論文の概要: SkinAgent AI: A Safety-Grounded Multimodal Agentic Framework for Non-Diagnostic Skincare Support
- arxiv url: http://arxiv.org/abs/2609.29341v1
- Date: Thu, 24 Sep 2026 10:15:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-25 21:10:09.839751
- Title: SkinAgent AI: A Safety-Grounded Multimodal Agentic Framework for Non-Diagnostic Skincare Support
- Title（参考訳）: SkinAgent AI:非診断的スキンケア支援のための安全回避型マルチモーダルエージェントフレームワーク
- Abstract要約: 本研究では、視覚的関心事ルーティングとグラウンドドと監査可能なLLMベースのオーケストレーションを組み合わせた、非診断的マルチモーダルフレームワークであるSkinAgent AIを評価する。
視覚モデルの性能とシステムレベルのエージェントの挙動を別々に評価した。
有限安全性テストスイートとプライバシテストスイートでは、違反やユーザ間のリークイベントは観測されなかった。
- 参考スコア（独自算出の注目度）: 0.23301643766310373
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Consumer-facing skincare AI must coordinate visual evidence, product information, tool use, and user-facing actions within explicit evidence and safety boundaries. This study evaluates SkinAgent AI, a non-diagnostic multimodal framework that combines visual concern routing with grounded and auditable LLM-based orchestration. The architecture includes routing for Acne, Pores, and Wrinkles; photograph-based skin-type estimation; count-informed ordinal acne-severity support; typed tools; database-grounded recommendation and action functions; deterministic safety, privacy, and evidence checks; approval before state-changing actions; and structured trace and replay mechanisms. Visual-model performance and system-level agent behavior were evaluated separately. Across three seeds, the skin-condition routing model achieved 99.84% +/- 0.07% accuracy. Skin-type estimation achieved 88.85% accuracy, while count-informed acne-severity support achieved 84.59% accuracy with a quadratic weighted kappa of 0.9076. On a locked but non-independent 240-case system benchmark, intent accuracy was 80.00%, exact tool-set match was 62.92%, and strict task completion was 47.08%. No violations or successful cross-user leakage events were observed in the finite safety and privacy test suites. Tool-selection errors, incomplete grounding of product attributes, and unreliable failure fallback nevertheless remained. These findings support the feasibility of bounded, database-grounded, and traceable agent orchestration for non-diagnostic skincare assistance. They do not establish clinical readiness, external generalization, formal privacy guarantees, or universal safety. Independent validation, expert assessment, robustness and fairness testing, and prospective evaluation in real-world settings remain necessary.
- Abstract（参考訳）: 消費者向けスキンケアAIは、視覚的エビデンス、製品情報、ツールの使用、および明示的なエビデンスと安全の境界内でのユーザ向けアクションを調整する必要がある。
本研究では、視覚的関心事ルーティングとグラウンドドと監査可能なLLMベースのオーケストレーションを組み合わせた、非診断的マルチモーダルフレームワークであるSkinAgent AIを評価する。
アーキテクチャには、Acne、Pores、Wrinklesのルーティング、写真に基づくスキンタイプ推定、カウントインフォームド・オーディナル・アクシシティのサポート、型付けされたツール、データベースで構築されたレコメンデーションとアクション機能、決定論的安全性、プライバシ、エビデンスチェック、状態変更前の承認、構造化されたトレースとリプレイメカニズムが含まれる。
視覚モデルの性能とシステムレベルのエージェントの挙動を別々に評価した。
3つの種にまたがって、皮膚条件ルーティングモデルは99.84%+/-0.07%の精度を達成した。
皮膚型推定は88.85%の精度を達成し、カウントインフォームドアシバーティサポートは2次重み付きカッパ0.9076で84.59%の精度を達成した。
ロックされているが非独立な240ケースシステムベンチマークでは、意図的精度は80.00%、正確なツールセットマッチは62.92%、厳密なタスク完了は47.08%であった。
有限安全性テストスイートとプライバシテストスイートでは、違反やユーザ間のリークイベントは観測されなかった。
ツール選択のエラー、製品属性の不完全な根拠、信頼できない失敗のフォールバックは、それでも残っている。
これらの知見は,非診断的スキンケア支援のための,境界,データベース接地およびトレース可能なエージェントオーケストレーションの実現性を支持する。
彼らは臨床の即応性、外部の一般化、正式なプライバシー保証、普遍的な安全を確立していない。
独立した検証、専門家の評価、堅牢性と公正性テスト、および現実の環境での予測評価は依然として必要である。
関連論文リスト
- ADeptS-Bench: Measuring the Trustworthiness of Computer Use Agents Across Devices [48.36933831982682]
我々はADEPTS機能フレームワークを基盤とした信頼性ベンチマークであるADeptS-Benchを紹介する。
Safetyストリームは、視覚インターフェースに埋め込まれた脅威を伴うペアの良心/悪意のあるタスクを提供する。
曖昧さストリームは、意図が曖昧である場合、エージェントが明確化を求めるかどうかを評価する。
論文 参考訳（メタデータ） (2026-08-25T23:21:57Z) - MediSkill-Evo: Process-Constrained Self-Evolution for Evidence-Grounded Clinical Interaction [8.036967404810378]
バックボーンを微調整することなくプロセス知識を自己進化させるメディスキル・エボを紹介する。
Qwen FullChainでは、メディスキル・エボは診断精度を7.81%改善し、最も優れた先行剤よりも70.67%向上した。
マルチモーダルNEJM診断において、オプションのMedSkill-Evoは診断精度を2.56%、コアスコアを18.96%向上させる。
論文 参考訳（メタデータ） (2026-08-24T15:45:26Z) - RISED: A Pre-Deployment Safety Evaluation Framework for Clinical AI Decision-Support Systems [0.0]
本稿では,信頼性,指数性,感度,等価性,展開性に関する5次元事前デプロイ評価を提案する。
RISEDはオープンソースのPythonパッケージとしてリリースされ、既存の臨床AIレポート標準の量的検証を提供する。
論文 参考訳（メタデータ） (2026-05-13T02:17:13Z) - Claw-Eval: Toward Trustworthy Evaluation of Autonomous Agents [66.97968363332465]
エージェントベンチマークの3つのギャップに対処するエンドツーエンド評価スイートであるClaw-Evalを紹介した。
Claw-Evalは3つのグループにまたがる9つのカテゴリにまたがる300の人間検証タスクで構成されている。
すべてのエージェントアクションは、3つの独立したエビデンスチャネルを通じて記録される。
論文 参考訳（メタデータ） (2026-04-07T17:43:18Z) - Automated Self-Testing as a Quality Gate: Evidence-Driven Release Management for LLM Applications [51.56484100374058]
我々は,エビデンスに基づくリリース決定を伴う品質ゲートを導入する自動自己テストフレームワークを提案する。
内部展開型多エージェント対話型AIシステムの縦型ケーススタディにより,本フレームワークの評価を行った。
論文 参考訳（メタデータ） (2026-03-13T20:44:15Z) - DrawingBench: Evaluating Spatial Reasoning and UI Interaction Capabilities of Large Language Models through Mouse-Based Drawing Tasks [10.977990951788422]
DrawingBenchはエージェントLLMの信頼性を評価するための検証フレームワークである。
我々のフレームワークは、20のカテゴリに250の多様なプロンプトと4つの難易度から構成されている。
我々は1000回の試験で4つの最先端LCMを評価した。
論文 参考訳（メタデータ） (2025-12-01T01:18:21Z) - Beyond Benchmarks: Dynamic, Automatic And Systematic Red-Teaming Agents For Trustworthy Medical Language Models [87.66870367661342]
大規模言語モデル(LLM)は、医療におけるAIアプリケーションで使用される。
LLMを継続的にストレステストするレッドチームフレームワークは、4つのセーフティクリティカルなドメインで重大な弱点を明らかにすることができる。
敵エージェントのスイートは、自律的に変化するテストケースに適用され、安全でないトリガー戦略を特定し、評価する。
私たちのフレームワークは、進化可能でスケーラブルで信頼性の高い、次世代の医療AIのセーフガードを提供します。
論文 参考訳（メタデータ） (2025-07-30T08:44:22Z) - Accessible, At-Home Detection of Parkinson's Disease via Multi-task Video Analysis [3.1851272788128644]
既存のAIベースのパーキンソン病検出方法は、主にモータや音声タスクの単調な分析に焦点を当てている。
本稿では,このマルチモーダルデータを利用して診断精度を向上させる不確実性校正核融合ネットワーク(UFNet)を提案する。
UFNetは、精度、ORC曲線下(AUROC)の面積、非隣接特異性を維持しながら感度において、シングルタスクモデルよりも優れていた。
論文 参考訳（メタデータ） (2024-06-21T04:02:19Z) - Conservative Prediction via Data-Driven Confidence Minimization [70.93946578046003]
機械学習の安全性クリティカルな応用においては、モデルが保守的であることが望ましいことが多い。
本研究では,不確実性データセットに対する信頼性を最小化するデータ駆動信頼性最小化フレームワークを提案する。
論文 参考訳（メタデータ） (2023-06-08T07:05:36Z) - U-PASS: an Uncertainty-guided deep learning Pipeline for Automated Sleep
Staging [61.6346401960268]
プロセスの各段階で不確実性推定を組み込んだ臨床応用に適した,U-PASSと呼ばれる機械学習パイプラインを提案する。
不確実性誘導型ディープラーニングパイプラインを睡眠ステージングの困難な問題に適用し、各ステージにおけるパフォーマンスを体系的に改善することを示す。
論文 参考訳（メタデータ） (2023-06-07T08:27:36Z)
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。