論文の概要: Behind the [MASK]: Disentangling Representation and Faithfulness in DAPF-Based Dementia Detection

• arxiv url: http://arxiv.org/abs/2608.25028v1
• Date: Tue, 25 Aug 2026 18:16:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-27 14:15:15.408277
• Title: Behind the [MASK]: Disentangling Representation and Faithfulness in DAPF-Based Dementia Detection
• Title（参考訳）: DAPFによる認知症検出における「MASK」の背景
• Abstract要約: 本稿では,ドメイン適応モデルの解釈可能性について,Prompt-based Fine-tuning (DAPF) フレームワークを用いて検討する。 DAPFフレームワークは認知症検出を診断関連マスキングトーケン予測として用いる。 このことは,そのマスキング・ランゲージトケンインタフェースが,忠実なトークンレベルの説明を作らずに診断情報を決定することを示唆している。
• 参考スコア（独自算出の注目度）: 11.407729887049868
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Spoken-language analysis via prompt-based domain-adaptive models is a promising direction for low-resource, non-invasive dementia screening, but such models remain internally opaque. We study the interpretability of the Domain-Adapted models via Prompt-based Fine-tuning (DAPF) framework, which casts dementia detection as diagnosis-related masked-token prediction. We interpret DAPF and strong baselines using a variety of probing and analysis techniques, finding that DAPF achieved the best overall performance (accuracy=0.83 and macro-F1=0.83) with diagnosis most recoverable from its [MASK] representation. However, this representational advantage did not extend to token-level explanation faithfulness. DAPF attributions primarily reflected language task vocabulary, discourse markers, and transcription artifacts, with perturbation tests showing weak or negative effects. This suggests that its masked-token interface determines diagnosis information without producing faithful token-level explanations.
• Abstract（参考訳）: プロンプトベースのドメイン適応モデルによる音声言語分析は、低リソースで非侵襲的な認知症スクリーニングには有望な方向であるが、そのようなモデルは内部的に不透明である。 Prompt-based Fine-tuning (DAPF) フレームワークによるドメイン適応モデルの解釈可能性について検討した。 DAPFと強力なベースラインを多種多様な探索・解析手法を用いて解釈し,DAPFが[MASK]表現から最も回復可能な診断で最高の総合性能(精度=0.83,マクロF1=0.83)を達成したことを確認した。 しかし、この表現上の優位性はトークンレベルの説明忠実性にまで及ばなかった。 DAPFの帰属は、主に言語タスクの語彙、談話マーカー、転写産物を反映し、摂動試験は弱いか負の効果を示す。 このことから, そのマスキング・トークン・インタフェースは, 忠実なトークン・レベルの説明を伴わずに診断情報を決定することを示唆している。

関連論文リスト

• Deep Residual Injection for Full-Spectrum Forensic Signal Perception in Multimodal Large Language Models [51.099179436350376]
  マルチモーダルな大言語モデル(MLLM)は、その堅牢な意味理解のために、法医学においてますます採用されている。 本稿では,人工物固有の視覚信号を中間層に残路として注入しながら,初期意味処理を保存するためのDeep Visual Residual MLLM(Deep-VRM)を提案する。 これにより、後続のレイヤは意味論的推論と信号レベルの法医学的手がかりを共同でモデル化することができ、驚くべきことに、モデルが入力に応じて異なるレベルの法医学的信号を適応的に活用することを学ぶ。
  論文  参考訳（メタデータ） (2026-06-14T16:05:45Z)
• AnchorDiff: Topology-Aware Masked Diffusion with Confidence-based Rewriting for Radiology Report Generation [2.2748974006378933]
  医用画像から臨床的に正確なテキストレポートを自動生成することを目的とする。 既存の手法は自己回帰(AR)言語モデルに依存しており、因果依存性構造は生成を一方向の左から右へのプロセスに制限する。 本稿では,知識グラフに基づく臨床アンカーを拡散言語モデリングに統合したRRGのための最初のマスク付き拡散フレームワークであるAnchorDiffを提案する。
  論文  参考訳（メタデータ） (2026-05-16T16:42:43Z)
• FACTOR: Counterfactual Training-Free Test-Time Adaptation for Open-Vocabulary Object Detection [63.91351553178842]
  FACTORはオープン語彙オブジェクト検出のためのトレーニング不要なテスト時間適応である。 属性依存性の予測を選択的に抑制するために、属性の感度、意味的関連性、予測のバリエーションを定量化する。 PASCAL-C, COCO-C, FoggyCityscapes の実験では、FACTOR が従来の TTA 法より一貫して優れていたことが示されている。
  論文  参考訳（メタデータ） (2026-05-05T02:31:18Z)
• Unifying VLM-Guided Flow Matching and Spectral Anomaly Detection for Interpretable Veterinary Diagnosis [21.21244605571581]
  我々は、研究を容易にするために、パブリックなピクセルレベルの注釈付きデータセットを導入します。 次に、信号の局在化とスペクトル検出の相乗的プロセスとしてタスクを再構成する新しい診断パラダイムを提案する。 この生成セグメンテーションと第一原理統計分析の相乗効果は、高度に正確かつ解釈可能な診断システムをもたらす。
  論文  参考訳（メタデータ） (2026-04-07T06:22:43Z)
• DynHD: Hallucination Detection for Diffusion Large Language Models via Denoising Dynamics Deviation Learning [48.77865928715759]
  拡散大言語モデル (D-LLM) は自己回帰モデルに代わる有望な代替品として登場した。 幻覚は 信頼性を損なう重要な問題です 本研究では,これらのギャップを空間的(トケンシーケンス)と時間的(デノナイジングダイナミクス)の両方の観点から橋渡しするDynHDを提案する。
  論文  参考訳（メタデータ） (2026-03-17T12:40:29Z)
• Semantic Visual Anomaly Detection and Reasoning in AI-Generated Images [96.43608872116347]
  AnomReasonは4倍のtextbfAnomAgentのような構造化アノテーションを備えた大規模ベンチマーク AnomReasonとAnomAgentは、AI生成画像の意味的妥当性の測定と改善の基盤となっている。
  論文  参考訳（メタデータ） (2025-10-11T14:09:24Z)
• H-DDx: A Hierarchical Evaluation Framework for Differential Diagnosis [33.11853966969629]
  臨床関係をよりよく反映した階層的評価フレームワークであるH-DDxを紹介する。 ベンチマーク22の先行モデルにおいて,従来の平坦な指標は臨床的に有意なアウトプットを見落とし,性能を過小評価することを示した。 枠組みは階層的エラーパターンを明らかにすることで解釈可能性を高め,正確な診断を見逃しても,LLMがより広い臨床コンテキストを正しく識別できることが証明された。
  論文  参考訳（メタデータ） (2025-10-04T06:42:22Z)
• ForenX: Towards Explainable AI-Generated Image Detection with Multimodal Large Language Models [82.04858317800097]
  ForenXは画像の真正性を識別するだけでなく、人間の思考に共鳴する説明を提供する新しい手法である。 ForenXは、強力なマルチモーダル大言語モデル(MLLM)を使用して、法医学的な手がかりを分析し、解釈する。 本稿では,AI生成画像における偽証拠の記述専用のデータセットであるForgReasonを紹介する。
  論文  参考訳（メタデータ） (2025-08-02T15:21:26Z)
• Detecting Token-Level Hallucinations Using Variance Signals: A Reference-Free Approach [0.0]
  大規模言語モデル(LLM)は、様々なタスクにまたがる印象的な生成能力を示したが、幻覚に弱いままである。 複数世代にわたるトークンログ確率のばらつきを利用した,参照不要なトークンレベルの幻覚検出フレームワークを提案する。 我々のアプローチは、モデルに依存しず、解釈可能であり、リアルタイムまたはポストホック分析に適している。
  論文  参考訳（メタデータ） (2025-07-05T19:20:59Z)
• Orthogonal Subspace Decomposition for Generalizable AI-Generated Image Detection [58.87142367781417]
  航法的に訓練された検出器は、限定的で単調な偽のパターンに過度に適合する傾向にあり、特徴空間は高度に制約され、低ランクになる。 潜在的な治療法の1つは、ビジョンファウンデーションモデルに事前訓練された知識を取り入れて、機能領域を広げることである。 主要なコンポーネントを凍結し、残ったコンポーネントのみを適用することで、フェイクパターンを学習しながら、トレーニング済みの知識を保存します。
  論文  参考訳（メタデータ） (2024-11-23T19:10:32Z)
• Profiling Patient Transcript Using Large Language Model Reasoning Augmentation for Alzheimer's Disease Detection [4.961581278723015]
  アルツハイマー病(AD)は認知症の主要な原因であり、徐々に音声や言語能力の低下が特徴である。 近年の深層学習は自発音声によるAD自動検出を容易にする。 各発話中のテキストパターンを,患者の言語的特徴をグローバルに把握せずに直接モデル化する。
  論文  参考訳（メタデータ） (2024-09-19T07:58:07Z)
• ArSDM: Colonoscopy Images Synthesis with Adaptive Refinement Semantic Diffusion Models [69.9178140563928]
  大腸内視鏡検査は臨床診断や治療に不可欠である。 注釈付きデータの不足は、既存の手法の有効性と一般化を制限する。 本稿では, 下流作業に有用な大腸内視鏡画像を生成するために, 適応Refinement Semantic Diffusion Model (ArSDM)を提案する。
  論文  参考訳（メタデータ） (2023-09-03T07:55:46Z)

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。