論文の概要: Semantic Signal-Assisted Inspection and Recovery Allocation in Reverse Logistics
- arxiv url: http://arxiv.org/abs/2609.02116v1
- Date: Wed, 02 Sep 2026 05:10:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-03 17:53:18.092735
- Title: Semantic Signal-Assisted Inspection and Recovery Allocation in Reverse Logistics
- Title（参考訳）: 逆ロジスティックスにおける意味信号支援検査と回復割当
- Abstract要約: Semantic Signal-Assisted Decision Supportは、リターンノートを条件因子と信号品質スコアに変換し、共有労働能力の下で検査深度と回復割り当てを誘導する。
筆者らは,情報技術の廃止,航空機のメンテナンス,消費者電子リターンを対象とする3つの総合ベンチマークシナリオにおいて,このフレームワークの評価を行った。
- 参考スコア（独自算出の注目度）: 7.300943403522602
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Reverse-logistics operators often decide how to inspect and route returned assets before their condition is fully observed, while full inspection consumes scarce labor. Semantic Signal-Assisted Decision Support converts return notes into a condition factor and a signal-quality score that guide inspection depth and recovery allocation under shared labor capacity. We evaluate the framework in three synthetic benchmark scenarios spanning information technology decommissioning, aircraft maintenance, and consumer-electronics returns. Across 30 paired simulation seeds, the keyword implementation improves net recovery value relative to a structured-feature comparator with noisy full inspection while reducing inspection cost in all three scenarios. A risk-blind comparator that skips inspection altogether still records higher value under the benchmark's purely economic objective. At matched inspection cost, score-guided targeting adds 53.9 thousand United States dollars per batch in the aircraft scenario but has little economic effect in the other two configurations; phrase and large language model extractors provide further gains in the aircraft scenario. These results show how narrative evidence can support inspection allocation before recovery decisions are made.
- Abstract（参考訳）: リバース・ロジスティクス・オペレーターは、状態が完全に観察される前に返却された資産の検査とルートの仕方を決定することが多いが、完全な検査は少ない労働力を消費する。
Semantic Signal-Assisted Decision Supportは、リターンノートを条件因子と信号品質スコアに変換し、共有労働能力の下で検査深度と回復割り当てを誘導する。
筆者らは,情報技術の廃止,航空機のメンテナンス,消費者電子リターンを対象とする3つの総合ベンチマークシナリオにおいて,このフレームワークの評価を行った。
30対のシミュレーションシードを用いて,3つのシナリオの検査コストを削減しつつ,ノイズの多いフルインスペクションを伴う構造化機能コンパレータに対するネットリカバリ値を改善した。
検査をスキップするリスクブラインドコンパレータは、まだベンチマークの純粋に経済的目的の下で高い価値を記録している。
検査コストが一致した場合、スコア誘導ターゲティングは、航空機のシナリオで539万ドルを増額するが、他の2つの構成では経済的効果がほとんどない。
これらの結果は,回復決定が下される前に,ストーリーエビデンスがどのように検査アロケーションを支援するかを示す。
関連論文リスト
- Online Surrogate Repair: Decoupling High-Fidelity Feedback from Search Length in Closed-Loop Discovery [24.4458458394035]
本稿では,より長いエージェントサーチを通してサロゲートを更新するために,スパース高忠実度評価を用いた閉ループアルゴリズムであるEmphonline surrogate repair (OSR)を提案する。
取得ルールは、エージェントの累積提案からどのデザインが高忠実度評価を受けるかを選択し、その結果のラベルがその後のエピソードで使用されるサロゲートを更新する。
論文 参考訳（メタデータ） (2026-09-07T15:42:45Z) - The RAT: A Unified Bayesian Model for RAG Evaluation [8.650407684623714]
本稿では,検索成功,棄却行動,回答正当性を共同でモデル化するベイズ評価フレームワークを提案する。
フレームワークを3つのデータセット、3つのレトリバー、3つのジェネレータにわたる27のRAG構成に適用する。
我々は、LLM-as-a-judgeアノテーションをキャリブレーションされたノイズ観測として組み込むようモデルを拡張した。
論文 参考訳（メタデータ） (2026-08-25T15:54:30Z) - Trustworthy Visual Quality Inspection under Data Scarcity in Manufacturing [1.282788087612025]
製造における視覚検査の自動化は、遅くて一貫性のない手動チェックを置き換えることを目的としている。
経済価値は、その決定が定期検査を自動化するのに十分信頼できるかどうかに依存する。
論文 参考訳（メタデータ） (2026-08-22T14:11:04Z) - Beyond Aggregate Calibration: Decomposing Income-Conditional Recall Disparities in Automated Credit Default Prediction [0.0]
高所得既定者は低所得既定者に対してラベルノイズとして不均等に分類される。
16.86パーセントのポイントギャップは、最終的にデフォルトとなった高所得者と低所得者の間で真の正のレート(リコール)である。
論文 参考訳（メタデータ） (2026-08-08T15:57:15Z) - Detection, Attribution, Narration: An End-to-End Pipeline for Explainable Money Mule Identification [7.67050251421177]
マネーミュール口座は金融詐欺の重要なファシリテーターである。
顧客レベルのミュール検出のためのエンドツーエンドパイプラインを提案する。
大規模言語モデル(LLM)モジュールは、SHAP属性を分析対象の自然言語の物語に変換する。
論文 参考訳（メタデータ） (2026-07-20T06:05:57Z) - Multi-Turn Evaluation of Deep Research Agents Under Process-Level Feedback [22.73903507349779]
既存のDRA(Deep Research Agent)のベンチマークでは、シングルショットアウトプットのみを評価し、重要な疑問を無視している。
自己回帰とプロセスレベルのフィードバックという2つのフィードバック設定の下で,DRAのマルチターン評価を行う。
分析の結果, (i) 自己反射下では, エージェントがほぼ等しい速度でルーブリック基準を組み込んで回帰し, 無視できる純改善をもたらすこと, (ii) プロセスレベルのフィードバックの1ラウンドでかなりの利得が得られること, (ii) 正規化スコアを約8～15ドル引き上げ, 約35ドルとした。
論文 参考訳（メタデータ） (2026-06-08T17:08:36Z) - RepoMirage: Probing Repository Context Reasoning in Code Agents with Perturbations [51.43574078961796]
本稿では,SWE-Bench Verified上に構築された2段階評価スイートRepoMirageを紹介する。
RepoMirage-Perturbは、リポジトリレベルの摂動を保存する3つのタイプのセマンティクスを適用している。
RepoAnchorは、下流の問題解決からリポジトリの探索を分離する構造第一のプロトタイプワークフローである。
論文 参考訳（メタデータ） (2026-05-25T06:26:43Z) - Claw-Eval: Toward Trustworthy Evaluation of Autonomous Agents [66.97968363332465]
エージェントベンチマークの3つのギャップに対処するエンドツーエンド評価スイートであるClaw-Evalを紹介した。
Claw-Evalは3つのグループにまたがる9つのカテゴリにまたがる300の人間検証タスクで構成されている。
すべてのエージェントアクションは、3つの独立したエビデンスチャネルを通じて記録される。
論文 参考訳（メタデータ） (2026-04-07T17:43:18Z) - RE-TRAC: REcursive TRAjectory Compression for Deep Search Agents [144.5598958575922]
Re-TRACはクロス軌道探索を行うエージェントフレームワークである。
Re-TRAC は BrowseComp とフロンティア LLM で連続して ReAct を 15-20% 上回っていることを示す。
論文 参考訳（メタデータ） (2026-02-02T18:58:07Z) - OPV: Outcome-based Process Verifier for Efficient Long Chain-of-Thought Verification [91.15649744496834]
本稿では、長い思考の連鎖から要約された結果の合理化過程を検証する、アウトカムベースプロセス検証(OPV)を提案する。
OPV は 76.3 と比較して F1 スコアが 83.1 の Qwen3-Max-Preview など,はるかに大きなオープンソースモデルよりも優れています。
論文 参考訳（メタデータ） (2025-12-11T15:47:38Z) - Long-horizon Reasoning Agent for Olympiad-Level Mathematical Problem Solving [65.02106674311908]
本稿では,マルチラウンド階層的推論を行う長期水平数学エージェントであるIntern-S1-MOを紹介する。
コンパクトメモリをレムマの形で維持することにより、Intern-S1-MOはレムマリッチ推論空間をより自由に探索することができる。
実験の結果、インターンS1-MOはIMO2025の非幾何学的問題で35点中26点を得ることができ、銀メダリストのパフォーマンスに匹敵することがわかった。
論文 参考訳（メタデータ） (2025-12-11T15:26:28Z) - VOGUE: Guiding Exploration with Visual Uncertainty Improves Multimodal Reasoning [62.09195763860549]
検証可能な報酬(RLVR)による強化学習は、大きな言語モデル(LLM)の推論を改善するが、探索に苦労する。
出力(テキスト)から入力(視覚)空間へ探索をシフトする新しい手法である$textbfVOGUE(Visual Uncertainty Guided Exploration)を紹介した。
本研究は,視覚入力の本質的不確実性における基盤探索が,マルチモーダル推論を改善するための効果的な戦略であることを示す。
論文 参考訳（メタデータ） (2025-10-01T20:32:08Z) - Position: The Hidden Costs and Measurement Gaps of Reinforcement Learning with Verifiable Rewards [110.47944672736723]
我々は、RLVR税、評価落とし穴、データ汚染という3つの力によって利回りが過大評価されることが多いと論じている。
本稿では, 精度, グラウンド, キャリブレーションを両立させる税意識訓練・評価プロトコルを提案する。
論文 参考訳（メタデータ） (2025-09-26T05:06:25Z)
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。