論文の概要: TableVision: Recovering Verified Structure from Historical Tables
- arxiv url: http://arxiv.org/abs/2610.17448v1
- Date: Mon, 12 Oct 2026 22:07:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-17 18:58:14.915599
- Title: TableVision: Recovering Verified Structure from Historical Tables
- Title（参考訳）: TableVision: 過去のテーブルから検証された構造を復元する
- Abstract要約: ギャップ、スキップ、ミスは、歴史的なレジスターの通常の状態である。
TableVisionはテーブル構造回復を問題として扱う。
一つの意味は、検証ブロックの設計が重要であるということである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Gaps, skips, and mistakes are the normal state of a historical register: rows go missing, tables cross page breaks, columns slip under wrong names, and column sums disagree with the corresponding row entries. Readers read digits correctly but lose the table structure. On seven clean panels of election returns, the best open-source reader reproduces 99.0\% of the digits but files only 83.7\% of the figures in the correct cells and gets 11 of 30 columns correct. TableVision treats table structure recovery as the problem. On three degraded 1888 pages, Amazon Textract files only 1 of 1494 figures correctly; TableVision correctly files 99.2\%, and all 51 columns its exact-total check releases are correct. A dynamic program cuts a volume into blocks by how many columns sum to their last line; witnesses read the cells; the gate classifies each column as exactly reconciling, flagged as faithful to a page whose arithmetic is wrong, or withheld. A theory of the sum check says which errors it cannot see and why its optimal block is about $θ^{-1/2}$ rows at defect rate $θ$. On 2201 columns of Wisconsin electoral data, the gate accepts 2042, flags 118, and withholds 41; failure rises with column length $R$ as $1-(1-θ)^R$ at 1.1 defects per 1000 cells in general elections; official returns confirm 933 of 934 testable accepted sums and all 35 testable flagged totals; and the deployment added 491\,359 gated precinct rows to a 9.3-million-row dataset. One implication is that the design of the verification block is critical.
- Abstract（参考訳）: ギャップ、スキップ、ミスは、履歴レジスタの通常の状態である: 行が失われ、テーブルのクロスページが壊れ、列が間違った名前でスリップし、列の和が対応する行エントリと一致しない。
読み手は数字を正しく読み取るが、テーブル構造は失われる。
選挙の7つのクリーンなパネルで、最良のオープンソースリーダーは、桁の99.0\%を再生するが、正しいセルの数字の83.7\%だけをファイル化し、30コラムのうち11コラムが正しい。
TableVisionはテーブル構造回復を問題として扱う。
3つの劣化した1888ページでは、Amazon Textractファイルは1494のフィギュアのうち1つしか正しくファイルせず、TableVisionは99.2\%を正しくファイルし、51カラムの正確なチェックリリースはすべて正しい。
動的プログラムは、最後の行に合計する列数によってボリュームをブロックに分割し、証人はセルを読み、ゲートは各列を正確に調整し、算術が間違っているページや保持されていないページに対して忠実にフラグ付けする。
総和チェックの理論は、どの誤りを見ることができず、その最適ブロックが約$θ^{-1/2}$行である理由を、欠陥率$θ$で表す。
ウィスコンシン州選挙データの2201コラムでは、2042、フラグ118、アテンション41、カラム長$R$ as $1-(1-θ)^R$で1000セル当たり1.1の欠陥、公式のリターンでは934の検証可能な許容総和と35のテスト可能なフラグ付き総和が確認され、配置では491,359のゲート付き地区行が9.3万行のデータセットに追加された。
一つの意味は、検証ブロックの設計が重要であるということである。
関連論文リスト
- Understanding Errors in LLM-Based Question Answering over Imperfect Tables [9.914974837876635]
提案手法は, テーブルにエラーが現れる場所と, 正確な質問応答に十分な位置を提供することに依存するかを検討する。
RADAR-Tのヒューマンレビューインスタンスを用いて、3つの大きな言語モデルに対して制御された研究を行う。
コード実行では、修復されたテーブルの精度がエラーマークされたテーブルの精度を39.0-59.1ポイント上回る。
論文 参考訳（メタデータ） (2026-10-03T18:03:41Z) - GlitchPatch: Repairing Glitch Tokens in Frozen Language Models via Local Retokenization [52.5302018047534]
グリッチトークンは異常な語彙のエントリであり、大きな言語モデルが一貫性のない出力を生成する可能性がある。
GlitchPatchは,局所的再トークン化に基づくフリーズ言語モデルの修復フレームワークである。
6つのトークンライザファミリーにまたがる10モデルの実験では、GlitchPatchの平均固定率は85.10%であり、最強のベースラインを14.37ポイント上回っている。
論文 参考訳（メタデータ） (2026-10-03T09:44:13Z) - TRACE: Target-Aware Retrieval, Attributed Evidence, and Contract-Constrained Extraction for LitTraceQA [0.8594140167290097]
LitTraceQAには、標準的な紙の識別子、ページやオブジェクトレベルでの正確な証拠、評価値にマッチする型付き回答が必要である。
TRACEは、パス、オブジェクト、エイリアス、引用、密度の高い表現を通じて27,487の論文をインデックスし、各信号の後方に質問対象を保持する。
選抜されたクリーントラックアーティファクトスコア0.760613を公式71問検定セットで評価した。
論文 参考訳（メタデータ） (2026-09-30T03:17:27Z) - From Diagnosis to Correction: Benchmarking and Improving Real-World Table Parsing [50.70862449978062]
最近の文書では OmniDocBench v1.6 の 93 以上の TEDS スコアが達成されている。
このギャップを定量化するために、916の現実世界のテーブルの診断ベンチマークであるTableParseMapを紹介します。
論文 参考訳（メタデータ） (2026-08-10T16:59:30Z) - Metadata Reconstruction from Values Alone: Recovering Column Semantics in Undocumented Warehouses [0.0]
Rosettaはデータ自体から列と値の意味を検索する。
盲目のi2b2臨床倉庫では、ロゼッタは値だけで134の実際のICD-9符号の95.5%をデコードしている。
論文 参考訳（メタデータ） (2026-08-08T06:12:18Z) - Visual Credit Audit for Multimodal Spatial Reasoning [70.16915309526443]
Visual Credit Auditは、ベンチマーク画像がテキストのみとブランクコントロールよりもモデルの宣言された決定をもっとサポートするかどうか、モデルが関係性固有の視覚的エビデンスに反応するかどうかの2つの評価を分離する。
ラベルを適用すれば依存性認定正当性(D-CC)が得られる
4つのオープンMLLMと2つの空間ベンチマーク、12.73-26.25%の判定は正確であるが、証明されていない。
論文 参考訳（メタデータ） (2026-07-29T15:55:31Z) - The Right Answer, the Wrong Direction: Why Transformers Fail at Counting and How to Fix It [0.0]
大規模言語モデルは、たとえカウントすべきアイテムがプロンプトに明示的に存在しているとしても、単純なカウントタスクで失敗することが多い。
この失敗は、変換器が内部的にカウントを表現しないためなのか、あるいはそれらの表現を正しい出力トークンに変換することができないためなのかを考察する。
線形プローブは、中間層からほぼ完全な精度で正しいカウントを復元する。
論文 参考訳（メタデータ） (2026-05-05T01:13:06Z) - When Corrective Hints Hurt: Prompt Design in Reasoner-Guided Repair of LLM Overcaution on Entailed Negations under OWL~2~DL [10.675009214407185]
OWL2DL コンプライアンスクエリにおいて GPT-5.4 で再現可能なエラーパターンを報告した。
emphFunctionalProperty closure または class emphdisjointness' の下で、理性に満ちた答えが no''' である場合、モデルは「未知」を頻繁に答える。
論文 参考訳（メタデータ） (2026-04-25T18:11:01Z) - Capture-Quiet Decomposition: A Verification Theorem for Chess Endgame Tablebases [51.56484100374058]
チェス・エンドゲーム・テーブルベースにおけるWin-Draw-Lossラベルの検証のためのCapture-Quiet Decomposition(CQD)を提案する。
この定理は、すべての法的位置を、終端、捕捉、静かの3つのカテゴリのうちの1つに分解する。
CQDは35の3ピースと4ピースのエンドゲーム(2200万ポジション)、110の5ピースのエンドゲーム、72の6ピースのエンドゲーム(合計517のエンドゲーム)で徹底的に検証します。
論文 参考訳（メタデータ） (2026-04-09T07:22:24Z) - One-sided Matrix Completion from Two Observations Per Row [95.87811229292056]
行列の欠落値を$XTX$で計算する自然アルゴリズムを提案する。
合成データの一方の回収と低被覆ゲノムシークエンシングについて,本アルゴリズムの評価を行った。
論文 参考訳（メタデータ） (2023-06-06T22:35:16Z)
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。