論文の概要: Context Localization for Generalized Level-Based Evaluation in Knowledge-Based Systems

• arxiv url: http://arxiv.org/abs/2608.27482v1
• Date: Tue, 25 Aug 2026 14:46:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-31 17:16:04.07855
• Title: Context Localization for Generalized Level-Based Evaluation in Knowledge-Based Systems
• Title（参考訳）: 知識ベースシステムにおける一般化レベルベース評価のためのコンテキストローカライゼーション
• Authors: Ondrej Hutník, Natália Puškárová,
• Abstract要約: 本研究では,知識ベースシステムにおけるレベルに基づく評価のためのコンテキストローカライゼーションについて検討する。 我々は、その還元特性を生成するポイントワイドおよびブロック生成機構を解析する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We study context localization for generalized level-based evaluation in knowledge-based systems. The framework models situations where a structured nonnegative score, defined on facts, rules, cases, criteria or evidence units, is evaluated through conditional aggregation tests on admissible knowledge contexts. The generalized level measure maximizes a monotone set function over all contexts whose aggregated support reaches a prescribed level. We characterize when filtering the score by a context $B$ is equivalent to localizing the admissible contexts by intersection with $B$. The main theorem shows that this consistency holds for all monotone set functions if and only if two structural conditions are satisfied: monotonicity with respect to contexts and a reduction property excluding positive localized support outside $B$. We analyze pointwise and block-generated mechanisms producing the reduction property, extend the result to parameterized systems, and interpret it as a stability criterion for context-dependent evidence selection, non-additive support evaluation and level-based knowledge aggregation.
• Abstract（参考訳）: 知識ベースシステムにおける一般化レベルベース評価のためのコンテキストローカライゼーションについて検討する。 このフレームワークは、事実、ルール、ケース、基準、エビデンス単位に基づいて定義された構造化された非負のスコアが、許容可能な知識コンテキストの条件集約テストによって評価される状況のモデル化である。 一般化レベル測度は、集約された支持が所定のレベルに達するすべての文脈上の単調集合関数を最大化する。 スコアをコンテキストでフィルタする場合、$B$は許容コンテキストを$B$との交叉でローカライズするのと同じである。 主定理は、この整合性がすべての単調集合函数に対して成立し、2つの構造条件が満たされるとき、すなわち文脈に対する単調性と、B$以外の正の局所的支持を除いた還元性である。 本研究は,還元特性を創出するポイントワイドおよびブロック生成機構を解析し,パラメータ化システムに拡張し,文脈依存的エビデンス選択,非付加的サポート評価,レベルベース知識集約の安定性基準として解釈する。

関連論文リスト

• Beyond Value Benchmarks: Measuring Value-Structure Alignment in Large Language Models via Symmetric Q-Sorts [47.02978329409663]
  そこで本研究では,Q手法に基づく対称型人間-LLM評価フレームワークを提案する。 私たちのプロトコルでは、人間とモデルは同一の140項目の道徳的ステートメントを、共有された9カラムの強制分布に分類します。 240個の複製されたQ-sortを2つの温度設定で4つのモデルファミリーにまたがる12個のLLMを評価した。
  論文  参考訳（メタデータ） (2026-06-20T08:15:41Z)
• From Holistic Evaluation to Structured Criteria: Rubrics Across the Evolving LLM Landscape [79.30826980815927]
  ルーブリックは、複雑な品質判断を構造化され、実行可能な標準に変換する明示的な基準セットです。 我々は,既存のルーリックデザインを体系的に整理し,その構築と最適化を検証し,評価と訓練をまたいだ役割を解析する。
  論文  参考訳（メタデータ） (2026-06-07T13:34:55Z)
• Coverage, Not Averages: Semantic Stratification for Trustworthy Retrieval Evaluation [3.4588983513116065]
  検索向上世代(RAG)における検索品質は精度とロバスト性の主要なボトルネックである 我々は,評価を統計的推定問題として定式化し,評価セットの構成によってメートル法信頼性が根本的に制限されていることを示す。 その結果,(1)検索のセマンティック・システマティクスにまたがる形式的カバレッジ保証,(2)検索の失敗モードへの解釈可能な可視性を実現した。
  論文  参考訳（メタデータ） (2026-04-22T16:49:30Z)
• Reasoning-Based Refinement of Unsupervised Text Clusters with LLMs [8.06425428468097]
  本稿では,大規模言語モデル(LLM)を組み込みジェネレータとしてではなく,推論に基づく改良フレームワークを提案する。 本フレームワークでは, (i) コヒーレンス検証, (ii) 冗長性判断, (iii) ラベル接地という3つの推論段階を導入する。 インタラクションモデルが異なる2つのプラットフォームから,実世界のソーシャルメディアコーパスの枠組みを評価する。
  論文  参考訳（メタデータ） (2026-04-08T20:02:48Z)
• K$α$LOS finds Consensus: A Meta-Algorithm for Evaluating Inter-Annotator Agreement in Complex Vision Tasks [4.297070083645049]
  本稿では,「ローカライゼーションファースト」の原理を一般化した統一メタアルゴリズムであるK$LOSを提案する。 合意を査定する前に空間対応を解消することにより,複雑な分類問題を名目上の信頼性に変換する。
  論文  参考訳（メタデータ） (2026-03-28T08:54:05Z)
• Automated Skill Decomposition Meets Expert Ontologies: Bridging the Granularity Gap with LLMs [1.2891210250935148]
  本稿では,Large Language Models (LLM) を用いた自動スキル分解について検討する。 我々のフレームワークは、パイプラインをプロンプトと生成から正規化とオントロジーノードとのアライメントまで標準化する。 出力を評価するために、コンテンツ精度を評価するために最適な埋め込みベースのマッチングを使用するF1スコアと、粒度を評価するために構造的に正しい配置を信用する階層型F1スコアの2つの指標を導入する。
  論文  参考訳（メタデータ） (2025-10-13T12:03:06Z)
• TOPO-Bench: An Open-Source Topological Mapping Evaluation Framework with Quantifiable Perceptual Aliasing [10.736029638634504]
  トポロジカル一貫性をトポロジカルマップの基本特性として定式化し、ローカライゼーション精度が効率的な代理計量を提供することを示す。 本研究では,環境間の公正な比較を可能にするために,データセットのあいまいさに関する最初の定量的尺度を提案する。 すべてのデータセット、ベースライン、評価ツールは完全にオープンソースであり、トポロジカルマッピングにおける一貫した再現可能な研究を促進する。
  論文  参考訳（メタデータ） (2025-10-05T08:58:08Z)
• Detecting Multimodal Situations with Insufficient Context and Abstaining from Baseless Predictions [75.45274978665684]
  VLU(Vision-Language Understanding)ベンチマークには、提供されたコンテキストによってサポートされない仮定に答えが依存するサンプルが含まれている。 サンプル毎にコンテキストデータを収集し,エビデンスに基づくモデル予測を促進するためにコンテキスト選択モジュールをトレーニングする。 我々は,十分なコンテキストを欠いたサンプルを同定し,モデル精度を向上させる汎用なコンテキスト・アワレ認識検出器を開発した。
  論文  参考訳（メタデータ） (2024-05-18T02:21:32Z)

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。