論文の概要: Benefit-Targeted Routing and Bounded Revision for LLM-Based Evidence Screening in Manufacturing Supplier Discovery
- arxiv url: http://arxiv.org/abs/2610.25867v1
- Date: Mon, 19 Oct 2026 06:22:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-24 04:03:06.599918
- Title: Benefit-Targeted Routing and Bounded Revision for LLM-Based Evidence Screening in Manufacturing Supplier Discovery
- Title（参考訳）: 製造サプライヤ発見におけるLCMに基づくエビデンス・スクリーニングのベネフィット・ターゲット・ルーティングとバウンド・リビジョン
- Abstract要約: 6,164個のフリーズ・ソース・タスク対のソフトウェア決定について検討した。
ベネフィット目標ルーティングは、新しく導入された不一致から回復された合意を学習する。
完成した200対のアイデンティティ監査では、8人の著者の評定の後、97.45パーセントのマージ精度が得られた。
- 参考スコア（独自算出の注目度）: 8.148058967953437
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: An evidence-review system must allocate additional model judgments and control their use. We study these software decisions on 6,164 frozen manufacturing source-task pairs. Benefit-targeted routing learns recovered agreement minus newly introduced disagreement. On the original 300-case test, 60 consultations yield 202/231 agreements with two human references versus 189/218 for a logistic-risk router. An additional 300 cases were independently annotated twice using equal frozen evidence. Without retraining the historical policies, the corresponding counts are 164/190 versus 163/193; the differences do not resolve an advantage. Strict scalar-Ridge controls share preprocessing, regularization and fitting, and remain inconclusive. Quotation and requested-state replacement gates retain rejected cases and budget costs; their joint gate rejects one original and two additional consultations without changing primary outcomes. Evidence ablations, fusion and bounded updates supply further controls. A completed 200-pair identity audit yields 97.45 percent weighted merge precision after eight author adjudications. This audits a provisional map, while prospective company-disjoint performance remains untested.
- Abstract（参考訳）: エビデンス・レビューシステムは、追加のモデル判断を割り当て、それらの使用を制御する必要がある。
6,164個のフリーズ・ソース・タスク・ペアについて,これらのソフトウェア決定について検討した。
ベネフィット目標ルーティングは、新しく導入された不一致から回復された合意を学習する。
オリジナルの300ケーステストでは、60のコンサルテーションが2つの人間の参照と202/231の合意を得るのに対し、189/218はロジスティックリスクのルータである。
追加の300件は、同じ凍結した証拠を用いて2回、別々に注釈が付された。
歴史的政策を再訓練しなければ、対応する数は164/190であり、163/193である。
Strict scalar-Ridgeコントロールは、前処理、正規化、フィッティングを共有し、不確定のままである。
提案と要求された国家代替ゲートは、拒否されたケースと予算コストを保持しており、共同ゲートは、最初の結果を変えることなく、1つのオリジナルと2つの追加の協議を拒絶している。
Evidence Ablations、fusion、bounded updateはさらなるコントロールを提供する。
完成した200対のアイデンティティ監査では、8人の著者の評定の後、97.45パーセントのマージ精度が得られた。
これは暫定的な地図を監査するが、企業間の相反するパフォーマンスは未検証のままである。
関連論文リスト
- The Scheduler Is a Hidden Retriever: How Asynchrony Shapes Evidence Acquisition in Search Agents [43.59282896809185]
配信タイミングは、同じ初期証拠にもかかわらず、全ての結果が到着する前に行われた検索決定をリダイレクトすることを示す。
ここでは,各サブクエストが完了したときの局所的推論を解放するConfluent Acquisition Evidenceを紹介する。
CEAは、繰り返し変動の1.0パーセント以内に買収の不一致をもたらし、完全入力制御に匹敵する精度を達成する。
論文 参考訳（メタデータ） (2026-10-19T12:55:12Z) - Confidence-Calibrated Inference Expansion for Evaluator-Guided Test-Time Reasoning [50.42640957891911]
評価器誘導推論のためのコンピュータ対応3動作制御器を開発した。
ロールアウト型継続サロゲートによる回答の成功と拡張を予測して端末動作を評価する。
我々は,不明瞭な判断に対する局所的不確実性を考慮した行動特異的信頼度推定を学習し,校正する。
論文 参考訳（メタデータ） (2026-10-14T19:25:23Z) - ActiveEvidence: Decision-Focused Evidence Graphs with Verifiable Acquisition Gaps [16.667817056897714]
マルチモーダルエージェントは、視覚的証拠が取得に値するかどうかを判断し、どの候補または解決案をクエリし、いつそれ以上の相互作用がもはやその決定を変えることができないのかを判断しなければならない。
本研究では,厳密な自由Metadata/pay-observation境界,ベクトルコスト,凍結した実行トレースの下でこの問題を考察し,決定可能なアクティブエビデンス獲得として扱う。
カウンターファクト・エビデンス・インタラクション・グラフ(CEIG)は、未解決のインタラクションに対する明示的なスコア囲いを維持しながら、一意のエビデンス値、署名された二階のインタラクション、および指示条件の害を表す。
論文 参考訳（メタデータ） (2026-10-14T17:29:06Z) - JockeyBench: Evaluating LLM Agents on Horse-Racing Decision-Making [51.28684419852576]
繰り返し発生する事象予測には、ノイズのある証拠から予測信号を抽出する必要がある。
本稿では,歴史的競馬を通じてこの問題を研究するベンチマークおよび評価プロトコルであるJockeyBenchを紹介する。
論文 参考訳（メタデータ） (2026-10-14T04:59:45Z) - Beyond the Verdict: Agentic Code Judging with Verifiable Feedback [54.72977295521153]
我々は,人間の専門家による受諾プログラムと受諾プログラムを用いて,USACO 2026コンテストからUSACO-JUDGEを構築した。
次に、35Bのエージェント検証器であるARBITERを、汎用的な実行サンドボックスで強化学習して訓練する。
トレーニングは、不正なプログラムを40.61%から62.67%に、二分判定の精度を71.41%から87.41%に引き上げる。
論文 参考訳（メタデータ） (2026-10-13T17:22:58Z) - Right Answers, Wrong States: Hidden Information Failures in Multi-Agent Collaboration [69.14904049421806]
共同作業は、即時決定が正しい場合でも、腐敗した情報状態に置き去りにすることができる。
GPT、Gemini、Qwenモデル全体では、標準的なコラボレーションは、状態の信頼性よりもはるかに強力なタスクパフォーマンスを示している。
我々は、矛盾する証拠を解決し、共有された事実を検証し、信頼された国家を再構築するReGroundを紹介します。
論文 参考訳（メタデータ） (2026-10-01T07:42:27Z) - Abstention Errors and Segment Support in CUAD: An Auditable Contract-Extraction Case Study [0.0]
本稿では,CUAD が発行した 102-contract test split に対する固定公開 RoBERTa チェックポイントの再現性評価について述べる。
30,464の返却候補文字列のうち19,562は注釈付き回答のない質問に現れる。
このシステムは2,938問のうち1,335問に答え、45.4%が偽陽性である。
論文 参考訳（メタデータ） (2026-09-07T21:26:53Z) - FunnelAudit: Responsibility Auditing in Multi-Route Recommender Systems [6.810073531792462]
マルチルートレコメンデータシステムは、検索、アロケーション、融合、ランキングを組み合わせることで、個別のインクルージョンと除外を監査しにくくする。
本稿では,インシデントレベルの責任監査を行うためのフレームワークであるFunnelAuditを紹介する。
我々は、固定ユニオン、重み付きクォータ割り当て、重み付き相互ランク融合を用いて、2段9ルートのファネルでフレームワークをインスタンス化し、次にSASRecランキングを付ける。
論文 参考訳（メタデータ） (2026-09-07T03:01:07Z) - From Trajectories to Evidence: Auditable Experimental Records for Industrial Research Agents [47.678562263387214]
研究エージェントは、産業レコメンデーション設定において、多段階の機械学習実験をますます実施している。
生成されたアーティファクトは、サポートされないか、不完全かもしれないし、実行されたラウンドは無効かもしれないし、あるいは廃止されるかもしれないし、後の修正は、以前の発見を曖昧にするかもしれない。
本稿では,連続的アーティファクトのバウンダリ検証と実行後のクレーム資格を結合するエビデンス・グラウンド・フレームワークを提案する。
論文 参考訳（メタデータ） (2026-08-05T13:37:38Z)
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。