論文の概要: KinyaMed: Seeds, Not Rows -- What a Corpus Requirement Written in the Wrong Unit Fails to Constrain

• arxiv url: http://arxiv.org/abs/2609.32234v1
• Date: Sat, 26 Sep 2026 04:50:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-07 18:41:30.167982
• Title: KinyaMed: Seeds, Not Rows -- What a Corpus Requirement Written in the Wrong Unit Fails to Constrain
• Title（参考訳）: キナヤメド:穀物ではなく種子-不作為の企業要求は抑止力に欠ける
• Abstract要約: 我々は患者声の緊急分類器Kinyarwandaを構築した。 私たちの仕様は、安全を意図したものを何一つ作らずに満たすことができたのです。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Triage decides who is seen first. Building an urgency classifier for patient-voice Kinyarwanda, we found our specification could be met without producing anything it was meant to secure. We report that, and the instruments that detect it, instead of a classifier. Designed for the four languages a Rwandan health centre receives, with every instrument per-language: sentences are authored in all four arms and rows generate in one, because the frame slots those three need do not exist. Our requirement asked for one million examples; generation produced them in 130 seconds. It fails four of the nine quality gates in that specification, six when rows are attributed to their source sentence. The binding gate counts distinct authored seed phrases, not rows: at our 165, no corpus passes at any row count. Two shortfalls follow and differ: 2,835 further sentences to pass the seed-count gate, 19,835 to reach the stated million rows, because a separate gate caps a seed at 50 rows. Rows come from a machine at 7,700 per second; seeds from clinicians. A row count constrains the cheap quantity, leaves the expensive one free, and so does not constrain quality at all. Two further negatives follow. An evaluation set of 17,942 rows built from nine distinct sentences supports no verdict: our gate, which counts distinct sentences, refuses 38 of its cells and reports nothing. A model trained on a corpus of uniform surface form changes its predicted urgency for 31.5% of inputs under capitalisation and 21.0% under a single typo, reported as measurement and not attribution. A model directory shipped without its tokenizer loads without error and answers its class prior on input it cannot read, with well-formed probabilities. No figure here is evidence of model quality; the contribution is the apparatus and the negative results it produced, reproducible from a clean clone except where marked NOT REPRODUCIBLE.
• Abstract（参考訳）: トリアージは誰が最初に見えるかを決める。 Kinyarwanda の緊急分類器を構築することで,セキュアなものは生成することなく,仕様書を満足できることが分かった。 我々はそれを報告し、それを検出する機器は分類器ではなく分類器である。 ルワンダの保健センターが受信する4つの言語のために設計され、すべての楽器が言語ごとに入力される: 文は4つのアームで作成され、行は1つに生成される。 私たちの要求は100万のサンプルを求め、生成は130秒で生成しました。 この仕様では、9つの品質ゲートのうち4つがフェールします。 バインディングゲートは、行ではなく、異なる許可されたシードフレーズをカウントします。 さらに2,835文がシードカウントゲートを通過し、19,835文が100万行に到達した。 牛は1秒間に7700個の機械から来る。 行数は安価な量を制限し、高価なものを無料にして、品質をまったく制約しない。 さらに2つの否定が続く。 9つの異なる文から構築された17,942行の評価セットは、評決を支持しない:我々のゲートは、異なる文を数え、38のセルを拒絶し、何も報告しない。 均一表面形状のコーパスで訓練されたモデルは、資本化時の入力の31.5%と1つのタイプで21.0%と予測緊急度を変化させる。 トークンを使わずに出荷されるモデルディレクトリは、エラーなしにロードされ、読み取れない入力でそのクラスに答える。 ここではモデルの品質の証拠は存在せず、その貢献は、それが生成した装置と負の結果であり、NOT REPRODUCIBLEのマークがある以外は、クリーンクローンから再現可能である。

関連論文リスト

• ufakzeka-1: Building and Evaluating a 151M-Parameter Turkish Language Model from Scratch [0.0]
  ufakzeka-1 は 151M-パラメータ (182M) で、デコーダのみのトルコ語モデルで13.5B のトークンでスクラッチから事前訓練された。 1ワードあたり1.77トークンのトルコのバイトレベルのトークンライザ、3段階の事前訓練スケジュール、オープンライセンスと生成されたデータのトレーニング後の混合、リリースゲートの評価バッテリ、ルールチェックによる5,508の会話、判断された会話と手動テスト、これらはすべてトレーニングデータから保持されたプロンプトで、データビルド内とチェック--によって強制される。
  論文  参考訳（メタデータ） (2026-09-18T20:33:02Z)
• Agora: Git as Shared Memory for Collective AutoResearch [54.31992252587096]
  別々のセッションで作業する調査エージェントは、他の人が試したことと、構築可能な結果を知る必要がある。 各コミットは結果、洞察、仮説、検証、報告を記録し、それを以前の作業とリンクする。 約12日間に渡り,13人の言語モデル労働者がアゴラを重み移動問題の解決に利用したことを報告した。
  論文  参考訳（メタデータ） (2026-09-16T04:00:54Z)
• MedQA-MM: Shortcuts Behind Medical Visual Reasoning [45.333881843709804]
  ベンチマークスコアは最終回答を信用するが、アイテムが答えられるルートではない。 医用マルチモーダル多重選択質問(MCQ)では、適切な回答が意図された画像発見によって支持されるため、この区別が重要である。 ここでは、ルートは、モデルの隠れた認識に関するクレームではなく、回答の選択をサポートすることができる観測可能な入力パスである。
  論文  参考訳（メタデータ） (2026-09-03T01:40:19Z)
• What a Cross-Model Fixed-Point Census Can and Cannot Arbitrate About Repetition [0.0]
  ニューラルテキストデジェネレーションの2つの説明が共存する。トレーニングデータの原因を特定する。 トレーニングされたネットワーク内のもう1つは、回路のコピーと繰り返し機能である。 我々は異なる通貨で観測的な測定を報告する。
  論文  参考訳（メタデータ） (2026-08-24T18:08:36Z)
• Similarity Gates Approve Reversals: A Validity Audit of Embedding-Cosine Thresholds in Agent Systems [0.0]
  エージェントフレームワークは、テキストブロックを埋め込みコサインの類似性によって比較し、固定されたカットオフを決定する品質ゲートを出荷する。 重複フィルタ、セマンティックキャッシュ、ドリフトガード、応答グレーダゲートは、質問に答えるために配置されます。 我々はこのゲートクラスを測定器として監査する。
  論文  参考訳（メタデータ） (2026-08-10T20:36:40Z)
• One Recipe, Many Harnesses: What Self-Evolution Encodes Across Languages and Models [46.83445434865936]
  自己進化型ハーネスは、エージェントが自身のロールアウトを検査し、プロンプト、ツール、メモリを編集するクローズドループシステムである。 ベンチマーク固有の適応、言語固有のエンジニアリング知識、あるいは基礎となるモデルの制限に対する補償をエンコードしているかどうかは不明だ。
  論文  参考訳（メタデータ） (2026-08-10T19:45:45Z)
• Metadata Reconstruction from Values Alone: Recovering Column Semantics in Undocumented Warehouses [0.0]
  Rosettaはデータ自体から列と値の意味を検索する。 盲目のi2b2臨床倉庫では、ロゼッタは値だけで134の実際のICD-9符号の95.5%をデコードしている。
  論文  参考訳（メタデータ） (2026-08-08T06:12:18Z)
• Abliteration Is Not a Scalpel: Off-Target Effects of Refusal Removal on Decision Disposition Across Model Families [51.56484100374058]
  放棄 — モデルの拒絶方向を重みから取り除く — は、一般的な"アンセンソルド"なオープンウェイトモデルの標準的なレシピである。 ディスポジションプローブとして21,600個の決定を不確実性の下で使用し、凍結パイプラインを通じて再生することにより、決定層モデルが唯一の変数となる。 3つのエフェクトは2つのファミリーにまたがって複製される(ゼロを除く週間クラスターCI) 4つ目の効果は符号を逆転する:同じ操作によりGemmaで読み取られた方が自信が弱まり、Qwenで読み取られたものがより多くなる(ファミリーCIは重複しない)。
  論文  参考訳（メタデータ） (2026-07-19T22:27:00Z)
• Catching One in Five: LLM-as-Judge Blind Spots in Production Multi-Turn Transaction Agents [45.148328075418156]
  デプロイされた多ターン食品・飲料注文エージェントについて検討し,実際の品質問題の数を測定した。 私たちの盲点分類は、失敗はランダムではなく構造化されていることを示している。 プロダクションマルチターンエージェントでは、自動判断はリグレッションフロアであり、人間のレビューの代わりにはならない。
  論文  参考訳（メタデータ） (2026-06-09T02:11:01Z)
• The Right Answer, the Wrong Direction: Why Transformers Fail at Counting and How to Fix It [0.0]
  大規模言語モデルは、たとえカウントすべきアイテムがプロンプトに明示的に存在しているとしても、単純なカウントタスクで失敗することが多い。 この失敗は、変換器が内部的にカウントを表現しないためなのか、あるいはそれらの表現を正しい出力トークンに変換することができないためなのかを考察する。 線形プローブは、中間層からほぼ完全な精度で正しいカウントを復元する。
  論文  参考訳（メタデータ） (2026-05-05T01:13:06Z)
• Generating Sequences by Learning to Self-Correct [64.0249217590888]
  自己補正(Self-Correction)は、不完全な世代を反復的に修正する独立した修正器から不完全なベースジェネレータを分離する。 本稿では,3つの多種多様なタスクにおいて,自己補正がベースジェネレータを改善することを示す。
  論文  参考訳（メタデータ） (2022-10-31T18:09:51Z)

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。