論文の概要: Estimating Uncoded Crash Factors with Tabular Foundation and System One Models: Kumo Tabular and Jev
- arxiv url: http://arxiv.org/abs/2610.10321v1
- Date: Wed, 07 Oct 2026 16:12:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 21:58:23.027597
- Title: Estimating Uncoded Crash Factors with Tabular Foundation and System One Models: Kumo Tabular and Jev
- Title（参考訳）: タブラルファウンデーションとシステム1モデルによる未コーディングのクラッシュ要因の推定 - Kumo TabularとJev
- Abstract要約: 道路安全プログラムは、警察の事故記録の符号化されたフィールドをカウントするが、しばしば記録される警官の物語は、フィールドが省略される要素をほとんど読めない。
この研究は、2017年から2025年にかけてテキサス州で発生した5,601,890件の事故と、人口推計を関連づけたシステムを開発し、評価する。
- 参考スコア（独自算出の注目度）: 1.089614199781423
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Road safety programs count the coded fields of police crash records, while the officer's narrative, which often records factors the fields omit, is rarely read. A safety office thus cannot tell how much its counts miss or where to review. This study develops and evaluates a system that joins both views of the 5,601,890 Texas crashes from 2017 to 2025 into population estimates with stated validity. An in-context tabular foundation model, Kumo Tabular, reads the coded record of every crash, a calibrated System One model, Jev, reads the narratives of two probability samples, and human judgments recalibrate its probabilities. A multiwave predict-then-debias estimator joins the three tiers, and a second human tier drawn with recorded probabilities checks the estimates by design. For hydroplaning, medical episodes, fatigue, animals, and phone use, the narrative documents more injury crashes than the coded field, 15,074 against 7,340 for phone use, and the human check agrees with all fifteen estimates within its margin. A re-read list ranked by Kumo Tabular finds confirmed discordance 7 to 58 times as often as random reading. At the planning cost of human coding, one further round of human judgments would cut the root mean square relative half-width from 22.0 to 16.2 percent, against 21.2 for reading every narrative. Two calibrated readers of different views, joined by a sampling design, give a safety office counts, a discordance map, a validated re-read list, and a reading budget, with Kumo Tabular reading the table at 15 times the speed of TabPFN 3.5.
- Abstract（参考訳）: 道路安全プログラムは、警察の事故記録の符号化されたフィールドをカウントするが、しばしば記録される警官の物語は、フィールドが省略される要素をほとんど読めない。
したがって、安全事務所は、どれだけのミスを犯したか、どこでレビューすべきかを判断できない。
この研究は、2017年から2025年にかけてテキサス州で発生した5,601,890件の事故と、人口推計を関連づけたシステムを開発し、評価する。
コンテキスト内タブ形式の基礎モデルであるKumo Tabularは、すべてのクラッシュのコード化された記録を読み、キャリブレーションされたSystem OneモデルであるJevは、2つの確率サンプルの物語を読み、人間の判断はその確率を再検討する。
マルチウェーブ予測Then-debias推定器は、これら3層に結合し、記録された確率で描画された第2の人間層は、設計により見積もりをチェックする。
ハイドロプランニング、医療エピソード、疲労、動物、電話の使用については、コード化されたフィールドよりも多くの損傷事故、15,074対7,340対電話使用、そして人間のチェックは、そのマージン内の15の見積すべてに一致している。
Kumo Tabularがランク付けした再読解リストでは、ランダムな読解の7倍から58倍の確率で不一致が確認されている。
人間のコーディングの計画コストでは、さらに1ラウンドの人間の判断により、ルート平均相対幅が22.0から16.2%に減少し、全ての物語を読むために21.2となった。
異なるビューの2つの校正された読者は、サンプリングデザインを伴い、安全オフィスカウント、不協和マップ、検証された再読解リスト、読解予算を与え、Kumo TabularはTabPFN 3.5の15倍の速度でテーブルを読み取る。
関連論文リスト
- Calibrated Decisions at Scale: Converting Police Crash Narratives into Probabilistic Crash Variables with a System One Model (Jev) [1.089614199781423]
本稿では,Jev が回答した有格な型付き決定文として,ナラティブコーディングを定式化する。
499,500件のテキサスの物語と195,857件が27問のスキーマで書かれた。
論文 参考訳（メタデータ） (2026-09-21T03:24:47Z) - 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) - Marginal Fidelity Does Not Establish User Simulation in Demographic Synthetic Survey Panels: Response Contracts, Support Collapse and Conditioning Failure [51.736723807086385]
人口密着協定は、個別のシミュレーションの証拠ではなく、エスカレーション契約の証拠であり、シミュレーションされた回答者なしで得られる推定値である。
9つのアライメントされたモデルバッテリペアでは、非個人個体数のクエリの平均は6.27 MAE対12.39であり、9つの比較すべてで勝利する。
論文 参考訳（メタデータ） (2026-09-07T10:22:22Z) - VeriPhy: Agentic Physical Reasoning for World Model Evaluation and Refinement [57.86962208273888]
テキストのみのプランナが入力された物理義務にプロンプトをコンパイルする監査可能な物理検証システムを提案する。
それぞれのアクションは、ペイロードがタイプされた測定か、明示的にタグ付けされた学習状態である証明付きエビデンスレコードを返す。
我々は, 実発生障害を即時参照, 空間, 時間でローカライズする, 1500クリックの欠陥記録のコーパスにおいて, 評価をアンロックする。
論文 参考訳（メタデータ） (2026-09-02T20:36:45Z) - Reconcile Once, Write Anytime: A Trust-Tiered Librarian and a Multi-Agent Writer for Drift-Free, Point-in-Time Research [7.426963307811556]
本稿では,保守型ポイントインタイム知識ライブラリをレポート作成から分離する2層エージェントシステムを提案する。
ポータブルなマルチエージェント"ライター"ランタイムは、任意の知識遮断Tにおいて矛盾のないエビデンス基底レポートを構成する。
我々は,555,926枚のエビデンスカードを出力する6,130個のソースの自己収集・公開コーパスを評価した。
論文 参考訳（メタデータ） (2026-08-13T09:09:28Z) - Beyond Top-K: Replacing Black-Box Retrieval with Interpretable Agentic Operations [0.0]
長いドキュメントに対する検索拡張生成は、テキストをチャンクし、チャンクを埋め、クエリの最も近い隣人にサーフェスする、という1つの設計によって支配されている。
我々は、財務報告、監査報告、規制リターンといった重要な文書のクラスにとって、この設計は構造的に不正確であると主張する。
本稿では,READ(Reliable Embedding-free Agentic Document-search)を提案する。
論文 参考訳（メタデータ） (2026-08-06T17:23:13Z) - 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) - Evaluating Commercial AI Chatbots as News Intermediaries [85.32040752972836]
ベストシステムは、数時間前に報告されたイベントに関する質問に対して、90%以上の多重選択精度を達成する。
すべてのモデルはヒンディー語で最小の精度を達成する。
原因ではなく検索は エラーの70%以上を 引き起こします
論文 参考訳（メタデータ） (2026-05-21T17:42:07Z) - Can Humans Tell? A Dual-Axis Study of Human Perception of LLM-Generated News [47.03825808787752]
人間は、ニュース記事が人によって書かれたか、あるいは大きな言語モデル(LLM)によって書かれたかを知ることができますか?
本稿では,人間対機械(人間対機械)と正当性判定(正当性対偽判定)を連続的なスケールで測定する研究プラットフォームであるJiceGPTを用いて,この問題を考察する。
筆者らは,(1) 被験者が人文テキストから機械生成物を確実に識別できないこと,(2) 認知疲労による約30回の連続的な評価の後,その精度が低下すること,の5つを報告した。
論文 参考訳（メタデータ） (2026-04-04T15:03:42Z) - Real-time AdaBoost cascade face tracker based on likelihood map and
optical flow [59.17685450892182]
著者らは、光学フロー情報をヴィオラ・ジョーンズ検出アルゴリズムの修正版に組み込む新しい顔追跡手法を提案する。
元のアルゴリズムでは、前のフレームからの情報が考慮されないため、検出は静的である。
提案したトラッカーは、各ウィンドウが通過する分類段階の数に関する情報を保存する。
論文 参考訳（メタデータ） (2022-10-25T10:15:07Z)
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。