論文の概要: Adapt Semantics, Not Structure: Few-Instance Schema Calibration for Scientific PDF Extraction
- arxiv url: http://arxiv.org/abs/2609.34841v1
- Date: Mon, 28 Sep 2026 10:39:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-03 02:22:06.251159
- Title: Adapt Semantics, Not Structure: Few-Instance Schema Calibration for Scientific PDF Extraction
- Title（参考訳）: 構造ではなくセマンティクスに適応する: 科学的PDF抽出のためのいくつかのケース・スキーマ・キャリブレーション
- Abstract要約: 我々は、注釈付き文書からプロンプトとセマンティック記述を校正する意味抽出フレームワークCPSEを紹介する。
専門家によるアノテートされたポリマー科学文書では、CPSEは実行マッチングベースライン上で9.93ポイントの抽出を改善する。
- 参考スコア（独自算出の注目度）: 20.584669377401102
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A well-designed extraction schema is not necessarily ready for reliable LLM execution. When only limited verified extractions are available, manually tuning hundreds of field definitions through trial and error is costly. We frame this problem as few-instance schema calibration: adapting the operational semantics of an existing schema from a few annotated documents while preserving its structural contract. We introduce CPSE, a contract-preserving semantic extraction framework that jointly calibrates extraction prompts and field-level semantic descriptions from a few gold annotations. CPSE decomposes the schema into an invariant structural contract and mutable field semantics, and further separates identity discovery from record completion using manifest-conditioned resolution. On expert-annotated polymer-science documents, CPSE improves extraction by 9.93 points over an execution-matched baseline, with consistent gains under an independent judge and in a blinded expert audit. These results show that CPSE enables low-resource schema execution while preserving the output structure required downstream.
- Abstract（参考訳）: 適切に設計された抽出スキーマは、必ずしも信頼できるLLM実行の準備が整っていない。
限られた検証された抽出しかできない場合、試行錯誤によって数百のフィールド定義を手動で調整するのはコストがかかる。
私たちは、この問題を、いくつかの注釈付きドキュメントから既存のスキーマの操作意味を適応させながら、構造的契約を保ちながら、最小インスタンスのスキーマキャリブレーションとして捉えています。
契約保存型セマンティック抽出フレームワークであるCPSEを導入し、いくつかのゴールドアノテーションから抽出プロンプトとフィールドレベルのセマンティック記述を共同で校正する。
CPSEはスキーマを不変構造契約と可変フィールドセマンティクスに分解し、さらにマニフェスト条件付き解決法を用いてID発見とレコード完了を分離する。
専門家によるアノテートされたポリマー科学文書では、CPSEは、実行整合ベースライン上の9.93ポイントの抽出を改善し、独立した裁判官と盲目の専門家監査の下で一貫した利得を得る。
これらの結果から,CPSEは下流で必要となる出力構造を保ちながら,低リソースのスキーマ実行を可能にすることがわかった。
関連論文リスト
- Enoki: Efficient Multi-Level Hallucination Detection [48.671558015589575]
本研究では,幻覚検出のためのオープン情報抽出フレームワークであるEnokiを提案する。
エノキは、テキストアンコールされた関係事実を抽出し、証拠に対して証拠を検証し、幻覚したスパンへのプロジェクトサポートされた事実を復元する。
本研究では,エノキが資源の少ないにもかかわらず,強力なクレームレベルのシステムと競合し続けていることを示し,細粒度スパンおよびエンティティレベルのローカライゼーションにおいて優れた性能を発揮することを示す。
論文 参考訳（メタデータ） (2026-09-01T02:21:28Z) - Structuring Semantic Embeddings for Principle Evaluation: A Prototype-Guided Contrastive Learning Approach [58.15427952222424]
汎用的なテキスト埋め込みはそのようなタスクに広くデプロイされているが、意味的類似性は意味的に似ているがタスク固有の例を示すことができる。
本稿では,凍結したテキスト埋め込み上に構築された幾何正規化モジュールであるPGCL(Prototype-Guided Contrastive Learning)を紹介する。
論文 参考訳（メタデータ） (2026-08-15T13:19:25Z) - Empirical Study for Structured Output Control in LLMs for Software Engineering [13.096361151631427]
期待されるフォーマットに反する意味論的に正しい出力は、システムの観点から、間違った答えと区別できないものである。
本報告では,4つのSEタスクにまたがる構造的信頼性の体系的評価を行う。
LLM駆動誤差における構造的忠実度と意味的正しさを両立させるアプローチの必要性を強調した。
論文 参考訳（メタデータ） (2026-06-08T12:13:58Z) - RaV-IDP: A Reconstruction-as-Validation Framework for Faithful Intelligent Document Processing [0.0]
Restructation as Validation (RaV-IDP)は、第一級アーキテクチャコンポーネントとして再構築を導入するドキュメント処理パイプラインである。
専用再構成器は、抽出した表現を元の文書領域に匹敵する形式に戻す。
忠実度がエンタリティ型閾値以下になると、構造化されたGPT-4.1ビジョンフォールバックがトリガーされ、検証ループが繰り返される。
論文 参考訳（メタデータ） (2026-04-26T10:26:42Z) - Job Skill Extraction via LLM-Centric Multi-Module Framework [51.37063712967151]
本稿では,意味検索,文脈内学習,教師付き微調整を組み合わせたLLM中心のフレームワークであるSRICLを提案する。
SRICLは、6つの公的なスパンラベル付きジョブアド文のコーパスにおいて、GPT-3.5よりも相当なSTRICT-F1の改善を達成し、ベースラインを加速し、無効なタグと幻覚したスパンを激減する。
論文 参考訳（メタデータ） (2026-04-23T10:46:07Z) - Parser-Oriented Structural Refinement for a Stable Layout Interface in Document Parsing [23.497081928689525]
インターフェースを安定させるために,DETR型検出器とインターフェースの間に軽量な構造改善ステージを導入する。
原検出出力をコンパクトな仮説プールとして扱うことで、提案モジュールは、クエリ機能、セマンティックキュー、ボックス幾何学、視覚的エビデンスに関するセットレベル推論を行う。
共有された構造状態から、インスタンスの保持を共同で決定し、ボックスのローカライゼーションを洗練し、ハンドオフ前に入力順序を予測する。
提案手法はページレベルのレイアウト品質を常に改善することを示す。
論文 参考訳（メタデータ） (2026-04-03T03:36:36Z) - Diagnosing Structural Failures in LLM-Based Evidence Extraction for Meta-Analysis [0.8193467416247519]
レビューとメタ分析は、物語を構造化され、数値化された研究記録に変換することに頼っている。
大規模言語モデル(LLM)の急速な進歩にもかかわらず、このプロセスの構造的要件を満たすことができるかどうかは不明だ。
本稿では,LLMに基づくエビデンス抽出をスキーマ制約クエリの進行として評価する構造的診断フレームワークを提案する。
論文 参考訳（メタデータ） (2026-02-11T14:09:43Z) - From Chaos to Clarity: Schema-Constrained AI for Auditable Biomedical Evidence Extraction from Full-Text PDFs [2.136797327390818]
既存のドキュメントAIシステムは、OCRエラー、長期文書の断片化、制限されたスループット、ハイテイク合成のための監査性に制限されている。
本稿では,フルテキストのバイオメディカルPDFを構造化された解析可能なレコードに変換する,スキーマ制約付きAI抽出システムを提案する。
論文 参考訳（メタデータ） (2025-12-31T00:43:53Z) - Beyond Isolated Dots: Benchmarking Structured Table Construction as Deep Knowledge Extraction [80.88654868264645]
Arranged and Organized extract Benchmarkは、断片化された文書を理解するための大規模言語モデルの能力を評価するために設計された。
AOEには3つの異なるドメインにまたがる11のタスクが含まれており、さまざまな入力クエリに適したコンテキスト固有のスキーマを生成するモデルが必要である。
結果は、最も先進的なモデルでさえ、かなり苦労したことを示している。
論文 参考訳（メタデータ） (2025-07-22T06:37:51Z)
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。