論文の概要: ViCoR: Reliable Molecular Structure Extraction via Spatially Aligned Verification and Executable Revision
- arxiv url: http://arxiv.org/abs/2609.33603v1
- Date: Sun, 27 Sep 2026 14:18:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-05 15:25:20.699538
- Title: ViCoR: Reliable Molecular Structure Extraction via Spatially Aligned Verification and Executable Revision
- Title（参考訳）: ViCoR:空間配向検証と実行可能リビジョンによる信頼性の高い分子構造抽出
- Abstract要約: ViCoRは、反復的なVerIfiCatiOnとRevisionの修正前リジェクションフレームワークである。
実際の2つのOCSRベンチマークでは、ViCoRは全体の精度を73.53%から88.26%に改善し、61.83%から84.32%に改善した。
- 参考スコア（独自算出の注目度）: 13.16109491920264
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Reliable optical chemical structure recognition (OCSR) is essential for building high-quality chemical data from scientific literature, yet even small recognition errors can propagate into chemical databases and downstream models. In practice, recognized structures often require manual inspection and correction before use, making large-scale data curation costly and difficult to scale. We therefore study Selective Structure Recognition (SSR), a post-recognition setting that automatically produces reliable structured outputs while rejecting unresolved cases. Selection-only approaches can improve reliability by rejection, but cannot create additional correct outputs beyond those produced by the base recognizer. We propose ViCoR, a repair-before-rejection framework for iterative VerIfiCatiOn and Revision. Its key idea is to make observation-prediction correspondence explicit: coordinate-preserving rendering establishes spatial correspondence between the source image and predicted structure, while index anchoring maps localized visual discrepancies to executable graph edits without full-structure regeneration. A shared VLM is progressively trained from verification to revision. On two real-world OCSR benchmarks, ViCoR improves overall accuracy from 73.53\% to 88.26\% and from 61.83\% to 84.32\%, while achieving over 97\% accepted accuracy at 85--89\% coverage. The resulting molecular data further improve reaction-extraction F1 by 15.5 points and literature-sourced reaction prediction accuracy by 7.7 and 5.8 points, demonstrating the value of automated reliability control for scientific data curation and downstream chemical learning.
- Abstract（参考訳）: 信頼性の高い光学化学構造認識(OCSR)は、科学的文献から高品質な化学データを構築するのに不可欠であるが、小さな認識誤差でさえ化学データベースや下流モデルに伝播することがある。
実際には、認識された構造は使用前に手動の検査と修正を必要とすることが多く、大規模なデータキュレーションはコストがかかり、スケールが困難である。
そこで我々は,未解決事例を拒否しながら,信頼性の高い構造化出力を自動生成する認識後設定である選択構造認識(SSR)について検討した。
選択のみのアプローチは、リジェクションによって信頼性を向上させることができるが、ベース認識器によって生成されるもの以上の正しい出力を生成することはできない。
We propose ViCoR, a repair-before-rejection framework for Iterative VerIfiCatiOn and Revision。
座標保存レンダリングは、ソースイメージと予測された構造の間の空間的対応を確立する一方、インデックスアンカーは、全構造を再生することなく、局所化された視覚的不一致を実行可能なグラフ編集にマップする。
共有VLMは、検証から修正まで段階的に訓練される。
実際の2つのOCSRベンチマークでは、ViCoRは全体の精度を73.53\%から88.26\%に改善し、61.83\%から84.32\%に改善した。
得られた分子データは、さらにF1を15.5ポイント改善し、文献由来の反応予測精度を7.7および5.8ポイント向上させ、科学的データキュレーションおよび下流化学学習のための自動信頼性制御の価値を実証する。
関連論文リスト
- Consistent Relexicalization of Clinical Documents using Graph-Based Approach [6.665274769353613]
G-RELIC (Graph Based Contextual Relexicalization with Improved Consistency) を導入し、構造的整合性、関係的コヒーレンス、変換時の時間的整合性を維持する。
G-RELICは、元のエンティティと代理エンティティの1対1対応を最適化するグラフベースのマッピング機構を実装している。
また、時間的一貫性を維持するための決定論的時間的配置アルゴリズムも導入している。
論文 参考訳（メタデータ） (2026-09-18T06:56:40Z) - IdeaAMBIG: Benchmarking Implementation-Critical Gaps in Research-Idea Specifications [52.570108663867046]
研究のアイデアは、新しく、一貫性があり、科学的に妥当であるが、その提案された手法は、忠実な実装のために不十分に指定されている。
提案手法は,実装を対象とする研究手法仕様の体系化の可否を,有能な実装者やコーディングエージェントに十分な方法論的情報を提供して,前提条件を満たさずに目的とする手法を構築することができるかを検討する。
IdeaAMBIGは660のエビデンス基底インスタンスのベンチマークで、レポートとGitHubの問題から163の現実世界のギャップと、コーディフィケーション対応のリファレンスに注入される合成ギャップを497のコントロールで管理する。
論文 参考訳（メタデータ） (2026-09-09T17:59:04Z) - R2VC: Modular Fact-Checking with Retrieval, Verification, and Confidence Calibration [0.0]
R2VCは、証拠を根拠とした事実チェックのためのモジュラー検索、理由、検証、アーキテクチャのキャリブレーションである。
FEVERでは、R2VCの8Bバックボーンはベースラインよりも13.74%高い精度を実現している。
論文 参考訳（メタデータ） (2026-08-06T03:35:05Z) - Conformal Changepoint Localization and Root Cause Analysis with Corrupted Observations [55.76952683833966]
本稿では,データ破損時の信頼性設定サイズを低減するために,重み付きCONCH(W-CONCH)と重み付きCROC(W-CROC)を提案する。
画像ベースおよび実世界の変化点と根本原因ベンチマークの実験は、不確実性ベースの重み付けが信頼性セットのサイズを大幅に減少させることを示している。
論文 参考訳（メタデータ） (2026-07-29T05:16:59Z) - ELECTRIC: Evidential Learning-Enhanced CT Reconstruction via Iterative Correction [7.5571037918649155]
ELECTRIC (Evidential Learning-Enhanced CT Reconstruction via Iterative Correction) は物理誘導型ベイズ式である。
留置した患者では、学習前の平均値により、フィルタされた後方投射と比較して、約70%の再現誤差が減少する。
物理誘導された更新は測定一貫性を回復し、適応精度の復元は予め調整されたバリデーションを超える。
論文 参考訳（メタデータ） (2026-07-27T16:47:52Z) - Automating Formal Verification with Reinforcement Learning and Recursive Inference [0.0]
我々はダフニーで検証可能な報酬(RLVR)と検証者誘導推論時間探索を用いてオープンソースモデルを訓練する。
固定ベースモデルでは、証明修正器を備えた完全な足場は、直接修理中の初期VeriCodingパイロットセットのパスレートを46.2%から69.2%に改善する。
Rust $texttcurve25519-dalek$検証プロジェクトから派生した,レポジトリスケールのLeanベンチマークであるDalek-Benchについても紹介します。
論文 参考訳（メタデータ） (2026-05-29T06:59:28Z) - Discovery of Hidden Miscalibration Regimes [52.452902154360565]
モデルは何らかの入力を体系的に過信し、他人を過信することがある。
対応する誤校正分野を定義し,それを推定するための診断フレームワークを提案する。
提案手法は,入力空間のキャリブレーションを意識した表現を学習し,学習幾何学におけるカーネルの平滑化による符号付き局所的誤校正を推定する。
論文 参考訳（メタデータ） (2026-05-13T13:07:50Z) - Correct Answers from Sound Reasoning: Verifiable Process Supervision for Language Models [94.68358825189738]
本稿では,予測精度と推論品質を協調的に最適化する検証済み領域の学習後フレームワークを提案する。
我々は,エンジン信号に対して推論ステップを確定的に検証できる制御テストベッドであるチェスのVPSを評価する。
VPSは、推論品質を著しく向上させながら精度を保ち、勝利率エラーを最大30%削減し、一貫性をほぼ飽和状態に回復する。
論文 参考訳（メタデータ） (2026-04-03T15:19:46Z) - LVLMs as inspectors: an agentic framework for category-level structural defect annotation [3.2445985501669434]
エージェントベースの新しいエージェントアノテーションフレームワークであるDefect Pattern Taggerが導入された。
これはLVLM(Large Vision-Language Models)とセマンティックパターンマッチングモジュールと反復的な自己探索機構を統合している。
生の視覚データを高品質でセマンティックにラベル付けされた欠陥データセットに変換する。
論文 参考訳（メタデータ） (2025-10-01T07:31:42Z) - Revisiting Multivariate Time Series Forecasting with Missing Values [65.30332997607141]
現実の時系列では欠落値が一般的である。
現在のアプローチでは、計算モジュールを使用して、不足した値を補う、計算済みの予測フレームワークが開発されている。
このフレームワークは、致命的な問題を見落としている: 欠落した値に対して基礎的な真理は存在せず、予測精度を劣化させる可能性のあるエラーの影響を受けやすいようにしている。
本稿では,Information Bottleneck原則に基づく新しいフレームワークであるConsistency-Regularized Information Bottleneck(CRIB)を紹介する。
論文 参考訳（メタデータ） (2025-09-27T20:57:48Z)
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。