論文の概要: A Channel-Boosted Multi-Agent System with Iterative Consultation for Document Sensitivity Classification

• arxiv url: http://arxiv.org/abs/2609.22212v1
• Date: Wed, 02 Sep 2026 03:43:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.773643
• Title: A Channel-Boosted Multi-Agent System with Iterative Consultation for Document Sensitivity Classification
• Title（参考訳）: 文書感性分類のための反復的コンサルテーションを用いたチャンネルブーストマルチエージェントシステム
• Abstract要約: 重要な国家インフラ部門の組織は、ルーティングや保管の前に、不均一な文書を感度で評価しなければならない。 BERTは最上位のシングルエンコーダベースライン(89.14%の精度、89.33%のF1スコア)をストラテジック16Kコーパスの5倍のクロスバリデーションで確立した。 本稿では,Channel-Boosted MASを提案し,それをIC-MASとしてインスタンス化する。
• 参考スコア（独自算出の注目度）: 1.096626056612224
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Organizations in critical national infrastructure sectors must assess heterogeneous documents for sensitivity before routing or storage. Manual assessment is slow, inconsistent, and unscalable. Extending our prior leakage-controlled benchmark, BERT established the top single-encoder baseline (89.14% accuracy, 89.33% F1-score under 5-fold cross-validation on the Strategic 16K corpus). However, transformer baselines suffer from a structural limitation: fixed input length truncation discards evidence beyond the retained window-precisely where sensitive cables tend to be longest. We present Channel-Boosted MAS (CB-MAS) and instantiate it as IC-MAS (Iterative Consultation Multi-Agent System) to solve this without long-context computational costs. A Channel Critic Agent learns document-adaptive trust weights governing Gated Channel Boosting between two first-window encoders, while paired Consultation Agents iteratively exchange belief states to reconcile evidence from the beginning and end of long documents. IC-MAS holds computation constant regardless of document length by reconciling fixed windows in a compact representation space. Ablation studies show critic-controlled Channel Boosting provides the bulk of accuracy gains, while consultation recovers recall without precision collapse. Critic-Controlled Gated Channel Boosting with Max-Pool fusion and Blackboard Adaptive Consultation achieves 90.72% accuracy, 91.23% F1-score, 92.01% sensitive recall, and 90.46% sensitive precision, using about 54% less average computation than a fixed-round baseline. Gains over the single-encoder baseline are statistically significant (McNemar's test, p less than 0.000001; paired t-test). We include LIME/SHAP explainability, multi-agent evaluation, and an honest accounting of limitations.
• Abstract（参考訳）: 重要な国家インフラ部門の組織は、ルーティングや保管の前に、不均一な文書を感度で評価しなければならない。 手動のアセスメントは遅く、一貫性がなく、スケールできない。 以前のリーク制御ベンチマークを拡張して、BERTは最上位のシングルエンコーダベースライン(精度89.14%、F1スコア89.33%、ストラテジック16Kコーパスの5倍のクロスバリデーション)を確立した。 しかし、トランスフォーマーのベースラインは構造的な制限に悩まされ、固定された入力長のトランケーションは、センシティブケーブルが長い場合の窓の精度を保たない証拠を捨てる。 本稿では,Channel-Boosted MAS (CB-MAS) を提案し,IC-MAS (Iterative Consultation Multi-Agent System) としてインスタンス化する。 チャンネル批判エージェントは、2つの第一窓エンコーダ間でGated Channel Boostingを統括する文書適応信頼度を学習し、ペアのコンサルテーションエージェントは、長い文書の開始と終了から証拠を和解するために、信念状態を反復的に交換する。 IC-MASは、文書長に関わらず、コンパクトな表現空間において固定ウィンドウを調整して計算定数を保持する。 アブレーション研究は、批評家が管理するチャンネル・ブースティングが精度を向上し、コンサルテーションは精度の低下なしにリコールを回復することを示している。 マックスプール・フュージョンとブラックボード・アダプティブ・コンサルテーションによる批判-制御されたゲーテッドチャネルブースティングは、90.72%の精度、91.23%のF1スコア、92.01%の感度リコール、90.46%の感度精度を達成し、固定ラウンドベースラインよりも平均計算量が約54%少ない。 単一エンコーダ基底線上のゲインは統計的に有意である(McNemarのテスト、pは0.000001未満、ペアt-test)。 LIME/SHAPの説明可能性、マルチエージェント評価、制約の正直な説明を含む。

関連論文リスト

• The Deception Delta: Adversarial Evaluation of LLM-Based Smart Contract Bytecode Forensics [0.0]
  大規模な言語モデルは、ブロックチェーンの法医学的な調査でますます使われている。 逆行性騙しは ドレインの検出を 20.0ポイント減らす モデルは、隠されたドレインメカニズムを正しく記述するが、契約のフレーミングを受け入れ、それを良心として無視する。
  論文  参考訳（メタデータ） (2026-09-12T18:45:24Z)
• PerceptionRubrics: Calibrating Multimodal Evaluation to Human Perception [75.70273182182397]
  PerceptionRubricsはルーブリックベースの評価フレームワークである。 飽和ベンチマークスコアと現実世界の脆さのギャップに対処する。 1,038枚のインフォメーションセンス画像と1万個以上のインスタンス固有のルーリックをペアリングする。
  論文  参考訳（メタデータ） (2026-06-26T17:59:15Z)
• Belief Consistency Between Foundation-Model Evidence and Geometric Perception in Persistent Robotic Maps [10.785975575736181]
  自律ロボットが使用する永続マップは、幾何学的知覚スタックを基本モデルチャネルに融合し、同じシーンに関する信頼性を調整せずにセマンティッククレームを生成する。 本稿では,クラスごとのコミットゲートと,クレームの時点で幾何学的チャネルに矛盾する基礎モデルクレームのコミットを拒否するコンフリクトドロップウィンドウの2つの協調機構を備えた更新演算子を提案する。
  論文  参考訳（メタデータ） (2026-05-29T19:48:51Z)
• Confidence-Aware Alignment Makes Reasoning LLMs More Reliable [65.44962502963378]
  CASPOは、トークンレベルの信頼度とステップワイドな論理的正しさを、個別の報酬モデルをトレーニングせずに整合させるフレームワークである。 推論中、信頼を意識した思考(CaT)を提案し、不確実な推論枝を無視可能なO(V)レイテンシで動的に生成する。 10のベンチマークと複数のモデルファミリでの実験では、CASPOは推論の信頼性と推論効率を一貫して改善している。
  論文  参考訳（メタデータ） (2026-05-08T07:08:25Z)
• Affordance Agent Harness: Verification-Gated Skill Orchestration [45.231685718099264]
  Affordance groundingは、オープンワールドのシーンでエージェントがどこでどのように対話すべきかを特定する必要がある。 本稿では,エビデンスストアとコストコントロールを備えたクローズドループランタイムであるAffordance Agent Harnessを提案する。
  論文  参考訳（メタデータ） (2026-05-01T13:45:16Z)
• PROXIMA: A Reliability Scoring Framework for Proxy Metrics in Online Controlled Experiments [0.0]
  PROXIMAは3つの相補的な次元の合成を通してプロキシの信頼性を評価する。 候補プロキシが起動決定を正すかどうかを直接監査する。 脆弱性分析により、レコメンデーションドメインはセグメントレベルの脆弱性がかなり高いことが分かる。
  論文  参考訳（メタデータ） (2026-04-15T19:10:53Z)
• CoRefine: Confidence-Guided Self-Refinement for Adaptive Test-Time Compute [10.548368675645403]
  CoRefineは、トークンのごく一部を使って競争精度を達成する自信誘導型自己精製法である。 コントローラはフルトレースの信頼性を消費し、停止するか、再検査するか、あるいは別のアプローチを試すかを決定する。 これをCoRefine-Treeに拡張します。これは、探索とエクスプロイトを適応的にバランスさせる、ハイブリッドなシーケンシャル並列型です。
  論文  参考訳（メタデータ） (2026-02-09T17:44:41Z)
• Do LLMs Know They Are Being Tested? Evaluation Awareness and Incentive-Sensitive Failures in GPT-OSS-20B [1.948261185683419]
  本研究では,「評価香り」がコンメンシュレート能力を得ることなく測定性能を膨らませるかどうかを考察する。 6つのペアのA/Bシナリオを実行し、タスク内容を保持し、フレーミングの異なる状態でデコードします。 再現可能なA/Bフレームワーク(バンキング、バリデータ、ラン毎のスコア、スクリプト)と実践的なガイダンスを提供する。
  論文  参考訳（メタデータ） (2025-10-08T09:49:05Z)
• Eigen-1: Adaptive Multi-Agent Refinement with Monitor-Based RAG for Scientific Reasoning [53.45095336430027]
  暗黙的な検索と構造化された協調を組み合わせた統合フレームワークを開発する。 Humanity's Last Exam (HLE) Bio/Chem Goldでは,48.3%の精度を実現している。 SuperGPQAとTRQAの結果はドメイン間の堅牢性を確認した。
  論文  参考訳（メタデータ） (2025-09-25T14:05:55Z)
• Second-Order Provable Defenses against Adversarial Attacks [63.34032156196848]
  ネットワークの固有値が有界であれば、凸最適化を用いて$l$ノルムの証明を効率的に計算できることを示す。 認証精度は5.78%,44.96%,43.19%であった。
  論文  参考訳（メタデータ） (2020-06-01T05:55:18Z)

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。