論文の概要: Constructing and Evaluating Clinical Reasoning Trajectories for Medical Agent

• arxiv url: http://arxiv.org/abs/2609.05090v1
• Date: Fri, 04 Sep 2026 12:44:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-07 18:15:24.037933
• Title: Constructing and Evaluating Clinical Reasoning Trajectories for Medical Agent
• Title（参考訳）: 医療エージェントのための臨床推論軌道の構築と評価
• Abstract要約: 提案するMedTrajは,推論軌道を設計,評価,最適化のための重要な対象として扱うフレームワークである。 パイプラインは、医療的推論源から構造化された多段階推論連鎖を生成する。 制御されたエラーインジェクションは、特定の推論失敗と測定可能な品質劣化の因果関係を確立するために、ターゲットの障害を正しい軌道に導入する。
• 参考スコア（独自算出の注目度）: 12.173588840546614
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Evaluation of medical artificial intelligence agents remains predominantly answer-centric, assessing only the correctness of final outputs while overlooking the quality of intermediate reasoning. In clinical settings, however, a correct answer reached through fabricated evidence or incoherent logic is as dangerous as an incorrect one. We propose MedTraj, a framework that treats reasoning trajectories as critical objects for construction, evaluation, and optimization. The pipeline generates structured multi-step reasoning chains from medical reasoning sources. Each trajectory is then parsed into clinical observations, evidence, numbered reasoning steps, and a final conclusion, and scored across five quality dimensions: coherence, evidence support, hallucination, completeness, and traceability. Controlled error injection introduces targeted faults into otherwise correct trajectories to establish causal links between specific reasoning failures and measurable quality degradation. Building on this, step-level filtering based on marginal contribution identifies which individual reasoning steps drive or undermine trajectory quality. Finally, quality-weighted context learning feeds trajectory evaluations back into the model at inference time, allowing it to learn from both strong and weak reasoning demonstrations. Experiments across CareQA, PubMedQA, and CECMed demonstrate that trajectory context consistently improves reasoning coherence, with gains of +0.029 to +0.041 over a zero-shot baseline. On CECMed, quality-weighted context nearly doubles the correctness over the zero-shot baseline while cutting the hallucination ratio by 87%. Marginal-contribution analysis further shows that a small minority of reasoning steps carry most of the quality signal, and that extending chains beyond four steps yields diminishing returns.
• Abstract（参考訳）: 医療人工知能エージェントの評価は、主に回答中心であり、中間的推論の質を見落としながら最終的な出力の正しさのみを評価する。 しかし、臨床環境では、偽証や不整合論理によって到達した正しい答えは、誤ったものと同じくらい危険である。 提案するMedTrajは,推論軌道を設計,評価,最適化のための重要な対象として扱うフレームワークである。 パイプラインは、医療的推論源から構造化された多段階推論連鎖を生成する。 それぞれの軌跡は、臨床観察、エビデンス、番号付き推論ステップ、最終結論に解析され、コヒーレンス、エビデンスサポート、幻覚、完全性、トレーサビリティの5つの品質次元にまたがる。 制御されたエラーインジェクションは、特定の推論失敗と測定可能な品質劣化の因果関係を確立するために、ターゲットの障害を正しい軌道に導入する。 これに基づいて、限界貢献に基づくステップレベルのフィルタリングは、どの個別の推論ステップが軌道品質を駆動するか、または損なうかを特定する。 最後に、品質重み付きコンテキスト学習は、推論時に軌道評価をモデルにフィードバックし、強い推論と弱い推論の両方から学習する。 CareQA, PubMedQA, CECMed での実験では、軌道の文脈はゼロショットベースラインに対して+0.029から+0.041のゲインを持つ推論コヒーレンスを一貫して改善することを示した。 CECMでは、品質重み付きコンテキストがゼロショットベースラインの精度をほぼ2倍にし、幻覚比を87%削減する。 マージナル・コントリビューション分析により、推論ステップの少数派が品質シグナルの大部分を担い、鎖が4段階を超えるとリターンが低下することが示された。

関連論文リスト

• Position, Not Provenance: Separating Reasoning Mediation from Sycophancy in Medical Vision-Language Models [0.0]
  医療ビジョン言語モデルは、臨床的な疑問に答える前に連鎖推論を生成する。 CoT-Mediateは、モデルが生成する推論の中で、単一の臨床的に有意な属性を摂動させる行動的枠組みである。 LLaVA-MedとMedGemmaを1000VQA-RADサンプルで評価した。
  論文  参考訳（メタデータ） (2026-07-29T17:11:52Z)
• 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)
• Guideline-Grounded Evidence Accumulation for High-Stakes Agent Verification [60.18369393468405]
  既存の検証器は通常、ドメイン知識の欠如と限られた校正のために性能が劣る。 GLEANは専門家によって計算されたプロトコルをトラジェクトリインフォームされ、よく校正された正当性信号にコンパイルする。 我々は,MIMIC-IVデータセットから得られた3つの疾患の薬物的臨床診断でGLEANを実証的に検証した。
  論文  参考訳（メタデータ） (2026-03-03T09:36:43Z)
• Closing Reasoning Gaps in Clinical Agents with Differential Reasoning Learning [16.144050164828794]
  本稿では, 臨床薬品の理性差を学習し, 臨床薬品の改善を図るためのフレームワークDRLを提案する。 DRLは、有向非巡回グラフ(DAG)として推論グラフを抽出し、臨床重み付きグラフ編集距離(GED)に基づく不一致解析を行う。 推論では、エージェントプロンプトを増強し、可能性のあるロジックギャップをパッチするために、トップ$k$命令を検索します。
  論文  参考訳（メタデータ） (2026-02-10T16:29:32Z)
• From Conflict to Consensus: Boosting Medical Reasoning via Multi-Round Agentic RAG [65.0203623486525]
  大規模言語モデル(LLM)は、医学的質問応答において高い推論能力を示す。 幻覚や時代遅れの知識を生み出す傾向は、医療分野において重大なリスクをもたらす。 既存の手法はノイズの多いトークンレベルの信号に依存しており、複雑な推論に必要なマルチラウンドの改良は欠如している。
  論文  参考訳（メタデータ） (2026-02-06T08:25:30Z)
• TRACE: Trajectory-Aware Comprehensive Evaluation for Deep Research Agents [51.30998248590416]
  Trajectory-Aware Comprehensive Evaluation (TRACE) は、問題解決の軌道全体を評価するフレームワークである。 私たちのコントリビューションには、TRACEフレームワーク、その新しいメトリクス、および制御可能な複雑さを伴うDeepResearch-Benchが含まれています。
  論文  参考訳（メタデータ） (2026-02-05T13:28:57Z)
• Unmasking Reasoning Processes: A Process-aware Benchmark for Evaluating Structural Mathematical Reasoning in LLMs [20.82580343824728]
  最近の大規模言語モデル (LLM) は、多くの確立された数学的推論ベンチマークにおいて、ほぼ飽和の精度を達成している。 この飽和はテンプレートベースの計算と浅い算術分解の優位性に起因している。 本稿ではReasoningMath-Plusについて紹介する。
  論文  参考訳（メタデータ） (2026-01-31T07:09:17Z)
• AgentsEval: Clinically Faithful Evaluation of Medical Imaging Reports via Multi-Agent Reasoning [73.50200033931148]
  本稿では,放射線科医の協調診断ワークフローをエミュレートしたマルチエージェントストリーム推論フレームワークであるAgensEvalを紹介する。 評価プロセスを基準定義、エビデンス抽出、アライメント、一貫性スコアなどの解釈可能なステップに分割することで、AgensEvalは明確な推論トレースと構造化された臨床フィードバックを提供する。 実験結果から,AgensEvalは,言い換え,意味的,スタイリスティックな摂動の下でも頑健な臨床的整合性,意味的忠実性,解釈可能な評価を提供することが示された。
  論文  参考訳（メタデータ） (2026-01-23T11:59:13Z)
• MedCEG: Reinforcing Verifiable Medical Reasoning with Critical Evidence Graph [17.320322032287894]
  MedCEGは医療言語モデルに臨床的に有効な推論経路を付加するフレームワークである。 推論プロセスの指針として,臨床推論手順の見直しを紹介する。 実験結果から,MedCEGは臨床的に妥当な推論鎖を産生しながら,既存の方法を上回る性能を示した。
  論文  参考訳（メタデータ） (2025-12-15T16:38:46Z)
• What Defines Good Reasoning in LLMs? Dissecting Reasoning Steps with Multi-Aspect Evaluation [67.47463575774388]
  我々は推論品質を関連性と一貫性の2つの次元に分解する。 これらの側面を確実に測定するために、因果的段階評価(CaSE)を導入する。 トレーニングデータをCaSEで評価した妥当性とコヒーレンスでキュレートすることで、最終タスクのパフォーマンスが向上することを示す。
  論文  参考訳（メタデータ） (2025-10-23T14:30:37Z)
• ReasonMed: A 370K Multi-Agent Generated Dataset for Advancing Medical Reasoning [54.30630356786752]
  ReasonMedは、これまでで最大の医療推論データセットで、370万の高品質な例がある。 マルチエージェント生成、検証、改善プロセスを通じて構築される。 ReasonMedを用いて、簡潔な答えの要約と詳細なCoT推論を統合することで、最も堅牢な微調整結果が得られる。
  論文  参考訳（メタデータ） (2025-06-11T08:36:55Z)

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。