論文の概要: Structural Inference in Undocumented Mobile Databases: A Reproducible Benchmark for Evaluating Agentic Reasoning in Digital Forensics
- arxiv url: http://arxiv.org/abs/2608.21470v1
- Date: Fri, 21 Aug 2026 03:41:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-25 13:29:43.207383
- Title: Structural Inference in Undocumented Mobile Databases: A Reproducible Benchmark for Evaluating Agentic Reasoning in Digital Forensics
- Title（参考訳）: 文書化されていないモバイルデータベースの構造推論: ディジタルフォサイシクスにおけるエージェント推論評価のための再現可能なベンチマーク
- Abstract要約: この研究は、エージェント構造推論を独立した能力として評価する。
エージェントがテーブルの関係を再構築し、属性をリンクし、生のデータベースと自然な調査プロンプトのみを与えられたときにパスを結合する方法について検討する。
専門家が検証した基底真理を用いて, (i) 推論関係リンクの構造的正当性, (ii) マルチテーブル推論に基づく実行コヒーレンス, (iii) 実行が成功した場合の推論構造の構造的堅牢性と失敗モードを評価するが, 関係的解釈は専門家の基底真理から分岐する。
- 参考スコア（独自算出の注目度）: 1.7102309907119588
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Agentic large language models are increasingly used in digital forensic analysis, yet their ability to infer relational structure inside undocumented mobile application databases remains poorly understood. In forensic contexts, structurally incorrect inferences can yield results that appear plausible while remaining evidentially unsound. This work evaluates agentic structural inference as an isolated capability, treating execution success and structural correctness as distinct evaluation axes. It examines how an agent reconstructs table relationships, linking attributes, and executable join paths when given only a raw database and a natural-language investigative prompt. We apply a fixed, deterministic evaluation pipeline to two contrasting SQLite repositories: Android's SMS database with stable identifier propagation, and Snapchat's database with irregular schemas, ephemeral identifiers, and polymorphic relationships. Using expert-verified SQL ground truth, we evaluate (i) structural correctness of inferred relational links, (ii) execution coherence under multi-table reasoning, and (iii) robustness and failure modes of inferred structure when execution succeeds but relational interpretation diverges from expert ground truth. Evaluation is performed independently of semantic interpretation, with full queries and execution traces provided in the Appendix. Results show that structural inference remains reliable in regular schemas but degrades sharply as schema ambiguity increases, frequently producing structurally plausible yet incorrect joins that execute successfully. These findings clarify where schema-agnostic agentic reasoning can support forensic analysis, how its robustness degrades under realistic schema irregularities, and why additional verification remains essential before inferred relationships can be treated as reliable evidence.
- Abstract（参考訳）: エージェント型大規模言語モデルは、デジタル法医学的分析においてますます使われているが、文書化されていないモバイルアプリケーションデータベース内の関係構造を推測する能力は、いまだによく分かっていない。
法医学的な文脈では、構造的に不正確な推論は、明らかに不明瞭なままで、もっともらしい結果をもたらす。
本研究は,エージェント構造推論を独立した能力として評価し,実行の成功と構造的正しさを異なる評価軸として扱う。
原データベースと自然言語探索プロンプトのみを与えられた場合、エージェントがテーブル関係、属性のリンク、実行可能結合パスをどのように再構築するかを検討する。
固定された決定論的評価パイプラインを2つの対照的なSQLiteリポジトリに適用する。AndroidのSMSデータベースと,不規則なスキーマ,短命な識別子,多型関係を備えたSnapchatデータベースだ。
専門家が検証したSQL基底真理を用いて評価する
一 推論関係リンクの構造的正しさ
(二)マルチテーブル推論による実行コヒーレンス
(3)実行が成功すると、推論された構造の堅牢性と失敗モードが成立するが、関係解釈は専門家の根拠真理から分岐する。
評価は意味解釈とは独立して行われ、完全なクエリと実行トレースがAppendixで提供される。
その結果、構造推論は通常のスキーマでは信頼性が保たれるが、スキーマのあいまいさが増大するにつれて急速に低下し、構造的に妥当だが正しくない結合を頻繁に生成することがわかった。
これらの結果から,スキーマ非依存のエージェント推論が法医学的分析に有効であるか,その頑健さが現実的なスキーマの不規則性の下でどのように低下するか,また,推論された関係が信頼できる証拠として扱われる前に,さらなる検証が不可欠である理由が明らかとなった。
関連論文リスト
- ScrambleToolBench: Agents Search Exhaustively Even When Their Own Map Points to the Next Step [74.83535434786145]
ScrambleToolBenchは,行動推論の分離を目的とした対話型端末ベンチマークである。
このベンチマークでは、エージェントがテストとエラーのインタラクションを通じて、隠されたツールの振る舞いを明らかにする必要がある。
現状の言語モデルに対する我々の評価は、初期発見が成功しても頑健な適応にはならないことを示している。
論文 参考訳（メタデータ） (2026-08-03T15:07:46Z) - VeriGraph: Towards Verifiable Data-Analytic Agents [71.17693022916896]
LLMをベースとしたエージェントは、データ集約分析タスクにおいて強力な能力を示してきたが、その出力は滅多に検証されていない。
We propose VeriGraph, a traceable neuro-symbolic reasoning framework that agent can construct an explicit heterogeneous evidence directed acyclic graph。
以上の結果から,明示的なエビデンスグラフ構築がデータ分析エージェントの検証に期待できる道のりであることが示唆された。
論文 参考訳（メタデータ） (2026-06-15T11:50:56Z) - SANE Schema-aware Natural-language Evaluation of Biological Data [0.14337588659482522]
ドメイン固有のテキスト言語評価のための新しいパラダイムであるSANE-Aware Natural Evaluationを提案する。
構造化されたプロンプトとガードレールを持つ制約付きスキーマでは、モデルのトレーニングや微調整なしに正確なクエリ生成が達成可能であることを示す。
論文 参考訳（メタデータ） (2026-06-03T06:31:28Z) - EGREFINE: An Execution-Grounded Optimization Framework for Text-to-SQL Schema Refinement [10.675982676332941]
既存のアプローチでは、スキーマを固定として扱い、下流でエラーに対処する。
我々は、制約付き最適化問題としてスキーマの洗練を枠組み化した。
この問題の計算硬度を解析し、カラムワイドグリーディ分解を動機付ける。
論文 参考訳（メタデータ） (2026-05-01T13:01:59Z) - ASTRA: Adaptive Semantic Tree Reasoning Architecture for Complex Table Question Answering [55.55968342644846]
テーブルのシリアライゼーションは、複雑なテーブル質問応答において、LLM(Large Language Models)にとって重要なボトルネックであり続けている。
既存のシリアライゼーションメソッドは明示的な階層をキャプチャできず、スキーマの柔軟性が欠如している。
本稿では,AdaSTRとDuTRの2つの主要モジュールを含むASTRA(Adaptive Semantic Tree Reasoning Architecture)を提案する。
複雑なテーブルベンチマーク実験により,本手法がSOTA(State-of-the-art)性能を実現することを示す。
論文 参考訳（メタデータ） (2026-04-10T06:09:41Z) - Diagnosing Structural Failures in LLM-Based Evidence Extraction for Meta-Analysis [0.8193467416247519]
レビューとメタ分析は、物語を構造化され、数値化された研究記録に変換することに頼っている。
大規模言語モデル(LLM)の急速な進歩にもかかわらず、このプロセスの構造的要件を満たすことができるかどうかは不明だ。
本稿では,LLMに基づくエビデンス抽出をスキーマ制約クエリの進行として評価する構造的診断フレームワークを提案する。
論文 参考訳（メタデータ） (2026-02-11T14:09:43Z) - Multi-Agent Procedural Graph Extraction with Structural and Logical Refinement [66.51979814832332]
モデル式は、専用の構造的および論理的洗練を伴う多ラウンド推論プロセスとして手続きグラフ抽出を定式化する。
実験により、モデルが強いベースラインに対して構造的正当性と論理的整合性の両方において大幅に改善されることが示されている。
論文 参考訳（メタデータ） (2026-01-27T04:00:48Z) - SEAL: Self-Evolving Agentic Learning for Conversational Question Answering over Knowledge Graphs [28.59157823781425]
SEALは、自己進化型エージェント学習に基づく、2段階のセマンティックパーシングフレームワークである。
SEALは、特にマルチホップ推論、比較、集約タスクにおいて、最先端のパフォーマンスを達成する。
その結果, 構造精度と計算効率の両面で有意な向上が認められた。
論文 参考訳（メタデータ） (2025-12-04T14:52:30Z) - Structured Prompting and Feedback-Guided Reasoning with LLMs for Data Interpretation [0.0]
大規模言語モデル(LLM)は、自然言語の理解とタスクの一般化において顕著な能力を示した。
本稿では、構造化されたプロンプトおよびフィードバック駆動型変換ロジック生成手法であるSTROT Frameworkを紹介する。
論文 参考訳（メタデータ） (2025-05-03T00:05:01Z) - Enhancing Systematic Decompositional Natural Language Inference Using Informal Logic [51.967603572656266]
我々は,分解包含を注釈付けするための一貫した理論的なアプローチを導入する。
我々の新しいデータセットRDTEは、前回の分解エンターメントデータセットよりもかなり高い内部整合性(+9%)を持つことがわかった。
また,RDTE による知識蒸留によるエンテーメント分類器の訓練や,エンテーメントツリー推論エンジンへの導入により,精度と検証精度が向上することが確認された。
論文 参考訳（メタデータ） (2024-02-22T18:55:17Z) - Proton: Probing Schema Linking Information from Pre-trained Language
Models for Text-to-SQL Parsing [66.55478402233399]
本稿では,ポアンカー距離測定に基づく探索手法を用いて,関係構造を抽出する枠組みを提案する。
スキーマリンクの一般的なルールベース手法と比較して,探索関係は意味的対応をしっかりと捉えることができることがわかった。
我々のフレームワークは3つのベンチマークで最先端のパフォーマンスを新たに設定する。
論文 参考訳（メタデータ） (2022-06-28T14:05:25Z)
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。