論文の概要: CRASM-Gate: Deterministic-First Constraint- and Role-Aware Semantic Mapping with Selective Model Assistance Across Heterogeneous Industrial Standards
- arxiv url: http://arxiv.org/abs/2609.37458v1
- Date: Fri, 25 Sep 2026 21:28:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-30 21:28:47.511004
- Title: CRASM-Gate: Deterministic-First Constraint- and Role-Aware Semantic Mapping with Selective Model Assistance Across Heterogeneous Industrial Standards
- Title（参考訳）: CRASM-Gate: 決定論的第一制約とロールアウェアセマンティックマッピング
- Abstract要約: 本稿では、決定論的制約とロール認識のセマンティックマッピング手法であるCRASMと、その選択的モデル支援拡張であるCRASM-Gateについて述べる。
このフレームワークは、標準固有の正準化、有界検索、決定論的ルール、目的地-逆オリジンの役割解釈、意味と構造的ランク付け、あいまいさの拒絶、目的の検証を分離する。
制御されたアーティファクトは、6つの産業標準ペア、3つの困難レベル、10の構成を含み、14,400のサンプルレベルの決定をもたらす。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Industrial standards often encode the same engineering concept through incompatible hierarchies, identifiers, roles, and structural constraints, so the nearest lexical or embedding match can still be technically inadmissible. This article presents CRASM, a deterministic constraint- and role-aware semantic mapping method, and CRASM-Gate, its selectively model-assisted extension. The framework separates standard-specific canonicalization, bounded retrieval, deterministic rules, destination-versus-origin role interpretation, semantic and structural ranking, ambiguity refusal, and target validation. CRASM-Gate adds a confidence/disagreement gate that may invoke a candidate-constrained large language model, while final authority remains with deterministic validation. A controlled artifact covers six directed industrial-standard pairs, three difficulty levels, and ten configurations, yielding 14,400 sample-level decisions. With a fixed local model endpoint, CRASM-Gate reaches mean F1 0.9938 and an implemented structural-validity rate of 1.0000; deterministic CRASM reaches 0.9931 without generative-model calls; and the model-only baseline reaches 0.5347. Relative to the model-only baseline, CRASM reduces top-1 errors from 670 to 10 while exhibiting 0.0688 s/sample rather than 24.5263 s/sample observed latency. CRASM-Gate improves CRASM by one additional correct decision out of 1,440, with observed latency increasing to 15.7666 s/sample. The results support a deterministic-first interoperability architecture in which model assistance is optional, measurable, candidate-bounded, and unable to bypass structural validation.
- Abstract（参考訳）: 産業標準はしばしば、非互換な階層、識別子、役割、構造的制約を通じて同じエンジニアリング概念を符号化するので、最も近い語彙または埋め込みマッチは技術的に許容できない。
本稿では、決定論的制約とロール認識のセマンティックマッピング手法であるCRASMと、その選択的モデル支援拡張であるCRASM-Gateについて述べる。
このフレームワークは、標準固有の正準化、有界検索、決定論的ルール、目的地-逆オリジンの役割解釈、意味と構造的ランク付け、あいまいさの拒絶、目的の検証を分離する。
CRASM-Gateは、候補制約付き大規模言語モデルを呼び出すことができる信頼/差別ゲートを追加し、最終的な権限は決定論的検証のままである。
制御されたアーティファクトは、6つの産業標準ペア、3つの困難レベル、10の構成を含み、14,400のサンプルレベルの決定をもたらす。
固定されたローカルモデルエンドポイントでは、CRASM-Gateは平均F1 0.9938、実装された構造値率1.0000に達し、決定論的CRASMは生成モデルコールなしで0.9931に達し、モデルのみのベースラインは0.5347に達する。
モデルのみのベースラインとは対照的に、CRASMはトップ1エラーを670から10に減らし、24.5263秒/サンプルではなく0.0688秒/サンプルを表示する。
CRASM-GateはCRASMを1,440から1つ改善し、レイテンシは15.7666秒/サンプルに向上した。
結果は、モデルアシストが任意で、測定可能で、候補境界があり、構造検証をバイパスできない決定論的第一の相互運用性アーキテクチャをサポートする。
関連論文リスト
- From Routing Signals to Selective Review: Visual regrounding in MoE VLMs [48.07726955428853]
視覚言語モデル(VLM)は偽の視覚的前提を受け入れ、対象の物体の色、数、位置、状態について疑問に答える。
本稿では,Mixture-of-Experts (MoE)VLMにおける内部ルーティング決定を活用するための最初のフレームワークを提案する。
提案手法は,MoE VLMによってすでに作成されており,低コストな検出と選択的な視覚的リグラウンドを支援することができる。
論文 参考訳（メタデータ） (2026-09-29T17:49:07Z) - SemVerBench: Benchmarking LLM Comprehension of Version-Constraint Resolution Semantics [15.233613140316791]
SemVerBenchは、3つのエコシステムにわたるバージョン制約解決セマンティクスの最初のベンチマークである。
6つのフロンティアモデルを評価し,統計的に有意な自己評価は得られなかった。
タスクが検証可能で、100%正しいリゾルバが存在するため、ツールデリゲートは100%に達する。
論文 参考訳（メタデータ） (2026-09-10T07:34:44Z) - Constraint-Guided Enterprise Data Mapping with Large Language Models [0.25453602861405583]
i) メタデータmc = tau_c, delta_c>, (ii) カスケード緩和による制約制約付き候補生成により, 雑音下での空でない実現可能な集合を保証し, (iii) 有界な曖昧性を持つニューラルネットワークのランク付けを行う。
方法論的には、制約はポストホックのバリデータではなく仮説空間演算子として機能し、緩和の下で制御された劣化と、監査可能な人間の誘導可能な決定を可能にする。
論文 参考訳（メタデータ） (2026-08-25T08:23:45Z) - Measuring What a Specification Determines: A Formal Semantic-Block Model and an Execution-Judged Benchmark [0.0]
本研究では,仕様の形式的セマンティックブロックモデルと,仕様品質を評価するための実行基準ベンチマークを導入する。
仕様は、セマンティックブロック、依存関係の関係、ブロック所有ルール、決定ポイント、明示的にオープンな質問からなる構造として表現される。
ベンチマークは実装者のパネルを固定し、必須の非仕様管理アームを含み、決定論的実行ジャッジとして16と実動のOracleインスタンスを使用する。
論文 参考訳（メタデータ） (2026-08-19T22:17:31Z) - Architecture-Dependent Causal Transfer of Activation States Across Large Language Models [51.56484100374058]
内部言語アクティベーション状態は、異なる大きな言語モデル間で因果的に転送することができる。
生成中に投影された活性化をターゲットモデルに注入すると、統計的に有意で事前登録された因果効果が生じる。
現在実装されているLCM間のエンド・ツー・エンドのアクティベーション・ステート・トランスファーは、ユニバーサルではなくアーキテクチャに依存していると結論付けている。
論文 参考訳（メタデータ） (2026-08-17T09:53:27Z) - Confidently Wrong: Exception Chain Collapse in Frontier LLM Rule Evaluation [0.0]
フェデレーションクラスをフロンティアの大規模言語モデルで文書化する。
故障は最初の観測で再現されるが、経験的表面は不安定である。
規制されたフロンティアモデルの正確性は、注意を払わずにシフトする移動したコンプライアンス境界である。
論文 参考訳（メタデータ） (2026-07-25T22:40:02Z) - Towards a Science of Scaling Agent Systems [79.64446272302287]
エージェント評価の定義を定式化し,エージェント量,コーディネーション構造,モデル,タスク特性の相互作用として,スケーリング法則を特徴付ける。
協調指標を用いて予測モデルを導出し,R2=0をクロスバリデーションし,未知のタスク領域の予測を可能にする。
ツールコーディネーショントレードオフ: 固定的な計算予算の下では, ツールヘビータスクはマルチエージェントのオーバーヘッドから不均衡に悩まされ, 2) 能力飽和: 調整が減少または負のリターンを, 単一エージェントのベースラインが45%を超えると達成できる。
論文 参考訳（メタデータ） (2025-12-09T06:52:21Z) - Contrastive Model Adaptation for Cross-Condition Robustness in Semantic
Segmentation [58.17907376475596]
意味的セグメンテーションのための正規-逆条件モデル適応について検討する。
提案手法は, コントラスト学習を通じて条件不変の特徴を学習するために, このような画像ペアを利用する。
いくつかの正規-逆適応ベンチマークにおけるモデル適応のための最先端セマンティックセマンティックセマンティクス性能を実現する。
論文 参考訳（メタデータ） (2023-03-09T11:48:29Z) - On Universal Black-Box Domain Adaptation [53.7611757926922]
実践的な展開という観点から,ドメイン適応の最小限の制約条件について検討する。
ソースモデルのインターフェースのみがターゲットドメインで利用可能であり、2つのドメイン間のラベル空間関係が異なることや未知であることが許されている。
対象試料の局所近傍における予測の整合性によって正規化された自己訓練フレームワークに統一することを提案する。
論文 参考訳（メタデータ） (2021-04-10T02:21:09Z)
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。