論文の概要: TSWAP: A Multilingual Retrieval-Augmented Thai Wellness Advisor

• arxiv url: http://arxiv.org/abs/2608.22917v1
• Date: Mon, 24 Aug 2026 07:54:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 13:29:43.956043
• Title: TSWAP: A Multilingual Retrieval-Augmented Thai Wellness Advisor
• Title（参考訳）: TSWAP: 多言語検索型タイのウェルネスアドバイザー
• Abstract要約: TSWAPは、検索強化世代を基盤とした8言語会話ウェルネスアドバイザである。 ファーストターンクエリは、エンティティルックアップのためのツールベースの検索を強制する。ルールベースの安全レイヤは、医療範囲とタイの緊急ルーティングを強制する。 英語の校正された4ビットAWQ量子化はタイのトーンマークを破損させ、信頼できるグラウンド化には強制検索ルーティングが必要である。
• 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: We present TSWAP, a deployed eight-language conversational wellness advisor grounded, via retrieval-augmented generation, in a verified knowledge base of Thai traditional medicine and certified wellness providers. An unmodified open-weight LLM (Qwen3.6-35B-A3B on vLLM) is grounded on a ~30.6K-chunk Thai index by a hybrid dense-sparse retriever with cross-encoder reranking; a first-turn query classifier forces tool-based retrieval for entity lookups; a rule-based safety layer enforces medical scope and Thai emergency routing; and all eight languages are served zero-shot with translate-then-retrieve. We release the first Thai traditional-medicine/wellness retrieval benchmark (50 questions with gold document IDs; Recall@5 = 0.88), production QA logs (91.1% test-retest pass over 259 cases), and a 71-question frontier no-retrieval probe showing what each grounding pillar contributes: without the safety prompt the backend model family produced a full drug-dosing schedule and complied with out-of-scope requests, and without the knowledge base it produced zero verifiable provider recommendations. We further report two transferable deployment findings: English-calibrated 4-bit AWQ quantization corrupts Thai tone marks, and forced-retrieval routing is necessary for reliable grounding.
• Abstract（参考訳）: 本稿では,タイの伝統医学と認定ウェルネスプロバイダの知識基盤として,検索強化世代を基盤とした8言語会話ウェルネスアドバイザであるTSWAPを紹介する。 修正されていないオープンウェイト LLM (Qwen3.6-35B-A3B on vLLM) は30.6K-chunkタイのインデックスに基づいており、クロスエンコーダを組み込んだハイブリットスパースレトリバー、一ターンクエリ分類器はエンティティルックアップのためのツールベースの検索を強制する。 我々は、最初のタイの伝統医療・健康検索ベンチマーク(金の文書IDを含む50の質問、Recall@5 = 0.88)、生産QAログ(91.1%のテスト-再テストパス259件以上)、および71-クエクションフロンティアの非検索プローブをリリースした。 さらに、2つの移動可能な展開結果について報告する: 英語の校正された4ビットのAWQ量子化はタイのトーンマークを破損させ、信頼性の高い接地には強制検索ルーティングが必要である。

関連論文リスト

• MMed-Bench-IR: A Heterogeneous Benchmark for Multilingual Medical Information Retrieval [2.0221473384338884]
  多言語医療検索には,言語横断アライメント,概念識別,エビデンス検索という3つの機能が必要である。 MMed-Bench-IRは、6つの言語と3つの構造的不均一なタスクにまたがってこれらの軸をアンタングルするように設計されたベンチマークである。 3つのタスクはゼロの概念を共有し、設計によってクエリオーバーラップし、アグリゲーションスコアが真の能力の幅を反映することを保証します。
  論文  参考訳（メタデータ） (2026-06-23T06:41:13Z)
• A Decade-Scale Benchmark Evaluating LLMs' Clinical Practice Guidelines Detection and Adherence in Multi-turn Conversations [60.2076951536797]
  大規模言語モデル(LLM)は、医療シナリオにますます多くデプロイされている。 LLMが会話中に臨床ガイドラインを特定・遵守できるのかは不明確である。 CPGBenchは、LSMの臨床ガイドラインの検出と付着能力をベンチマークする自動フレームワークである。
  論文  参考訳（メタデータ） (2026-03-26T09:00:55Z)
• JMedEthicBench: A Multi-Turn Conversational Benchmark for Evaluating Medical Safety in Japanese Large Language Models [47.20100799532625]
  JMedEthicBenchは,大規模言語モデルの医療安全性を評価するための,最初のマルチターン対話型ベンチマークである。 デュアルLLMスコアリングプロトコルを用いて27のモデルを評価し,医療特化モデルでは脆弱性が増大するのに対して,商業モデルは堅牢な安全性を維持していることを確認した。
  論文  参考訳（メタデータ） (2026-01-04T18:18:18Z)
• Hacking Neural Evaluation Metrics with Single Hub Text [6.572810068286891]
  本稿では,高品質と評価される離散空間における単一の逆文を見つける方法を提案する。 WMT'24英日訳(En-Ja)と英独訳(En-De)でそれぞれ79.1COMET%と67.8COMET%を達成する。 また,本手法で得られたハブテキストが, Ja-En や De-En といった複数の言語ペアにまたがって一般化されることを確認した。
  論文  参考訳（メタデータ） (2025-12-18T09:06:24Z)
• Grounding Large Language Models in Clinical Evidence: A Retrieval-Augmented Generation System for Querying UK NICE Clinical Guidelines [1.9615061725959186]
  本稿では,Large Language Models (LLMs) を用いたNICE (National Institute for Health and Care Excellence) 臨床ガイドラインを検索するための検索型生成システムの開発と評価について述べる。 このシステムの検索アーキテクチャは,300のガイドラインから抽出した10,195個のテキストチャンクのデータベースに対して,ハイブリッドな埋め込み機構によって構成されている。 平均相反ランク(MRR)が0.814、第1チャンクで81%、検索チャンクで99.1%のリコールが7901クエリで評価されている。
  論文  参考訳（メタデータ） (2025-10-03T12:57:13Z)
• Eigen-1: Adaptive Multi-Agent Refinement with Monitor-Based RAG for Scientific Reasoning [53.45095336430027]
  暗黙的な検索と構造化された協調を組み合わせた統合フレームワークを開発する。 Humanity's Last Exam (HLE) Bio/Chem Goldでは,48.3%の精度を実現している。 SuperGPQAとTRQAの結果はドメイン間の堅牢性を確認した。
  論文  参考訳（メタデータ） (2025-09-25T14:05:55Z)
• MedOmni-45°: A Safety-Performance Benchmark for Reasoning-Oriented LLMs in Medicine [69.08855631283829]
  我々は,操作的ヒント条件下での安全性能トレードオフの定量化を目的としたベンチマークであるMed Omni-45 Degreesを紹介する。 6つの専門分野にまたがる1,804の推論に焦点を当てた医療質問と3つのタスクタイプが含まれており、その中にはMedMCQAの500が含まれる。 結果は、モデルが対角線を超えることなく、一貫した安全性と性能のトレードオフを示す。
  論文  参考訳（メタデータ） (2025-08-22T08:38:16Z)
• MedKGent: A Large Language Model Agent Framework for Constructing Temporally Evolving Medical Knowledge Graph [57.54231831309079]
  我々は、時間的に進化する医療知識グラフを構築するためのフレームワークであるMedKGentを紹介する。 生医学的知識の出現を, 微粒な日々の時系列でシミュレートする。 結果として得られるKGは156,275個のエンティティと2,971,384個のリレーショナルトリプルを含む。
  論文  参考訳（メタデータ） (2025-08-17T15:14:03Z)
• TIFIN India at SemEval-2025: Harnessing Translation to Overcome Multilingual IR Challenges in Fact-Checked Claim Retrieval [0.10417205448468168]
  我々は、モノリンガルとクロスリンガルの設定において、以前に事実確認されたクレームを取得するという課題に対処する。 提案手法は,細調整埋め込みモデルとLLMリランカを用いた信頼性の高いベースライン検索システムである。
  論文  参考訳（メタデータ） (2025-04-23T11:34:35Z)
• Few-Shot Cross-lingual Transfer for Coarse-grained De-identification of Code-Mixed Clinical Texts [56.72488923420374]
  事前学習型言語モデル (LM) は低リソース環境下での言語間移動に大きな可能性を示している。 脳卒中におけるコードミキシング(スペイン・カタラン)臨床ノートの低リソース・実世界の課題を解決するために,NER (name recognition) のためのLMの多言語間転写特性を示す。
  論文  参考訳（メタデータ） (2022-04-10T21:46:52Z)

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。