論文の概要: Automated Detection and Structuring of Social Tipping Point Evidence in Climate related Documents: A Modular AI Framework
- arxiv url: http://arxiv.org/abs/2609.12254v1
- Date: Thu, 10 Sep 2026 22:21:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-15 07:38:31.55776
- Title: Automated Detection and Structuring of Social Tipping Point Evidence in Climate related Documents: A Modular AI Framework
- Title（参考訳）: 気候関連文書におけるソーシャルティッピングポイントの自動検出と構造化:モジュール型AIフレームワーク
- Abstract要約: 本稿では,トランスフォーマーをベースとしたオープンかつモジュラーなフレームワークを提案する。
フレームワークは、セグメンテーションのためのDistilBERT境界分割器、検出のための反復的に拡張されたRoBERTa分類器、検出された各パスを明確化するために書き直したMistral 7Bモデル、および5つの発行されたソーシャルチップポイント基準に対してパスを評価するLLaMA 3.23Bモデルという、単一のデプロイ可能なワークフローに5つのコンポーネントを結合する。
- 参考スコア（独自算出の注目度）: 2.157504175521934
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The climate literature has grown faster than review teams can read it. That gap matters most for a concept like the environmental social tipping point, the threshold at which a small change triggers rapid, self-reinforcing change in a social system. Evidence of this kind of shift is usually contained in one or two paragraphs within a longer document. As a result, existing text mining tools-which categorize entire documents by topic or highlight isolated claims-leave an expanding set of important evidence without any systematic method for discovery or organization. This paper presents an open and modular transformer-based framework that detects and structures social tipping point evidence at the passage level. The framework joins five components into a single deployable workflow: a DistilBERT boundary splitter for segmentation, an iteratively augmented RoBERTa classifier for detection, a Mistral 7B model that rewrites each detected passage for clarity, a LLaMA 3.2 3B model that rates the passage against five published social tipping point criteria, and a Milvus vector store for semantic retrieval. The system is wrapped in a Streamlit interface backed by MinIO object storage. Evaluated on a 163-passage benchmark labelled by GPT-4.1 and a 51-passage set reviewed by experts, the splitter surpassed three competing methods on a nine-metric composite score (6.137). The tuned RoBERTa model achieved 71.4 percent accuracy with a Cohen's kappa of 0.337 on the full benchmark, and 87.5 percent accuracy with a kappa of 0.742 on passages with labels, outperforming both a climate-focused model and untuned language models.
- Abstract（参考訳）: 気候の文献は、レビューチームが読むことができるよりも急速に成長しています。
このギャップは、環境社会の転換点や、小さな変化が社会システムの急激で自己強化的な変化を引き起こすしきい値といった概念に最も重要である。
この種の移行の証拠は、通常、より長い文書の中に1つまたは2つの段落に含まれる。
その結果、文書全体をトピックごとに分類したり、孤立したクレームをハイライトする既存のテキストマイニングツールは、発見や組織のための体系的な方法なしに、重要な証拠の集合を拡大させます。
本稿では,トランスフォーマーをベースとしたオープンかつモジュラーなフレームワークを提案する。
フレームワークは、セグメンテーションのためのDistilBERT境界分割器、検出のための反復的に拡張されたRoBERTa分類器、検出された各パスを明確化するために書き直したMistral 7Bモデル、発表されている5つのソーシャルチップポイント基準に対するパスを評価するLLaMA 3.2 3Bモデル、意味検索のためのMilvusベクトルストアの5つのコンポーネントに結合する。
このシステムは、MinIOオブジェクトストレージを基盤とするStreamlitインターフェースでラップされている。
GPT-4.1でラベル付けされた163パスのベンチマークと専門家によってレビューされた51パスセットで評価され、スプリッターは9メートルの複合スコア(6.137)で競合する3つのメソッドを上回った。
チューニングされたRoBERTaモデルは、完全なベンチマークでCohenのカッパ0.337で71.4パーセントの精度、ラベル付きパスで0.742のカッパで87.5パーセントの精度を達成し、気候に焦点を当てたモデルと未修正言語モデルの両方を上回った。
関連論文リスト
- GroundBench: A Factorized, Counterfactual Benchmark for Locating VLM Affordance Failures [0.0]
コンパニオン評価により、8つの視覚言語モデルにおいて、操作中の対象部位の命名により動作精度が0.32-0.63向上することが判明した。
しかし、部品の命名は、実際のシステムが推論し、視覚的接地、機械的推論、カテゴリー対アクションの関連性を見極めなければならない情報を提供する。
GroundBenchは、これらの説明を6つのブランチ・アンド・マージ条件で分離する診断ベンチマークである。
論文 参考訳（メタデータ） (2026-09-10T14:52:26Z) - Structuring Semantic Embeddings for Principle Evaluation: A Prototype-Guided Contrastive Learning Approach [58.15427952222424]
汎用的なテキスト埋め込みはそのようなタスクに広くデプロイされているが、意味的類似性は意味的に似ているがタスク固有の例を示すことができる。
本稿では,凍結したテキスト埋め込み上に構築された幾何正規化モジュールであるPGCL(Prototype-Guided Contrastive Learning)を紹介する。
論文 参考訳（メタデータ） (2026-08-15T13:19:25Z) - Diagnosing Fine-Grained Inconsistency Classification in Financial Disclosure Text [3.2712318205295907]
財務情報開示には、数値的なクレーム、時間的ステートメント、エンティティ参照、ポリシーのコミットメント、そして質的に異なる方法で衝突する可能性のあるリスク記述が含まれる。
我々はこの問題をきめ細かい矛盾として研究する。
微調整された300Mエンコーダの精度は61.9%、ロラ適応型Qwen3.5-9Bモデルでは61.5%、GPT適応型生成モデルでは61.3%である。
論文 参考訳（メタデータ） (2026-07-29T01:03:53Z) - Novelty-Aware Agentic Retrieval: Comparing Research Contributions Through Structured Multi-Step Reasoning [0.0]
ノベルティ・アウェア・リサーチ・エージェント(英: Novelty-Aware Research Agent)は、エージェント検索システムのプロトタイプである。
RAGパイプライン上の多段階推論を6つのタイプドコントラクトコンポーネントを通じて階層化する。
論文毎のコントリビューション記録、紙レベルのオーバーラップ、問題xメソッドギャップマトリックスなど、構造化された比較アーティファクトを生成する。
論文 参考訳（メタデータ） (2026-06-20T17:04:02Z) - A Hybrid Vision-Language Architecture for Automated Defect Reasoning and Report Generation in Industrial Inspection [0.42970700836450487]
本稿では,風力タービン羽根試験用分離・エッジ展開可能なパイプラインについて述べる。
The EyesはY26-x-obb指向のバウンディングボックスで、データセットネイティブの解像度で欠陥をローカライズする。
ブリッジは決定論的でパラメータフリーな符号化モジュールであり、検出された各バウンディングボックスをグリッド参照トークンにマップする。
論文 参考訳（メタデータ） (2026-05-26T04:27:38Z) - Towards Intelligent Legal Document Analysis: CNN-Driven Classification of Case Law Texts [1.3192560874022086]
本研究は,引用処理分類のための軽量かつ高精度なフレームワークを提案する。
単語認識型FastText埋め込みと1次元畳み込みニューラルネットワーク(CNN)との補間に基づく前処理を併用する。
提案システムは97.26%の分類精度と96.82%のマクロF1スコアを達成し,既存のベースラインを超えている。
論文 参考訳（メタデータ） (2026-04-20T00:14:11Z) - AICC: Parse HTML Finer, Make Models Better -- A 7.3T AI-Ready Corpus Built by a Model-Based HTML Parser [54.623900859999424]
我々は、コンテンツ抽出をシーケンスラベリング問題として再構成する新しい抽出パイプラインであるMinerU-HTMLを紹介する。
MainWebBenchでは、7,887の注釈付きWebページ、MinerU-HTML 81.8%のROUGE-N F1をTrfilaturaの63.6%と比較した。
論文 参考訳（メタデータ） (2025-11-20T14:15:23Z) - HySemRAG: A Hybrid Semantic Retrieval-Augmented Generation Framework for Automated Literature Synthesis and Methodological Gap Analysis [55.2480439325792]
HySemRAGは、Extract, Transform, Load (ETL)パイプラインとRetrieval-Augmented Generation (RAG)を組み合わせたフレームワークである。
システムは、マルチ層アプローチを通じて既存のRAGアーキテクチャの制限に対処する。
論文 参考訳（メタデータ） (2025-08-01T20:30:42Z) - MonkeyOCR: Document Parsing with a Structure-Recognition-Relation Triplet Paradigm [60.14048367611333]
MonkeyOCRはドキュメント解析のためのビジョン言語モデルである。
SRR(Structure-Recognition-Relation)三重項パラダイムを活用することで、最先端の技術の進歩を図っている。
論文 参考訳（メタデータ） (2025-06-05T16:34:57Z) - A New HOPE: Domain-agnostic Automatic Evaluation of Text Chunking [44.47350338664039]
文書チャンキングは検索強化世代(RAG)に根本的に影響する
現在、さまざまなチャンキングメソッドの影響を分析するためのフレームワークはありません。
本稿では,チャンキングプロセスの本質的特徴を3段階に定義する新しい手法を提案する。
論文 参考訳（メタデータ） (2025-05-04T16:22:27Z) - Multitask Fine-Tuning and Generative Adversarial Learning for Improved Auxiliary Classification [0.0]
3つの下流タスクをマルチタスクで微調整するための新しいBERTアーキテクチャを実装した。
我々のモデルであるMultitask BERTは、レイヤ共有とトリプルトアーキテクチャ、カスタム文ペアトークン化、損失ペアリング、勾配手術を取り入れています。
また、BERTに生成逆学習を適用し、潜在空間から写像して偽の埋め込みを生成する条件付きジェネレータモデルを構築した。
論文 参考訳（メタデータ） (2024-08-11T20:05:54Z) - LOCR: Location-Guided Transformer for Optical Character Recognition [55.195165959662795]
自動回帰中にトランスフォーマーアーキテクチャに位置案内を組み込むモデルであるLOCRを提案する。
125Kの学術文書ページから777万以上のテキスト配置ペアからなるデータセット上でモデルをトレーニングする。
これは、編集距離、BLEU、METEOR、F測定によって測定されたarXivから構築されたテストセットの既存のメソッドよりも優れています。
論文 参考訳（メタデータ） (2024-03-04T15:34:12Z)
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。