論文の概要: PathLang: A Language-Centered Benchmark for Vision-Language Models in Computational Pathology

• arxiv url: http://arxiv.org/abs/2610.11329v1
• Date: Thu, 08 Oct 2026 06:27:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.835704
• Title: PathLang: A Language-Centered Benchmark for Vision-Language Models in Computational Pathology
• Title（参考訳）: PathLang: コンピュータ病理学におけるビジョン言語モデルのための言語中心ベンチマーク
• Abstract要約: 病理ビジョン言語モデル(VLM)のためのゼロショットベンチマークであるPathLangを紹介する。 PathLangは、診断言語のみを体系的に変更しながら、基盤となるスライド、接地木ラベル、画像テキスト評価方向を固定している。 臨床的に等価な言い回しに非常に敏感であり、意味的競争の形式によって大きく異なり、画像テキストのアライメント品質がクラス間セパビリティに必ずしも変換されないことが判明した。
• 参考スコア（独自算出の注目度）: 27.078995684613016
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Pathology vision-language models (VLMs) have shown strong visual perception ability, but their robustness in the language domain remains poorly characterized. Existing pathology VLM benchmarks largely rely on canonical closed-set prompts or perturb only generic templates, treating language as a fixed evaluation component rather than a variable axis of model behavior. In clinical practice, however, diagnostic language varies across reports, institutions, and candidate diagnoses. We introduce PathLang, a language-centered and clinically grounded zero-shot benchmark. PathLang holds the underlying slides, ground-truth labels, and image-text evaluation direction fixed while systematically varying only the diagnostic language, so that performance differences reflect how a diagnosis is phrased rather than what is imaged. The language variation follows how pathologists actually rephrase diagnoses (terminology, specificity, and reporting style), and all prompts and candidate pools are validated by six board-certified pathologists. PathLang covers four task families: (1) zero-shot classification with image-text alignment analysis, (2) cross-modal retrieval, (3) paraphrase robustness, including semantic-equivalence paraphrases, length and reporting-style variation, and prompt ensembling, and (4) open-vocabulary diagnosis retrieval over four candidate pools with distinct forms of semantic competition. Across nine VLMs and five public datasets spanning four organs, we find that performance is highly sensitive to clinically equivalent paraphrases, varies substantially across forms of semantic competition, and that image-text alignment quality does not necessarily translate into inter-class separability. We release the prompt corpus, candidate pools, pre-computed text embeddings, and evaluation code at https://anonymous.4open.science/r/PathLang.
• Abstract（参考訳）: 病理視覚言語モデル(VLM)は、強い視覚知覚能力を示すが、言語領域における頑健さは、いまだに不十分である。 既存の病理学のVLMベンチマークは、モデル行動の可変軸ではなく、言語を固定評価要素として扱う、標準的なクローズドセットプロンプトや、一般的なテンプレートのみの摂動に大きく依存している。 しかし、臨床実践においては、診断言語は報告、機関、および候補診断によって異なる。 PathLangは言語中心で臨床ベースとしたゼロショットベンチマークである。 PathLangは、診断言語のみを体系的に変更しながら、基盤となるスライド、接地木ラベル、画像テキスト評価方向を固定している。 言語の変化は、病理学者が実際に診断(用語、特異性、報告スタイル)を言い換える方法に従っており、全てのプロンプトと候補プールは6人の病理学者によって検証されている。 PathLangは、(1)画像テキストアライメント分析によるゼロショット分類、(2)クロスモーダル検索、(3)意味等価パラフレーズを含むパラフレーズロバスト性、長さとレポートスタイルのバリエーション、および迅速なアンサンブル、(4)セマンティックコンペティションの異なる4つの候補プール上でのオープンボキャブラリ診断検索の4つのタスクファミリをカバーしている。 9つのVLMと4つの臓器にまたがる5つの公開データセットのうち、パフォーマンスは臨床的に等価なパラフレーズに非常に敏感であり、意味的競争の形式によって大きく異なり、画像テキストのアライメント品質がクラス間セパビリティに必ずしも変換されないことが判明した。 我々は https://anonymous.4open.science/r/PathLang で、プロンプトコーパス、候補プール、事前計算されたテキスト埋め込み、評価コードをリリースする。

関連論文リスト

• Auditing Cross-Lingual Fairness in Language Model Watermarking [42.312814306968136]
  大規模な言語モデル出力のための透かしスキームは、ほとんど英語のテキストに基づいて評価される。 多言語展開は、英語では不適切だが言語横断的に結論を決定する評価設計の選択を公開する。 そこで本研究では,展開状況毎に経験的に校正された検出しきい値,しきい値非依存の相同性測定,3つの不整合品質測定パラダイム,タイプロジカルな家族分割に対する言語間格差の一般化エントロピー分解の4つの要素による評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-08-20T13:48:12Z)
• Adapting Self-Supervised Speech Representations for Cross-lingual Dysarthria Detection in Parkinson's Disease [72.0406069194794]
  音声表現は、しばしば言語に依存した構造を符号化する。 本稿では,ソース言語による自己教師型音声表現とターゲット言語分布とを一致させる表現レベル言語シフトを提案する。 チェコ語,ドイツ語,スペイン語におけるパーキンソン病音声データセットの経口DDK記録に対するアプローチについて検討した。
  論文  参考訳（メタデータ） (2026-03-23T17:23:39Z)
• Optimal Turkish Subword Strategies at Scale: Systematic Evaluation of Data, Vocabulary, Morphology Interplay [4.061135251278187]
  トークン化は、形態学的にリッチな言語におけるニューラル言語モデリングのための重要な設計選択である。 トルコ語サブワードのトークン化に関する、最初の包括的で原則化された研究を提示する。
  論文  参考訳（メタデータ） (2026-02-06T18:41:14Z)
• SwasthLLM: a Unified Cross-Lingual, Multi-Task, and Meta-Learning Zero-Shot Framework for Medical Diagnosis Using Contrastive Representations [0.4077787659104315]
  SwasthLLMは、医用診断のための統一、ゼロショット、クロスランガル、マルチタスク学習フレームワークである。 英語、ヒンディー語、ベンガル語で、言語固有の微調整を必要としない。 SwasthLLMは97.22%、F1スコア97.17%という高い診断性能を達成している。
  論文  参考訳（メタデータ） (2025-09-24T21:20:49Z)
• MedVista3D: Vision-Language Modeling for Reducing Diagnostic Errors in 3D CT Disease Detection, Understanding and Reporting [17.609935683639925]
  臨床における放射線診断の誤り-読影誤り、意図的失明、コミュニケーションの失敗--の既往である。 MedVista3Dは3次元CT解析のためのマルチスケールのセマンティック・エンリッチ・ビジョン言語事前学習フレームワークである。
  論文  参考訳（メタデータ） (2025-09-04T01:28:44Z)
• Examining Multilingual Embedding Models Cross-Lingually Through LLM-Generated Adversarial Examples [29.62231663945077]
  本稿では,並列文のみを必要とする軽量な評価タスクである言語間セマンティック識別(D)と,対向的気晴らしを生成するLarge Language Model(LLM)を導入する。 CLSDは、意味的に誤解を招くが、語彙的に類似した代替品の上に、真の並列文をランク付けする埋め込みモデルの能力を測定する。 我々の実験では、検索タスクに微調整されたモデルは、英語をピボットすることの恩恵を受ける一方、bitextマイニングモデルは、直接言語間設定で最高のパフォーマンスを示す。
  論文  参考訳（メタデータ） (2025-02-12T18:54:37Z)
• Uncertainty-aware Medical Diagnostic Phrase Identification and Grounding [72.18719355481052]
  MRG(Messical Report Grounding)と呼ばれる新しい課題について紹介する。 MRGは医療報告から診断フレーズとその対応する接地箱を直接エンドツーエンドで識別することを目的としている。 マルチモーダルな大規模言語モデルを用いて診断フレーズを予測する,堅牢で信頼性の高いフレームワークである uMedGround を提案する。
  論文  参考訳（メタデータ） (2024-04-10T07:41:35Z)
• A Massively Multilingual Analysis of Cross-linguality in Shared Embedding Space [61.18554842370824]
  言語間モデルでは、多くの異なる言語に対する表現は同じ空間に存在している。 我々は,bitext検索性能の形式で,言語間アライメントのタスクベース尺度を計算した。 我々はこれらのアライメント指標の潜在的な予測因子として言語的、準言語的、および訓練関連の特徴について検討する。
  論文  参考訳（メタデータ） (2021-09-13T21:05:37Z)
• Clinical Named Entity Recognition using Contextualized Token Representations [49.036805795072645]
  本稿では,各単語の意味的意味をより正確に把握するために,文脈型単語埋め込み手法を提案する。 言語モデル(C-ELMo)とC-Flair(C-Flair)の2つの深い文脈型言語モデル(C-ELMo)を事前訓練する。 明示的な実験により、静的単語埋め込みとドメインジェネリック言語モデルの両方と比較して、我々のモデルは劇的に改善されている。
  論文  参考訳（メタデータ） (2021-06-23T18:12:58Z)
• AM2iCo: Evaluating Word Meaning in Context across Low-ResourceLanguages with Adversarial Examples [51.048234591165155]
  本稿では, AM2iCo, Adversarial and Multilingual Meaning in Contextを提案する。 言語間文脈における単語の意味の同一性を理解するために、最先端(SotA)表現モデルを忠実に評価することを目的としている。 その結果、現在のSotAプリトレーニングエンコーダは人間のパフォーマンスにかなり遅れていることが明らかとなった。
  論文  参考訳（メタデータ） (2021-04-17T20:23:45Z)

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。