論文の概要: Beyond the Editing Canvas: Evidence Divergence in OOXML-to-LLM Ingestion

• arxiv url: http://arxiv.org/abs/2608.25880v1
• Date: Wed, 26 Aug 2026 14:52:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-27 14:15:15.872868
• Title: Beyond the Editing Canvas: Evidence Divergence in OOXML-to-LLM Ingestion
• Title（参考訳）: Canvasの編集を超えて:OOXMLからLLMへの取り込みにおけるエビデンス多様性
• Abstract要約: LLMパイプラインは、ますますOffice Open XML(OOXML)ドキュメントを取り込みます。 この仮定はOOXML-to-LLMパイプラインで失敗する可能性があることを示す。 被曝経路と抽出器構成により, モデル上流に露出が形成されることを示す。
• 参考スコア（独自算出の注目度）: 4.84705259197611
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: LLM pipelines increasingly ingest Office Open XML (OOXML) documents (Word, Excel, and PowerPoint files) as first-class evidence in financial, compliance, and retrieval-augmented workflows, implicitly assuming semantic integrity: that the evidence consumed by the model matches the content shown in the Microsoft Office suite editing canvas. We show that this assumption can fail in OOXML-to-LLM pipelines. The same specification-valid OOXML file can yield one evidentiary view in Microsoft Office and another when extracted for an LLM. Each view is treated as authoritative by its consumer, a condition we call plural ground truth. The ingestion contract rarely states which view and semantic roles become model evidence or preserves how that evidence was derived. We call the specification-grounded OOXML constructions that induce such divergence evidence forks. We systematically traverse and mine the OOXML specification and confirm 21 evidence forks across Excel, Word, and PowerPoint, spanning six dimensions of view construction. All 13 tools in our extraction panel emit evidence from at least one fork. We test four native-ingestion LLM APIs and seven web chatbots. Each test document carries a trap: a task-relevant fact exposed by extraction but not shown in Office. Across this 21-mechanism evaluation, the four APIs return the trap in 48--76% of trials. For 20 of 21 mechanisms, at least one of the eleven interfaces returns the trap. Our measurements further show that exposure is shaped upstream of the model by the ingestion path and extractor configuration. A source-level survey of sixteen popular open-source LLM projects further shows that default OOXML ingestion paths concentrate on affected extractor families.
• Abstract（参考訳）: LLMパイプラインは、財務、コンプライアンス、検索強化ワークフローの第一級証拠として、Office Open XML (Word, Excel, PowerPoint) ドキュメント(Word, PowerPoint ファイル)を徐々に取り込み、意味的整合性を暗黙的に仮定する。 この仮定はOOXML-to-LLMパイプラインで失敗する可能性があることを示す。 同じ仕様値のOOXMLファイルは、LLMのために抽出されたときに、Microsoft Officeと別の明らかなビューを生成することができる。 各ビューは、そのコンシューマーによって権威として扱われ、これは複数の基底真理と呼ばれる条件である。 摂取契約は、どの視点と意味的役割がモデル証拠となるか、またはその証拠がどのように導出されたかを保存するかを記述することは滅多にない。 私たちは、そのようなばらつきのエビデンスフォークを誘発する仕様のOOXML構造を呼んでいます。 OOXML仕様を体系的に横断し、Excel、Word、PowerPointにまたがる21のエビデンスフォークを確認します。 抽出パネルにある13のツールはすべて、少なくとも1つのフォークから証拠を放出します。 4つのネイティブなLLM APIと7つのWebチャットボットをテストする。 各テスト文書にはトラップがあり、タスク関連事実は抽出によって露呈されるが、Officeには表示されない。 この21-mechanism評価全体で、4つのAPIは48-76%のトライアルでトラップを返す。 21のメカニズムのうち20では、少なくとも11のインターフェイスのうちの1つがトラップを返す。 さらに, 被曝経路と抽出器構成により, モデル上流に露出が形成されることを示す。 16の人気のあるオープンソースLLMプロジェクトのソースレベル調査では、デフォルトのOOXML取り込みパスが影響のある抽出子ファミリーに集中していることが示されている。

関連論文リスト

• Office Comprehension Benchmark [5.899398660180204]
  Office Bench(OCB)は、Word、Excel、PowerPointのネイティブファイルフォーマットに対する理解を共同で評価する最初の公開ベンチマークである。 ファイルフィデリティQ&Aテスト オフィスアーティファクトの構造と視覚的認識 - テーブル、チャート、埋め込み画像、公式、およびヘッダ、スピーカーノート、名前付き範囲といったアプリ固有の要素。 デフォルトの推論モードで最強のフロンティアシステムでさえ、ドメインQ&Aで約59.3%に達する。
  論文  参考訳（メタデータ） (2026-05-29T03:19:32Z)
• A Multi-Layer Testing Framework for Automated Data Quality Assurance in Cloud-Native ELT Pipelines [0.0]
  本稿では,抽出-ロード-変換パイプラインのための統合多層テストフレームワークを提案する。 オーケストレーションレベルの検証、宣言型dbtテスト、大規模言語モデル(LLM)生成セマンティックテスト、ストア間の一貫性チェックを統合している。
  論文  参考訳（メタデータ） (2026-05-19T21:12:36Z)
• Crossing the NL/PL Divide: Information Flow Analysis Across the NL/PL Boundary in LLM-Integrated Code [13.616177586397656]
  LLM API呼び出しは、既存のプログラム分析が渡せない境界を作る。 この境界を橋渡しする最初の情報フロー法を提案する。 実世界の4,154個のPythonファイルから9,083個のプレースホルダー出力ペアをラベル付けします。
  論文  参考訳（メタデータ） (2026-03-30T12:14:24Z)
• Beyond a Single Extractor: Re-thinking HTML-to-Text Extraction for LLM Pretraining [78.36592534300839]
  表やコードブロックなどの構造化コンテンツの場合、抽出器の選択は下流のタスク性能に大きな影響を及ぼすことを示す。 これは単純な介入を示唆している: 異なる抽出器をユニオンに取り込むことで、DCLM-Baselineのトークン収率を最大71%向上させることができる。
  論文  参考訳（メタデータ） (2026-02-23T06:41:57Z)
• ODKE+: Ontology-Guided Open-Domain Knowledge Extraction with LLMs [1.904138488164197]
  ODKE+は、Webソースから数百万のオープンドメイン事実を自動的に抽出し、摂取するプロダクショングレードのシステムである。 このシステムはバッチとストリーミングモードをサポートし、900万以上のウィキペディアページを処理し、9.8%の精度で900万の高信頼の事実を取り込みます。
  論文  参考訳（メタデータ） (2025-09-04T23:05:23Z)
• Beyond Isolated Dots: Benchmarking Structured Table Construction as Deep Knowledge Extraction [80.88654868264645]
  Arranged and Organized extract Benchmarkは、断片化された文書を理解するための大規模言語モデルの能力を評価するために設計された。 AOEには3つの異なるドメインにまたがる11のタスクが含まれており、さまざまな入力クエリに適したコンテキスト固有のスキーマを生成するモデルが必要である。 結果は、最も先進的なモデルでさえ、かなり苦労したことを示している。
  論文  参考訳（メタデータ） (2025-07-22T06:37:51Z)
• Document Attribution: Examining Citation Relationships using Large Language Models [62.46146670035751]
  そこで本研究では,帰属を簡単なテキスト・エンタテインメント・タスクとみなすゼロショット・アプローチを提案する。 また,アトリビューションプロセスの強化におけるアテンションメカニズムの役割についても検討する。
  論文  参考訳（メタデータ） (2025-05-09T04:40:11Z)
• OmniParser V2: Structured-Points-of-Thought for Unified Visual Text Parsing and Its Generality to Multimodal Large Language Models [58.45517851437422]
  VsTP(Visually-situated text parsing)は、自動化された文書理解の需要が高まり、最近顕著な進歩を遂げている。 既存のソリューションは、タスク固有のアーキテクチャと個々のタスクの目的に依存していることが多い。 本稿では,テキストスポッティング,キー情報抽出,テーブル認識,レイアウト解析など,VsTPの典型的なタスクを統一する汎用モデルであるOmni V2を紹介する。
  論文  参考訳（メタデータ） (2025-02-22T09:32:01Z)
• BigDocs: An Open Dataset for Training Multimodal Models on Document and Code Tasks [57.589795399265945]
  我々は,30タスクにわたる750万のマルチモーダルドキュメントからなる高品質なオープンアクセスデータセットであるBigDocs-7.5Mを紹介した。 BigDocs-Benchも導入しています。 実験の結果,BigDocs-Bench を用いたトレーニングでは,クローズドソース GPT-4o よりも平均性能が 25.8% 向上していることがわかった。
  論文  参考訳（メタデータ） (2024-12-05T21:41:20Z)
• TaxoLLaMA: WordNet-based Model for Solving Multiple Lexical Semantic Tasks [54.01153045234468]
  本稿では,LLMがWordNetから語彙・意味的知識を抽出する能力について検討する。 4ビット量子化とLoRAにより軽量なオールインワンモデルであるTaxoLLaMAを提案する。
  論文  参考訳（メタデータ） (2024-03-14T09:21:25Z)
• Factcheck-Bench: Fine-Grained Evaluation Benchmark for Automatic Fact-checkers [121.53749383203792]
  本稿では,大規模言語モデル (LLM) 生成応答の事実性に注釈を付けるための総合的なエンドツーエンドソリューションを提案する。 オープンドメインの文書レベルの事実性ベンチマークを,クレーム,文,文書の3段階の粒度で構築する。 予備実験によると、FacTool、FactScore、Perplexityは虚偽の主張を識別するのに苦労している。
  論文  参考訳（メタデータ） (2023-11-15T14:41:57Z)

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。