論文の概要: EpiLens: Lightweight RAG for Epidemiological Knowledge Acquisition

• arxiv url: http://arxiv.org/abs/2610.26730v1
• Date: Mon, 19 Oct 2026 16:58:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 17:12:57.505904
• Title: EpiLens: Lightweight RAG for Epidemiological Knowledge Acquisition
• Title（参考訳）: EpiLens: 疫学的知識獲得のための軽量RAG
• Abstract要約: EpiLensは軽量でオープンソースの検索拡張生成パッケージである。 我々は,多病原性パラメーター研究の情報源から,2,297枚のコーパスを構築した。 筆者らは,EpiLensの論文分類ワークフローを手作業でラベル付けした214紙に対して評価した。
• 参考スコア（独自算出の注目度）: 0.5735035463793009
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: To prepare for future outbreaks, researchers need to know what studies have been done and what data they use. Mapping a large literature by hand is slow, while large language models alone can misstate or conflate sources. We present EpiLens, a lightweight, open-source retrieval-augmented generation package that applies a fixed retrieval template and output schema to every paper in a corpus and links outputs to source passages. We build a corpus of 2,297 papers from the sources of a multi-pathogen parameter study and evaluate EpiLens's paper-classification workflow against 214 manually labelled papers. Without task-specific training data, the classifier matches or exceeds the tested supervised and zero-shot baselines across four tasks. The study's early extraction sheets cite published sources for 327 estimates. We link each estimate to a cited document or to corpus studies included by a review. Then, we use the classifier's labels to compare the papers associated with different parameters and pathogens. EpiLens labels more papers linked to reproduction numbers than fatality risks as model-based (54% versus 22%, compared with 62% versus 24% in the manual labels). The gap is consistent with the frequent use of transmission models to estimate reproduction numbers and persists within each of five pathogens compared. Beyond the contrast between parameters, the model-based share of papers linked to incubation-period estimates differs by pathogen: 55% for SARS-CoV-2 versus 6% for mpox.
• Abstract（参考訳）: 将来のアウトブレイクに備えて、研究者はどんな研究が行われたのか、どんなデータを使っているのかを知る必要がある。 大規模な文献を手作業でマッピングするのは遅いが、大きな言語モデルだけではソースを誤解したり説明したりすることがある。 コーパス内の各紙に固定された検索テンプレートと出力スキーマを適用し,出力をソースパスにリンクする,軽量でオープンソースの検索拡張生成パッケージであるEpiLensを提案する。 我々は,多病原性パラメータ研究の情報源から2,297枚のコーパスを作成し,EpiLensの論文分類ワークフローを手作業でラベル付けした214枚の論文に対して評価した。 タスク固有のトレーニングデータがない場合、分類器は4つのタスクでテストされた教師付きベースラインとゼロショットベースラインとを一致または超過する。 この研究の初期の抽出シートは、327の推計で公表された資料を引用している。 我々は、各見積もりを引用された文書やレビューに含まれるコーパス研究にリンクする。 次に、分類器のラベルを用いて、異なるパラメータや病原体に関連する論文を比較する。 EpiLensは、モデルベースで54%対22%、手動ラベルで62%対24%)の死亡リスクよりも、複製番号に関連のある論文をラベル付けしている。 このギャップは、5つの病原体で比較された再生数と持続数を推定するために送信モデルが頻繁に使用されることと一致している。 指標の対比の他に、インキュベーション期間推定に関連する論文のモデルベースシェアは病原体によって異なり、SARS-CoV-2は55%、mpoxは6%である。

関連論文リスト

• The Slop Paradox: How Synthetic Standardization Erodes Clinical Uncertainty and Cross-Modal Alignment in AI-Rewritten Radiology Reports [0.0]
  インディアナ大学のデータセットから450個の胸部X線レポートを用いて、3つのリアルな書き換えタスクによって合成版を生成する。 我々は, 実体浸食(医学的NER), ヘッジ崩壊(臨床不確実性言語の欠如), クロスモーダルアライメント劣化を測定した。 劣化の主要な要因は、臨床内容ではなく、AI書き換えタスクの種類である。
  論文  参考訳（メタデータ） (2026-06-16T11:07:48Z)
• Beyond Memorization: Reasoning-Driven Synthesis as a Mitigation Strategy Against Benchmark Contamination [77.69093448529455]
  本稿では,arXiv論文から直接研究レベルのQAを合成するために,無限にスケーラブルなフレームワークを用いて実証的研究を行う。 各種サイズ,開発者,リリース日といったモデルについて,知識カットオフ日に近い性能劣化の欠如を評価した。 合成パイプラインで要求される多段階の推論は、浅い記憶よりも深い複雑さをもたらしたと仮定する。
  論文  参考訳（メタデータ） (2025-08-26T16:41:37Z)
• HySemRAG: A Hybrid Semantic Retrieval-Augmented Generation Framework for Automated Literature Synthesis and Methodological Gap Analysis [55.2480439325792]
  HySemRAGは、Extract, Transform, Load (ETL)パイプラインとRetrieval-Augmented Generation (RAG)を組み合わせたフレームワークである。 システムは、マルチ層アプローチを通じて既存のRAGアーキテクチャの制限に対処する。
  論文  参考訳（メタデータ） (2025-08-01T20:30:42Z)
• Perplexity Trap: PLM-Based Retrievers Overrate Low Perplexity Documents [64.43980129731587]
  因果診断・矯正法(CDC)という因果推論時間脱バイアス法を提案する。 CDCはまず、パープレキシティのバイアス効果を診断し、その後、全体の関連スコアからバイアス効果を分離する。 3つの領域にまたがる実験結果から, より優れた脱バイアス効果が示された。
  論文  参考訳（メタデータ） (2025-03-11T17:59:00Z)
• Unlearnable Examples Detection via Iterative Filtering [84.59070204221366]
  ディープニューラルネットワークは、データ中毒攻撃に弱いことが証明されている。 混合データセットから有毒なサンプルを検出することは極めて有益であり、困難である。 UE識別のための反復フィルタリング手法を提案する。
  論文  参考訳（メタデータ） (2024-08-15T13:26:13Z)
• MAUVE Scores for Generative Models: Theory and Practice [95.86006777961182]
  本報告では,テキストや画像の生成モデルで発生するような分布のペア間の比較尺度であるMAUVEについて述べる。 我々は、MAUVEが人間の文章の分布と現代のニューラル言語モデルとのギャップを定量化できることを発見した。 我々は、MAUVEが既存のメトリクスと同等以上の画像の既知の特性を識別できることを視覚領域で実証する。
  論文  参考訳（メタデータ） (2022-12-30T07:37:40Z)
• Document Classification for COVID-19 Literature [15.458071120159307]
  本稿では,LitCovidデータセットを用いた複数ラベル文書分類モデルの解析を行う。 トレーニング済みの言語モデルは、このデータセットで微調整され、他のすべてのベースラインより優れています。 また、LitCovidドキュメント上で最高のパフォーマンスモデルによって作成された50のエラーについても調べる。
  論文  参考訳（メタデータ） (2020-06-15T20:03:28Z)
• Semi-Automating Knowledge Base Construction for Cancer Genetics [20.74608114488094]
  本稿では,全文がん遺伝子記事からキー要素を自動的に抽出するモデルを提案する。 手作業による知識ベースを用いた全文記事のトークンやスニペットの遠隔監視を行う。
  論文  参考訳（メタデータ） (2020-05-17T02:01:43Z)

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。