論文の概要: HiMA-MDD: A Hierarchical Multi-Agent Harness for Interpretable Multimodal Depression Detection in Clinical Interviews
- arxiv url: http://arxiv.org/abs/2608.21868v1
- Date: Sat, 22 Aug 2026 09:26:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-25 13:29:43.496708
- Title: HiMA-MDD: A Hierarchical Multi-Agent Harness for Interpretable Multimodal Depression Detection in Clinical Interviews
- Title（参考訳）: HiMA-MDD : 臨床面接における解釈可能なマルチモーダル・デプレッション検出のための階層的マルチエージェント・ハーネス
- Abstract要約: マルチモーダルな臨床面接による抑うつ評価には、複数の症状から分散した証拠をコヒーレントなPHQ-8プロファイルに統合する必要がある。
この評価階層を3つのエージェント層に整合させる階層型マルチエージェントハーネスであるHiMA-MDDを導入する。
Qwen2.5-72B-Instructをハーネスバックボーンとして用いたE-DAIC実験では,HiMA-MDDが比較した最先端手法よりも優れた性能を示した。
- 参考スコア（独自算出の注目度）: 17.2621506849553
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Depression assessment from multimodal clinical interviews requires integrating dispersed evidence from multiple symptoms into a coherent PHQ-8 profile. This process is hierarchical: relevant evidence is often sparse and context-dependent within local question-answer exchanges, multiple exchanges jointly support symptom-level judgments, and the final assessment depends on the coherence of the complete symptom profile. Existing LLM systems either process interviews holistically or distribute work across generic agent roles; neither design necessarily provides an explicit orchestration mechanism that coordinates evidence access, item-score authority, bounded feedback, and state recording across these levels. To address this gap, we introduce HiMA-MDD, a hierarchical multi-agent harness that aligns this assessment hierarchy with three agent layers. After non-agentic preprocessing constructs context-preserving multimodal QA units, Layer 1 identifies candidate QA-to-item relations and supports bounded item-grounded evidence routing. Layer 2 assigns symptom groups to operational factor specialists, with one specialist responsible for each provisional item score. Layer 3 audits the complete provisional profile, requests at most one round of targeted revision, and reconstructs the verified PHQ-8 profile. This layered design naturally yields a Hierarchical Evidence Trace, preserves all intermediate evidence, judgments, and revisions for auditability. The final item scores then deterministically produce the total score and screening decision. Using Qwen2.5-72B-Instruct as the harness backbone, our experiments on E-DAIC demonstrate that HiMA-MDD outperforms the compared state-of-the-art methods.
- Abstract（参考訳）: マルチモーダルな臨床面接による抑うつ評価には、複数の症状から分散した証拠をコヒーレントなPHQ-8プロファイルに統合する必要がある。
このプロセスは階層的であり、関連する証拠は、しばしば局所的な質問と回答の交換の中でスパースで文脈に依存し、複数の交換は症状レベルの判断を共同で支持し、最終的な評価は完全な症状プロファイルの一貫性に依存する。
既存のLLMシステムは、全体的インタビュー処理や一般的なエージェントの役割にまたがる作業の分散を行う。どちらの設計も、エビデンスアクセス、アイテムスコア権限、バウンドフィードバック、およびこれらのレベルの状態記録を協調する明示的なオーケストレーションメカニズムを提供していない。
このギャップに対処するために、階層型マルチエージェントハーネスであるHiMA-MDDを導入し、この評価階層を3つのエージェント層に整合させる。
非エージェント前処理がコンテキスト保存型マルチモーダルQAユニットを構成すると、レイヤ1は候補QA-イテム関係を特定し、有界なアイテム-グラウンドのエビデンスルーティングをサポートする。
レイヤ2は、症状グループをオペレーションファクタースペシャリストに割り当て、各暫定項目スコアに対して1人のスペシャリストが責任を負う。
レイヤ3は、完全な暫定プロファイルを監査し、ターゲットとするリビジョンの少なくとも1ラウンドを要求し、検証済みのPHQ-8プロファイルを再構築する。
この階層化された設計は自然に階層的エビデンス・トレースをもたらし、すべての中間的証拠、判断、監査可能性の修正を保持する。
最終項目のスコアは、決定的に総スコアとスクリーニング決定を生成する。
Qwen2.5-72B-Instructをハーネスバックボーンとして用いたE-DAIC実験では,HiMA-MDDが比較した最先端手法よりも優れた性能を示した。
関連論文リスト
- A Multi-Agent Audit Framework for High-Stakes Reasoning: Evaluation and Interpretability in Clinical Mental Health Screening [0.8758828205574085]
協調的な多段階検証プロセスをシミュレートするマルチエージェント監査フレームワークを提案する。
臨床精神保健検診の感度領域において,このアーキテクチャを実証的に検証した。
本フレームワークは, 推論過程を知覚エージェント, 知識検索生成(RAG), CoT (Chain-of-Thought) 臨床推論, 重要な監査段階に分解する。
論文 参考訳（メタデータ） (2026-06-19T05:51:03Z) - Beyond Static Leaderboards: Predictive Validity for the Evaluation of LLM Agents [19.290397279235084]
本稿では,MPPをベースとした産業エージェントベンチマークにおいて,これまでで最大規模の協調型ディープディーブを集計する。
集約スコアのリーダーボードは,デプロイエージェントの評価を体系的に過小評価している,と我々は主張する。
論文 参考訳（メタデータ） (2026-06-18T02:02:46Z) - AgentBeats: Agentifying Agent Assessment for Openness, Standardization, and Reproducibility [104.46861849039357]
エージェントシステムはドメイン間で急速に進歩しているが、その評価は断片化されている。
根本的問題は、オープンでエージェントに依存しないアセスメントインタフェースがないことである。
我々は、審査員が評価を行い、すべての参加者が標準化されたプロトコルを介して対話するエージェントエージェントアセスメント(AAA)を提唱する。
論文 参考訳（メタデータ） (2026-06-11T17:23:54Z) - ADAPTS: Agentic Decomposition for Automated Protocol-agnostic Tracking of Symptoms [36.94429692322632]
ADAPTS(Agentic Decomposition for Automated Protocol-Agnostic Tracking of Symptoms)は、うつ病と不安度の自動評価のためのフレームワークである。
このアプローチは、長期臨床面接を症状特異的推論タスクに分解する。
レーティングは、オリジナルの人間のレーティングよりも、専門家のベンチマークを近似した。
論文 参考訳（メタデータ） (2026-05-04T23:08:42Z) - Experience as a Compass: Multi-agent RAG with Evolving Orchestration and Agent Prompts [22.323342919724492]
HERAは階層的なフレームワークで、マルチエージェントオーケストレーションとロール固有のエージェントプロンプトを共同で進化させる。
HERAは最近のベースラインよりも平均38.69%改善している。
トポロジカル分析により、スパース探索がコンパクトで高ユーティリティなマルチエージェントネットワークを生み出す創発的な自己組織化が明らかになった。
論文 参考訳（メタデータ） (2026-04-01T13:45:52Z) - One Panel Does Not Fit All: Case-Adaptive Multi-Agent Deliberation for Clinical Prediction [10.760929240872564]
本稿では, CAMP (Case-Adaptive Multi-agent Panel) を提案する。
ハイブリッドルータは、強いコンセンサス、出席医の判断へのフォールバック、または投票数よりも議論品質を重くする証拠に基づく仲裁を通じて、それぞれの診断を指示する。
CAMPは、多くの競合するマルチエージェントメソッドよりも少ないトークンを消費しながら、強力なベースラインを一貫して上回り、投票記録と、透明な決定監査を提供する仲裁トレースを提供する。
論文 参考訳（メタデータ） (2026-03-31T18:00:34Z) - MiroEval: Benchmarking Multimodal Deep Research Agents in Process and Outcome [109.15093810810214]
MiroEvalはディープリサーチシステムのベンチマークおよび評価フレームワークである。
ベンチマークは、実際のユーザニーズに基づいて100のタスクで構成されている。
提案した評価スイートは3つの相補的な次元に沿って深層研究システムを評価する。
論文 参考訳（メタデータ） (2026-03-30T13:16:03Z) - MC-Search: Evaluating and Enhancing Multimodal Agentic Search with Structured Long Reasoning Chains [79.14584837105808]
MC-Searchは5つの代表的推論構造にまたがる長いステップワイドなアノテート推論チェーンを持つエージェントMM-RAGの最初のベンチマークである。
回答精度以外にも、MC-Searchは、品質、段階的検索、計画精度を推論するための新しいプロセスレベルメトリクスを導入している。
エージェントMM-RAGパイプラインを統一的に開発することにより、6つのMLLMをベンチマークし、過剰検索や過度検索、モダリティミスアライメント計画などの体系的な問題を明らかにする。
論文 参考訳（メタデータ） (2026-03-01T02:25:57Z) - Diagnose, Localize, Align: A Full-Stack Framework for Reliable LLM Multi-Agent Systems under Instruction Conflicts [75.20929587906228]
LLM(Large Language Model)を利用したマルチエージェントシステム(MAS)は、複雑なタスクにおける協調推論、ツールの使用、役割特化調整を急速に進めている。
しかし、信頼性クリティカルなデプロイメントは、体系的な障害モード、すなわち命令の競合による階層的コンプライアンスによって妨げられている。
論文 参考訳（メタデータ） (2025-09-27T08:43:34Z) - Learning to Summarize by Learning to Quiz: Adversarial Agentic Collaboration for Long Document Summarization [86.98098988779809]
SummQは長期文書要約のための新しい逆多重エージェントフレームワークである。
提案手法では,包括的な要約を作成し,評価するために協調作業を行う要約ジェネレータとレビュアーを用いる。
広範に使用されている3つの文書要約ベンチマーク上でSummQを評価する。
論文 参考訳（メタデータ） (2025-09-25T08:36:19Z) - MMESGBench: Pioneering Multimodal Understanding and Complex Reasoning Benchmark for ESG Tasks [56.350173737493215]
環境・社会・ガバナンス(ESG)報告は、持続可能性の実践の評価、規制コンプライアンスの確保、財務透明性の促進に不可欠である。
MMESGBenchは、マルチモーダル理解と複雑な推論を、構造的に多種多様なマルチソースESG文書間で評価するための、最初のベンチマークデータセットである。
MMESGBenchは、45のESG文書から得られた933の検証済みQAペアで構成され、7つの異なるドキュメントタイプと3つの主要なESGソースカテゴリにまたがる。
論文 参考訳（メタデータ） (2025-07-25T03:58:07Z) - Architecting Clinical Collaboration: Multi-Agent Reasoning Systems for Multimodal Medical VQA [1.2744523252873352]
遠隔医療による皮膚科医療は、しばしば個人訪問の豊かな文脈を欠いている。
本研究は,6つの構成にまたがる医用視覚質問応答の視覚言語モデルについて検討した。
論文 参考訳（メタデータ） (2025-07-07T22:31:56Z)
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。