論文の概要: FirmCORe: A Benchmark for Structured Reasoning about Inter-Firm Collaboration Opportunities

• arxiv url: http://arxiv.org/abs/2609.17128v1
• Date: Tue, 15 Sep 2026 12:54:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 14:56:08.529823
• Title: FirmCORe: A Benchmark for Structured Reasoning about Inter-Firm Collaboration Opportunities
• Title（参考訳）: FirmCORe: 企業間コラボレーションの機会に関する構造化推論のベンチマーク
• Abstract要約: We present FirmCORe (Inter-Firm Collaboration Opportunity Reasoning), a human- Annotated benchmark for pairwise reasoning over weakly structured firm profiles。 2つの確固たるプロファイルが与えられた場合、モデルは、利用可能なエビデンスがコラボレーションの機会をサポートするかどうかを判断し、ポジティブなペアに対して、その強さ、一次のコラボレーションタイプ、役割の方向性を共同で予測する必要がある。 ローカルにデプロイされホストされる大規模言語モデル(LLM)を用いた実験では、最強のモデルでは、機会検出のためのマクロF1スコアが74.51に達したが、4つの出力フィールドすべてで61.57%の正確な一致しか得られなかった。
• 参考スコア（独自算出の注目度）: 15.982282328256067
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Comprehensive structured data on inter-firm relationships is often scarce or inaccessible because many relationships are privately negotiated, selectively disclosed, and fragmented across proprietary databases. This scarcity hinders the discovery of collaboration opportunities, particularly for startups and small and medium-sized enterprises. Firm profiles are readily available, but collaboration potential cannot be inferred from business similarity alone, since similar firms may be competitors, whereas dissimilar firms may offer complementary products, technologies, channels, capabilities, or capital. We present FirmCORe (Inter-Firm Collaboration Opportunity Reasoning), a human-annotated benchmark for pairwise reasoning over weakly structured firm profiles, comprising 2,805 labeled firm pairs. Given two firm profiles, a model must determine whether the available evidence supports a collaboration opportunity and, for positive pairs, jointly predict its strength, primary collaboration type, and role direction. FirmCORe also provides parallel Chinese- and English-language evaluation sets containing identical instances and gold labels, enabling controlled analysis of input-language sensitivity. Experiments with representative locally deployed and hosted large language models (LLMs) show that the strongest model achieves a macro-F1 score of 74.51 for opportunity detection but only 61.57% exact match across all four output fields. Language effects vary across models, and high cross-language agreement can mask errors shared across languages. These results indicate that current LLMs are substantially more reliable at detecting broad collaboration opportunities than at identifying their specific types and role directions.
• Abstract（参考訳）: 多くの関係がプライベートに交渉され、選択的に開示され、プロプライエタリなデータベース間で断片化されているため、相互に確認される関係に関する包括的な構造化データは、しばしば不足またはアクセス不能である。 この不足は、特にスタートアップや中小規模企業にとって、コラボレーションの機会の発見を妨げる。 企業プロフィールは簡単に入手できるが、類似企業も競合企業であるのに対し、異種企業は相補的な製品、技術、チャネル、能力、資本を提供するため、共同作業の可能性だけではビジネスの類似性から推測できない。 本稿では,2,805個のラベル付きファームペアからなる弱構造化ファームプロファイルに対する人為的推論のためのベンチマークであるFirmCORe(Inter-Firm Collaboration Opportunity Reasoning)を提案する。 2つの確固たるプロファイルが与えられた場合、モデルは、利用可能なエビデンスがコラボレーションの機会をサポートするかどうかを判断し、ポジティブなペアに対して、その強さ、一次のコラボレーションタイプ、役割の方向性を共同で予測する必要がある。 FirmCOReはまた、同一のインスタンスとゴールドラベルを含む中国語と英語の同時評価セットを提供し、入力言語感度の制御分析を可能にする。 ローカルにデプロイされホストされる大規模言語モデル(LLM)を用いた実験では、最強のモデルでは、機会検出のためのマクロF1スコアが74.51に達したが、4つの出力フィールドすべてで61.57%の正確な一致しか得られなかった。 言語効果はモデルによって異なり、高い言語間の合意は言語間で共有されるエラーを隠蔽することができる。 これらの結果から,現在のLLMは,特定のタイプや役割の方向性を識別するよりも,幅広いコラボレーション機会の発見に極めて信頼性が高いことが示唆された。

関連論文リスト

• CONSISTRE: A Unified Consistency-Aware Framework for Document-Level Relation Extraction with Large Language Models [11.083514956613383]
  ドキュメントレベルの関係抽出(DocRE)は、拡張コンテキスト間で複数のエンティティ間の関係を抽出することを目的としている。 大規模言語モデル (LLM) は情報抽出において顕著な推論能力を示す。 LLMは、推移性、対称性、機能的一意性といった基本的な関係的制約に反し、矛盾し、信頼できない出力をもたらす。 本稿では,この制限に対処するDocRE用の統合整合性対応フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-07-27T11:56:29Z)
• Snippet-Driven Supply Chain Discovery with LLMs: Scaling Visibility in China [0.0]
  金融と経済の研究は、しばしば構造化されたサプライチェーンの開示と商業データベースに依存している。 中国では、サプライヤー・カストマーの開示は通常上場企業の主要パートナーに限られる。 本稿では,サプライチェーン知識グラフ(SCKG)をノードとして構築し,エッジとして相互確認を行うスニペット駆動方式を提案する。
  論文  参考訳（メタデータ） (2026-05-27T02:02:58Z)
• Improving the Completeness and Comparability of Segment Disclosures: A Large Language Model Approach [7.563079821809866]
  本研究では,Form 10-Kのファイリングからセグメント開示を直接抽出する大規模言語モデルに基づくフレームワークを開発した。 企業内での縦断解析により,時間とともにセグメントの変化を解釈し,異なるレポート構造を持つ企業間で地理的セグメントを相互に整合させるという,2つの代表的設定を用いてその応用を実証する。
  論文  参考訳（メタデータ） (2026-04-20T03:04:08Z)
• Co-FactChecker: A Framework for Human-AI Collaborative Claim Verification Using Large Reasoning Models [99.26398772227684]
  我々は,人間とAIの協調的クレーム検証のためのフレームワークであるCo-FactCheckerを提案する。 Co-FactCheckerは専門家のフィードバックをトレース編集に変換する。 人間の評価は、マルチターン対話よりもCo-FactCheckerの方が好ましいことを示している。
  論文  参考訳（メタデータ） (2026-04-15T10:35:00Z)
• MT-PingEval: Evaluating Multi-Turn Collaboration with Private Information Games [70.37904949359938]
  我々は,プライベート情報に関する効果的なコミュニケーションを必要とする協調ゲーム群を用いて,マルチターンインタラクションにおける言語モデルの評価を行った。 言語モデルでは,非対話的なベースラインシナリオを改善するために,対話的なコラボレーションを利用できないことがわかった。 我々は,これらの対話の言語的特徴を分析し,サイコフナンシー,情報密度,談話コヒーレンスの役割を評価する。
  論文  参考訳（メタデータ） (2026-02-27T17:13:20Z)
• InterCorpRel-LLM: Enhancing Financial Relational Understanding with Graph-Language Models [4.098759138493994]
  InterCorpRel-LLMは、グラフマッチング、業界分類、供給関係予測を統合したクロスモーダルフレームワークである。 供給関係識別タスクにおいて、GPT-5を含む強いベースラインを大幅に上回る。 また、ゼロショットの競合の識別に一般化し、ニュアンス付き確証間ダイナミクスをキャプチャする能力を強調している。
  論文  参考訳（メタデータ） (2025-10-10T14:18:18Z)
• FedSC: Federated Learning with Semantic-Aware Collaboration [12.366529890744822]
  フェデレートラーニング(FL)は、プライバシ保護のためのデータを共有することなく、クライアント間で協調的にモデルをトレーニングすることを目的としている。 不均一なクライアント間でクライアント固有のクラス関連知識を収集するために,FedSC(Federated Learning with Semantic-Aware Collaboration)を提案する。
  論文  参考訳（メタデータ） (2025-06-26T05:04:55Z)
• Cross-Lingual Pitfalls: Automatic Probing Cross-Lingual Weakness of Multilingual Large Language Models [55.14276067678253]
  本稿では,Large Language Models (LLMs) における言語間関係の弱点を効率的に同定するための新しい手法を提案する。 この手法を用いて16言語で6,000以上のバイリンガルペアからなる新しいデータセットを構築し、最先端のモデルにおいても弱点を明らかにする効果を実証した。 さらに,言語的類似性と言語間の弱点との関係について検討し,言語的関連言語が類似した演奏パターンを共有することを明らかにした。
  論文  参考訳（メタデータ） (2025-05-24T12:31:27Z)
• Interpretable Company Similarity with Sparse Autoencoders [0.0]
  スパースオートエンコーダ(SAE)は、大規模言語モデル(LLM)の解釈可能性を高めることを約束している。 SAEの機能をSICコード、産業コード、埋め込みに対してベンチマークします。 以上の結果から,SAEはセクターの分類や組込みを超越し,企業特性を把握できた。
  論文  参考訳（メタデータ） (2024-12-03T17:34:50Z)
• Convergence-aware Clustered Federated Graph Learning Framework for Collaborative Inter-company Labor Market Forecasting [38.13767335441753]
  人材需要と供給を予測する労働市場は、経営管理と経済発展に不可欠である。 従来の研究では、変動を予測するために、異なる企業間の需要供給シーケンス間の相互接続を無視していた。 本稿では,メタパーソナライズされた収束型クラスタ型フェデレーション学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-09-29T04:11:23Z)
• CART: A Generative Cross-Modal Retrieval Framework with Coarse-To-Fine Semantic Modeling [53.97609687516371]
  クロスモーダル検索は、異なるモーダルデータの相互作用を通じて、クエリと意味的に関連するインスタンスを検索することを目的としている。 従来のソリューションでは、クエリと候補の間のスコアを明示的に計算するために、シングルトウワーまたはデュアルトウワーのフレームワークを使用している。 粗大なセマンティックモデリングに基づく生成的クロスモーダル検索フレームワーク(CART)を提案する。
  論文  参考訳（メタデータ） (2024-06-25T12:47:04Z)
• mCL-NER: Cross-Lingual Named Entity Recognition via Multi-view Contrastive Learning [54.523172171533645]
  CrossNERは多言語コーパスの不足により不均一な性能から生じる課題に直面している。 言語横断的名前付きエンティティ認識(mCL-NER)のためのマルチビューコントラスト学習を提案する。 40言語にまたがるXTREMEベンチマーク実験では、従来のデータ駆動型およびモデルベースアプローチよりもmCL-NERの方が優れていることを示した。
  論文  参考訳（メタデータ） (2023-08-17T16:02:29Z)
• Cross-Lingual NER for Financial Transaction Data in Low-Resource Languages [70.25418443146435]
  半構造化テキストデータにおける言語間名前認識のための効率的なモデリングフレームワークを提案する。 我々は2つの独立したSMSデータセットを英語とアラビア語で使用し、それぞれが半構造化された銀行取引情報を持っている。 わずか30のラベル付きサンプルにアクセスすることで、我々のモデルは、英語からアラビア語までの商人、金額、その他の分野の認識を一般化することができる。
  論文  参考訳（メタデータ） (2023-07-16T00:45:42Z)
• VECO 2.0: Cross-lingual Language Model Pre-training with Multi-granularity Contrastive Learning [56.47303426167584]
  複数粒度アライメントを持つコントラスト学習に基づく言語間事前学習モデルVECO2.0を提案する。 具体的には、シーケンス・ツー・シーケンスアライメントが誘導され、並列対の類似性を最大化し、非並列対を最小化する。 トークン・ツー・トークンのアライメントは、シソーラス辞書を介して発掘された同義トークンと、バイリンガルな例の他の未使用トークンとのギャップを埋めるために統合される。
  論文  参考訳（メタデータ） (2023-04-17T12:23:41Z)

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。