for LLM Agents: Certified Bounds on Covert Signaling [0.0]
  言語モデルエージェントを結合することで、ポリシーに準拠したメッセージの調整を表面レベルで隠蔽することができる。 生成と受け入れを分離するプロトコルであるCLBCを提案する。 このプロトコルは、遅延リークと明示的な残留チャネルの観点から、転写リークの上限をいかに高めるかを示す。
  論文  参考訳（メタデータ） (2026-02-27T23:42:37Z)
• Escaping the BLEU Trap: A Signal-Grounded Framework with Decoupled Semantic Guidance for EEG-to-Text Decoding [41.209385903282374]
  SemKeyは4つのセマンティックな目的を通じて信号基底生成を強制する新しいフレームワークである。 N-way Retrieval Accuracy と Fréchet Distance を採用することで,標準的な翻訳指標を越えることができる。
  論文  参考訳（メタデータ） (2026-02-09T02:47:07Z)
• Conditional Coverage Diagnostics for Conformal Prediction [47.93989136542648]
  条件付きカバレッジ推定が分類問題であることを示す。 得られたメトリクスの族をターゲットカバレッジ(ERT)の過剰なリスクと呼びます。 ERTのオープンソースパッケージと、以前の条件付きカバレッジメトリクスをリリースしています。
  論文  参考訳（メタデータ） (2025-12-12T18:47:39Z)
• The Epistemic Suite: A Post-Foundational Diagnostic Methodology for Assessing AI Knowledge Claims [0.7233897166339268]
  本稿では,AI出力の生成と受信の状況を理解するための診断手法であるEpistemic Suiteを紹介する。 真実や虚偽を判断する代わりに、スイートは20個の診断レンズを通して、信頼の洗浄、物語の圧縮、異動した権威、一時的な漂流などのパターンを明らかにする。
  論文  参考訳（メタデータ） (2025-09-20T00:29:38Z)
• A Taxonomy and Methodology for Proof-of-Location Systems [42.222053626544366]
  本稿では,PoL(Proof-of-Location)システムの4つの中核領域を同定する分類法を提案する。 次に、アプリケーション固有の要件を適切なPoLアーキテクチャにマッピングする方法論を紹介します。 全体として、この作業はセキュアでスケーラブルで相互運用可能なPoLシステムを構築するための構造化されたアプローチを提供する。
  論文  参考訳（メタデータ） (2025-08-19T19:39:05Z)
• Robust-by-Design Classification via Unitary-Gradient Neural Networks [66.17379946402859]
  安全クリティカルシステムにおけるニューラルネットワークの使用には、敵攻撃が存在するため、安全で堅牢なモデルが必要である。 任意の入力 x の最小逆摂動を知るか、または同値に、分類境界から x の距離は、分類ロバスト性を評価し、証明可能な予測を与える。 Unitary-Gradient Neural Networkと呼ばれる新しいネットワークアーキテクチャが紹介される。 実験結果から,提案アーキテクチャは符号付き距離を近似し,単一の推論コストでxのオンライン分類が可能であることがわかった。
  論文  参考訳（メタデータ） (2022-09-09T13:34:51Z)
• Is Vertical Logistic Regression Privacy-Preserving? A Comprehensive Privacy Analysis and Beyond [57.10914865054868]
  垂直ロジスティック回帰(VLR)をミニバッチ降下勾配で訓練した。 我々は、オープンソースのフェデレーション学習フレームワークのクラスにおいて、VLRの包括的で厳密なプライバシー分析を提供する。
  論文  参考訳（メタデータ） (2022-07-19T05:47:30Z)

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。