Fugu-MT 論文翻訳(概要): CARE: Causally-Aligned Reasoning Exploration for Medical Large Language Models

論文の概要: CARE: Causally-Aligned Reasoning Exploration for Medical Large Language Models

arxiv url: http://arxiv.org/abs/2608.26147v1
Date: Mon, 29 Jun 2026 05:40:35 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-28 05:09:55.364029
Title: CARE: Causally-Aligned Reasoning Exploration for Medical Large Language Models
Title（参考訳）: CARE:医学大言語モデルのための因果関係推論探索
Abstract要約: 大規模言語モデル(LLM)は、医学的推論に強い可能性を示しているが、専門家による注釈付きデータの不足とコストは、その進歩を妨げている。本稿では,本質的な経験キュレーションの枠組みであるCausally-Aligned Reasoning Exploration (CARE)を提案する。 CAREは、他の強力な競争相手よりも一貫して優れており、正しいが一貫性のない推論を大幅に削減し、トレーニングの安定性を改善している。
参考スコア（独自算出の注目度）: 68.18247112359337
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Large Language Models (LLMs) have shown strong potential for medical reasoning, yet the scarcity and cost of expert-annotated data constrain their progress. While reinforcement learning offers a scalable alternative, standard outcome-based methods in medicine often suffer from autoregressive credit assignment failure and gradient variance explosion. This leads to the "Right Answer, Wrong Reason" trap, where models inadvertently reinforce spurious correlations and dataset shortcuts rather than valid clinical deduction. In this work, we propose Causally-Aligned Reasoning Exploration (CARE), a theoretically grounded framework for intrinsic experience curation. CARE is built upon two rigorous conditions for high-quality training trajectories: Causal Sufficiency, which utilizes an agreement-based self-verification mechanism to mimic $do$-calculus interventions and effectively debias gradients; and Proximal Learnability, which employs dynamic entropy bounds to select experiences within the model's zone of proximal development for variance-bounded optimization. These rigorously filtered experiences are optimized via a dual-stream objective that combines on-policy group-relative exploration with difficulty-weighted experience replay. Extensive experiments on diverse medical multimodal and text-only benchmarks demonstrate that CARE consistently outperforms other strong competitors, substantially reducing correct-but-inconsistent reasoning and improving training stability.
Abstract（参考訳）: 大規模言語モデル(LLM)は、医学的推論に強い可能性を示しているが、専門家による注釈付きデータの不足とコストは、その進歩を妨げている。強化学習はスケーラブルな代替手段を提供するが、医学における標準的な結果に基づく手法は、しばしば自己回帰的信用割当の失敗と勾配分散の爆発に悩まされる。これは"Right Answer, Wrong Reason"トラップにつながります。本研究では,本研究で提案するCausally-Aligned Reasoning Exploration (CARE)を提案する。 CAREは2つの厳密な条件に基づいて構築されており、Causal Sufficiencyは契約に基づく自己検証機構を利用して$do$$計算の介入を模倣し、事実上デバイアス勾配を模倣する。これらの厳密なフィルタリングされたエクスペリエンスは、政治上のグループ相対探索と難易度の高いエクスペリエンスのリプレイを組み合わせた、デュアルストリームの目的によって最適化される。多様な医療マルチモーダルおよびテキストオンリーのベンチマークに関する大規模な実験は、CAREが他の強力な競争相手よりも一貫して優れており、正しいが一貫性のない推論を大幅に減らし、トレーニングの安定性を改善していることを示している。

関連論文リスト

SFAD: Speculative Factuality-Aware Decoding [13.350717038599386]
ConFideは、きめ細かい原子摂動を持つ選好データセットである。てんかん摩擦は、専門的な確実性によって重み付けられた分布張力の定量化によって潜在的幻覚を検出する。非対称ロジットステアリングは残基ロジット注入によりターゲット分布を洗練する。
論文参考訳（メタデータ） (2026-09-01T06:46:54Z)
Bounding the Causal Impact of ML-assisted Decision-Making via Counterfactual Correctness [2.9267249513932008]
本稿では,新しいモデルの因果的効果に対する境界を構築するための部分同定手法を提案する。このアプローチの中核的な革新は、詳細な予測精度に関する仮定を下流の結果に活用することである。
論文参考訳（メタデータ） (2026-07-23T20:45:10Z)
Perception Without Engagement: Dissecting the Causal Discovery Deficit in LMMs [68.58207076756237]
本稿では,結果評価からメカニズム診断へ移行する摂動に基づく評価プロトコルProCauEvalを紹介する。因果推論において,ビデオコンテンツは体系的に過小評価されている。教師のネガティブなアライメントに基づく強化学習フレームワークであるADPOを提案する。
論文参考訳（メタデータ） (2026-05-10T08:48:58Z)
Dual Causal Inference: Integrating Backdoor Adjustment and Instrumental Variable Learning for Medical VQA [31.036981541328988]
MedVQAのための新しいDual Causal Inference(DCI)フレームワークを提案する。 DCIは、Backdoor Adjustment (BDA)とInstrumental Variable (IV)の学習を統合して、観測可能と観測不能の両方の共同設立者に取り組む。我々の手法は既存の手法より一貫して優れている。
論文参考訳（メタデータ） (2026-04-22T08:07:54Z)
Eliciting Medical Reasoning with Knowledge-enhanced Data Synthesis: A Semi-Supervised Reinforcement Learning Approach [62.0906177191353]
既存のアプローチでは、教師付き微調整を経て、大規模プロプライエタリモデルからの連鎖推論トレースを蒸留し、強化学習(RL)を実施している。 MedSSRは,医療知識を付加したデータ合成と半教師付き強化学習フレームワークである。本フレームワークはまず, 分布制御可能な推論質問を合成するために, 稀な疾患知識を利用する。次に、ポリシーモデル自体を利用して高品質な擬似ラベルを生成する。これにより、擬似ラベルデータ上での自己教師型RLと、人間の注釈付き実データ上での教師型RLの2段階固有の訓練パラダイムが実現される。
論文参考訳（メタデータ） (2026-04-13T14:37:38Z)
MedCausalX: Adaptive Causal Reasoning with Self-Reflection for Trustworthy Medical Vision-Language Models [10.466505116993451]
既存の医療連鎖モデルには因果推論を表現・強制するための明確なメカニズムが欠如している。 MedCausalXは医療用VLMの因果推論チェーンを明示的にモデル化したエンドツーエンドフレームワークである。我々は,MedCausalXが常に最先端の手法より優れ,診断の整合性は+5.4ポイント向上し,幻覚は10ポイント以上減少し,最上位の空間接地IoUに達することを示す。
論文参考訳（メタデータ） (2026-03-24T11:28:15Z)
Search-R2: Enhancing Search-Integrated Reasoning via Actor-Refiner Collaboration [49.9937230730202]
本稿では,新たなアクター・リファイナ・コラボレーション・フレームワークであるSearch-R2を提案する。提案手法は,生成過程をアクターに分解し,最初の推論軌道を生成する。本稿では,検索-R2がモデルスケール全体にわたって強力なRAGとRLベースのベースラインを一貫して上回ることを示す。
論文参考訳（メタデータ） (2026-02-03T15:32:09Z)
MedAlign: A Synergistic Framework of Multimodal Preference Optimization and Federated Meta-Cognitive Reasoning [52.064286116035134]
我々はMed-VQA(Med-VQA)のための視覚的LVLM応答を保証するフレームワークであるMedAlignを開発した。まず、優先学習を視覚的コンテキストに合わせるために、マルチモーダルな直接選好最適化(mDPO)の目的を提案する。次に、画像とテキストの類似性を生かし、クエリを専門的でコンテキスト拡張されたLVLMにルーティングする検索型混合処理(RA-MoE)アーキテクチャを設計する。
論文参考訳（メタデータ） (2025-10-24T02:11:05Z)
Sycophancy Mitigation Through Reinforcement Learning with Uncertainty-Aware Adaptive Reasoning Trajectories [58.988535279557546]
適応推論トラジェクトリを用いたtextbf sycophancy Mitigation を提案する。 SMARTは,分布外の入力に対して強い性能を維持しながら,サイコファンティクスの挙動を著しく低下させることを示した。
論文参考訳（メタデータ） (2025-09-20T17:09:14Z)

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。