論文の概要: Self-Reflective Chain-of-Thought (SRCoT): Evidence-Based Text Generation via a Closed-Loop Retrieve--Reflect--Revise Pipeline on Edge LLMs

• arxiv url: http://arxiv.org/abs/2610.23311v1
• Date: Fri, 16 Oct 2026 11:14:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 00:56:07.901283
• Title: Self-Reflective Chain-of-Thought (SRCoT): Evidence-Based Text Generation via a Closed-Loop Retrieve--Reflect--Revise Pipeline on Edge LLMs
• Title（参考訳）: セルフリフレクティブ・チェーン・オブ・ワット (SRCoT): エッジLLM上のクローズドループ検索--リフレクティブ--改訂パイプラインによるエビデンスベースのテキスト生成
• Abstract要約: 大規模言語モデル(LLM)は、ソースサポートの欠如やローカルな運用上の制約との競合のない、流動的な出力を生成することができる。 本稿では,生成をクローズドレトリーブ--Reflect-Reviseループとして整理するモジュールアーキテクチャSRCoTを紹介する。 SRCoTは環境状態、永続的な知識、蓄積された経験、短期記憶を証明ラベル付きストアに分離する。
• 参考スコア（独自算出の注目度）: 1.0514231683620514
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language models (LLMs) can generate fluent outputs that lack source support or conflict with local operational constraints. We introduce Self-Reflective Chain-of-Thought (SRCoT), a modular architecture that organizes generation as a closed Retrieve--Reflect--Revise loop. SRCoT separates environment state, persistent knowledge, accumulated experience, and short-term memory into provenance-labeled stores. BM25 retrieval supplies local context; subsequent passes expose intermediate drafts, missing-information markers, follow-up queries, and optional claim--evidence mappings. These artifacts inform retrieval, revision, clarification, or abstention decisions. We examine the architecture through qualitative, trace-based case studies in two fully synthetic settings: emergency medical services and Munich-Sim, an emergency-operations simulation. Local prototype runs on an Apple M4-family laptop with 128 GB memory illustrate source-labeled documentation, explicit gap marking, and structured dispatch-style outputs. The traces also reveal provenance-assignment errors, incomplete evidence coverage, and unsafe assumptions that remain possible despite prompting constraints. These cases demonstrate report-level inspectability and local execution, not comparative superiority, hallucination reduction, clinical validity, or operational safety. The architecture separates retrieval and control from the model interface, but behavior across different models remains to be evaluated. SRCoT is a research proof of concept requiring human review, with its principal contribution lying in an inspectable control procedure rather than a new model.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、ソースサポートの欠如やローカルな運用上の制約との競合のない、流動的な出力を生成することができる。 本稿では,生成をクローズドレトリーブ--Reflect--Reviseループとして整理するモジュールアーキテクチャSRCoTを紹介する。 SRCoTは環境状態、永続的な知識、蓄積された経験、短期記憶を証明ラベル付きストアに分離する。 BM25検索はローカルコンテキストを提供し、後続のパスは中間のドラフト、欠落情報マーカー、フォローアップクエリ、オプションのクレーム-エビデンスマッピングを公開している。 これらのアーティファクトは、検索、修正、明確化、または棄権決定を通知する。 緊急医療サービスとミュンヘン・シム(緊急手術シミュレーション)の2つの完全合成環境で,質的,トレースベースのケーススタディを通じてアーキテクチャを検証した。 ローカルプロトタイプはApple M4ファミリーのラップトップで動作し、128GBのメモリを持つソースラベル付きドキュメンテーション、明示的なギャップマーキング、構造化されたディスパッチスタイルのアウトプットがある。 これらの痕跡はまた、制約が迫っているにもかかわらず、証明と割り当ての誤り、不完全なエビデンスカバレッジ、そして安全でない仮定も明らかにしている。 これらの症例は, 報告レベルの検査性, 局所的実行性, 比較優位性, 幻覚低下, 臨床的妥当性, 術中安全性を示す。 アーキテクチャは、検索と制御をモデルインターフェースから分離するが、異なるモデル間の振る舞いは評価されない。 SRCoTは、人間のレビューを必要とする概念の実証であり、その主な貢献は、新しいモデルではなく、検査可能な制御手順にある。

関連論文リスト

• LaP-Forensics: Latent-Pixel Consistency Guided Multimodal Reasoning for Deepfake Detection [11.780720481629837]
  本稿では,RGBセマンティクスを再構築に基づく法医学的証拠で強化するフレームワークであるLaP-Forensicsを紹介する。 独立プロジェクタは、構造化されたWhere-What-Whyモデルの前にRGBイメージと残留マップを符号化し、テキスト解析とアーティファクトマスクを予測する。 実験では、UniversalFakeDetect上でのクロスジェネレータ検出と、公式のSynthScarsベンチマークでの競合アーティファクトローカライゼーションが示されている。
  論文  参考訳（メタデータ） (2026-07-28T16:45:52Z)
• MIRAGE: Defending Long-Form RAG Against Misinformation Pollution [87.40537931342082]
  我々は、長期RAGのためのトレーニング不要でモデルに依存しない防御システムであるMIRAGEを紹介した。 MIRAGEはNLIベースのクロスドキュメントクレームグラフを構築し、一貫性のあるマルチソースサポートサブセットの条件生成や、検索とパラメトリック応答のブロックにDefended-Claims Gateを適用している。
  論文  参考訳（メタデータ） (2026-07-06T13:36:12Z)
• The Attribution Blind Spot: Detecting When Language Models Rely on Memory Rather Than Retrieved Context [22.202409807556517]
  帰属盲点に対処するために,計算現実モニタリングを導入する。 CRMは、認知科学の現実監視フレームワークから適応した原則を運用する。 プレトレーニングされた露光が測定可能な内部軌道シグネチャを残すかどうかを検出する。
  論文  参考訳（メタデータ） (2026-05-26T09:48:51Z)
• Architecture-Aware Explanation Auditing for Industrial Visual Inspection [1.3054033103300278]
  本稿では,自然読出仮説に基づくアーキテクチャを考慮した説明監査プロトコルを運用する。 WM-811Kウェハマップ(9クラス、172k画像)の3列のゼロフィル摂動プロトコルの下では、ViT-Tiny + Attention RolloutはDeletion AUC 0.211をSwin-Tinyの0.432-0.525に対して取得する。
  論文  参考訳（メタデータ） (2026-05-14T01:48:00Z)
• LiveFMBench: Unveiling the Power and Limits of Agentic Workflows in Specification Generation [75.05397479715576]
  大規模言語モデル(LLM)とエージェントは有望な進歩を示しているが、その真の能力と失敗モードは未だ不明である。 CプログラムのためのLCMおよびエージェントベースの形式仕様生成に関する、最初の体系的および汚染に配慮した研究を提案する。
  論文  参考訳（メタデータ） (2026-05-02T11:31:33Z)
• Dynamic analysis enhances issue resolution [53.50448142467294]
  DAIRA(Dynamic Analysis-enhanced Issue Resolution Agent)は、エージェントの推論サイクルに動的解析を組み込む自動修復フレームワークである。 テストトレース駆動の方法論によって駆動されるDAIRAは、軽量モニタを使用して重要なランタイムデータを抽出する。 Gemini 3 Flash Previewを使用すると、DAIRAは新たな最先端(SOTA)パフォーマンスを確立し、SWE-bench Verifiedデータセットで79.4%の解像度を達成する。
  論文  参考訳（メタデータ） (2026-03-23T14:48:54Z)
• ReqToCode: Embedding Requirements Traceability as a Structural Property of the Codebase [0.0]
  本稿では,トレース可能なシステム要素を直接システムに埋め込むことによって,トレースの劣化を防止する手法であるReqToCodeを紹介する。 アプローチ、アーキテクチャ原則、トレーサブルライフサイクルを説明し、要求定義、アーティファクト生成、コード統合、ビルド時の検証を対象とする一般的な例で説明します。
  論文  参考訳（メタデータ） (2026-03-14T16:00:09Z)
• Retrieval is Not Enough: Enhancing RAG Reasoning through Test-Time Critique and Optimization [58.390885294401066]
  Retrieval-augmented Generation (RAG) は知識基底型大規模言語モデル(LLM)を実現するためのパラダイムとして広く採用されている。 RAGパイプラインは、モデル推論が得られた証拠と整合性を維持するのに失敗することが多く、事実上の矛盾や否定的な結論につながる。 批判駆動アライメント(CDA)に基づく新しい反復的枠組みであるAlignRAGを提案する。 AlignRAG-autoは、動的に洗練を終了し、批判的な反復回数を事前に指定する必要がなくなる自律的な変種である。
  論文  参考訳（メタデータ） (2025-04-21T04:56:47Z)

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。