論文の概要: Corporate-Family Resolution Is Not a String-Matching Problem: A Public Benchmark Stratified by Name Visibility

• arxiv url: http://arxiv.org/abs/2609.04269v1
• Date: Wed, 02 Sep 2026 19:16:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-07 18:15:23.757608
• Title: Corporate-Family Resolution Is Not a String-Matching Problem: A Public Benchmark Stratified by Name Visibility
• Title（参考訳）: コーポレート・ファミリー・レゾリューションは文字列マッチングの問題ではない:名前の可視性によって階層化された公開ベンチマーク
• Abstract要約: CorpFamは10,307世帯の54,864組の公的なベンチマークである。 連邦政府による6,638,350件の記録に基づいており、全てのサプライヤーがその最終的な親を政府の登録簿に自己報告している。
• 参考スコア（独自算出の注目度）: 1.3367903535457364
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deciding whether two supplier records belong to the same corporate family is a prerequisite for spend consolidation, credit exposure aggregation and sanctions screening. It is usually treated as entity matching, but the tasks differ: a family link connects records that are deliberately different entities, and the evidence often appears in neither record. We introduce CorpFam, a public benchmark of 54,864 candidate pairs over 10,307 corporate families, derived from 6,638,350 US federal award records in which every supplier self-reports its ultimate parent to a government registry. Pairs are stratified by name visibility: whether the names are identical after normalisation, share a distinctive token, or share none. Because strata have positive rates from 10.2% to 97.3%, we report per-stratum recall, base-rate invariant, rather than F1, which is not. The strongest of 5 matchers recovers 100.0% of identical pairs and 4.2% of invisible ones; no method exceeds 4.7% on the latter. The failure begins before matching. Blocking decides which pairs a matcher sees, and we evaluate 7 schemes spanning phonetic keys, attribute keys that ignore the name, and semantic nearest neighbours. None reaches three percent on invisible pairs, and their union recovers 6.8%. 93.2% of these links never enter the candidate set, so no matching-stage improvement can reach them. The links are real: against SEC Exhibit 21 subsidiary schedules, which share no provenance with procurement registration, 64.2% of invisible links are corroborated, against 0.16% under permuted parents and 0.41% against the same parent's wrong exhibit: two unrelated nulls agreeing to within 0.25 points. Corporate-family resolution is a retrieval problem misfiled as a matching problem; the intervention point is candidate generation, not ranking. The benchmark, adjudication log, and code reproducing every number are released.
• Abstract（参考訳）: 2つのサプライヤレコードが同一の企業ファミリーに属するかどうかを決定することは、統合、信用暴露の集約、制裁審査の必要条件である。 通常、それはエンティティマッチングとして扱われるが、そのタスクは異なる: 家族のリンクは意図的に異なるエンティティを接続し、証拠はどちらのレコードにも現れない。 54,864人の候補者が10,307家族以上を擁する公的なベンチマークであるCorpFamを紹介します。 ペアは名前の可視性によって階層化され、名前が正常化後に同一であるか、特異なトークンを共有しているか、何も共有していないかである。 成層率は10.2%から97.3%と正であるため、F1ではなく、ベースレートの不変な層ごとのリコールを報告します。 5人中最強の選手は100.0%の同一ペアと4.2%の見えないペアを回復するが、後者では4.7%を超えない。 失敗は一致する前に始まります。 ブロッキングは、マーカが見るペアを判断し、音素キー、名前を無視した属性キー、セマンティックに近い近傍の7つのスキームを評価する。 誰も目に見えないペアで3%に達しず、組合は6.8%を回復した。 93.2%のリンクが候補には入らないため、一致段階の改善は得られない。 SEC Exhibit 21の子会社のスケジュールは、調達登録の実績を共有していないが、64.2%の目に見えないリンクは、不定期な両親の下で0.16%、同じ親の間違った展示で0.41%と相関している。 コーポレート・ファミリーの解決は、一致した問題として誤った検索問題であり、介入ポイントはランキングではなく候補生成である。 ベンチマーク、判断ログ、すべての数値を再現するコードなどがリリースされる。

関連論文リスト

• Marginal Fidelity Does Not Establish User Simulation in Demographic Synthetic Survey Panels: Response Contracts, Support Collapse and Conditioning Failure [51.736723807086385]
  人口密着協定は、個別のシミュレーションの証拠ではなく、エスカレーション契約の証拠であり、シミュレーションされた回答者なしで得られる推定値である。 9つのアライメントされたモデルバッテリペアでは、非個人個体数のクエリの平均は6.27 MAE対12.39であり、9つの比較すべてで勝利する。
  論文  参考訳（メタデータ） (2026-09-07T10:22:22Z)
• Privacy Washing: Detecting Internal Contradictions in Privacy Policies [0.0]
  プライバシポリシには、同じポリシで他の場所で文書化されたプラクティスによってコミットメントが損なわれている内部的な矛盾が含まれる可能性がある。 我々は,この現象を,ステートメント抽出,互換性フィルタリング,自然言語推論スクリーニング,マルチモデル判定検証,テーマ解析という4段階のパイプラインを通じて運用する。
  論文  参考訳（メタデータ） (2026-09-02T03:33:58Z)
• Credit Without Ground Truth: Auditing Step-Level Credit Assignment in LLM Agents Against Executed Replay [0.6768558752130311]
  単一エージェント環境において,実行されたリプレイからポリシー条件の真偽を検査する。 段階的な信用シグナルは、限界整合シャッフル制御以上の信頼度の高いインクリメンタル忠実度を示すものではない。 信頼のみのルータは、チャンスレベルにおいて重要なステップを回復するが、1ターンあたりの審査コストを13.1%削減する。
  論文  参考訳（メタデータ） (2026-08-20T08:04:00Z)
• TrustRoboReward: Preference-Ordered Isotonic Score Editing for Multi-Paradigm Robot Reward Models [40.42873860258522]
  優先順序等調スコア編集(POISE)を備えたマルチパラダイム報酬モデリングフレームワークであるTrustRoboRewardを提案する。 POISEはポイントワイズスコアを修正し、TrustJudgeが未解決のクロスパラダイム逆転競合を取り除く。 POISEでトレーニングされたQwen3-VL-4Bは、全体的な報酬スコアが77.96%に達し、GPT-5-mini(78.09%、ギャップ0.13%)とほぼ一致し、最強のRoboReward-4Bベースラインを10.13%上回った。
  論文  参考訳（メタデータ） (2026-08-09T05:25:22Z)
• Best Friends, Not Forever: Evaluating Long-Horizon Persona Collapse and Behavioral Drift in AI Companions [34.277389276831435]
  本研究では,2つの長期的障害について検討する。「人的崩壊」,展開された役割の喪失,境界,値,スタイル,および「行動漂流」である。 本稿では,人的行為とトラジェクティブリコールを別々に計測する制御型総合監査システムANCHORを紹介する。 この研究には、27人のペルソナにまたがる2,008の会話、9つのインタラクションスケジュール、3つの生成されたメモリ設定、そして4つの評価モデルが含まれている。
  論文  参考訳（メタデータ） (2026-07-30T20:18:39Z)
• Visual Credit Audit for Multimodal Spatial Reasoning [70.16915309526443]
  Visual Credit Auditは、ベンチマーク画像がテキストのみとブランクコントロールよりもモデルの宣言された決定をもっとサポートするかどうか、モデルが関係性固有の視覚的エビデンスに反応するかどうかの2つの評価を分離する。 ラベルを適用すれば依存性認定正当性(D-CC)が得られる 4つのオープンMLLMと2つの空間ベンチマーク、12.73-26.25%の判定は正確であるが、証明されていない。
  論文  参考訳（メタデータ） (2026-07-29T15:55:31Z)
• Who Gets Named: Citation Type Predicts Individual Naming by Grounded Language Models, and a Roster Instrument Captures 0.5% of It [0.0]
  2026年7月24日に1つの2時間窓で2,400件の接地APIコールを発行した。 すべてのレスポンスは、個別のプロフェッショナルを指名するかどうかによってコード化されました。 モデルは25.8%の回答で個人を指名した。
  論文  参考訳（メタデータ） (2026-07-26T23:37:34Z)
• Narration-of-Thought: Inference-Time Scaffolding for Defeasible Ethical Reasoning in Large Language Models [6.628401122676601]
  ナレーション・オブ・シント(NoT)は,思考の連鎖を5つのセクションにまとめるシステムである。 NoTはトレーニングやパラメータ、微調整を追加しない。 3つのベンダーから4つのジェネレータにまたがる100のDailyDilemmasシナリオにおいて、NoTは株主の崩壊を31%から1%以下に削減する。
  論文  参考訳（メタデータ） (2026-06-24T20:23:16Z)
• Catching One in Five: LLM-as-Judge Blind Spots in Production Multi-Turn Transaction Agents [45.148328075418156]
  デプロイされた多ターン食品・飲料注文エージェントについて検討し,実際の品質問題の数を測定した。 私たちの盲点分類は、失敗はランダムではなく構造化されていることを示している。 プロダクションマルチターンエージェントでは、自動判断はリグレッションフロアであり、人間のレビューの代わりにはならない。
  論文  参考訳（メタデータ） (2026-06-09T02:11:01Z)
• CoEval: Ranking Language Models for Custom Tasks Without Labeled Data or Trustworthy Benchmarks [47.027290803102666]
  アンサンブル自己評価を通じて信頼性の高いタスク固有信号を提供するオープンフレームワークであるCoEvalを提案する。 モデルのプールは教師、学生、裁判官の3つの役割すべてを通して回転し、新鮮な汚染のないベンチマークを生成する。
  論文  参考訳（メタデータ） (2026-06-02T13:41:43Z)
• Distributional Energy-Based Models for Uncertainty-Aware Structured LLM Reasoning [40.342912574072024]
  大規模言語モデルは、旅行計画やコードソリューションのような構造化されたアウトプットを生成する。 個々の推論ステップは正しく見えるが、アウトプット全体が予算に違反したり、テストケースに失敗したり、あるいは以前の推論に矛盾することがある。 構造化LCM出力の検証のための決定論的解析制約付き学習品質スコアラを提案する。
  論文  参考訳（メタデータ） (2026-05-15T17:08:27Z)
• When LLM Judge Scores Look Good but Best-of-N Decisions Fail [0.29465623430708904]
  大規模言語モデルは、しばしば審査員が候補の応答を採点し、単一のグローバルメトリックで検証するために使用される。 プロンプト内で実際のデプロイメントタスクが最良選択である場合、これは誤解を招く可能性がある。 審査に基づく選択においては、関連する監査は、グローバルな合意だけでは無く、インイン・プロンプト信号、タイレート、リカバリ/トップ-1の精度を報告すべきである。
  論文  参考訳（メタデータ） (2026-03-12T23:40:03Z)

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。