論文の概要: CARLAR Influence: A Structured Hallucination Risk in Multimodal Cheque Extraction and an Exploratory Compressed-Image Countermeasure
- arxiv url: http://arxiv.org/abs/2610.27192v1
- Date: Mon, 19 Oct 2026 19:29:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-21 21:58:47.479718
- Title: CARLAR Influence: A Structured Hallucination Risk in Multimodal Cheque Extraction and an Exploratory Compressed-Image Countermeasure
- Title（参考訳）: CARLARの影響:マルチモーダルチーズ抽出における構造的幻覚リスクと探索圧縮画像対策
- Abstract要約: マルチモーダルな大規模言語モデル (LLM) は、財務文書からの構造化抽出にますます利用されている。
我々は、CARLARの影響について研究する: モデルは、アノテーションが異なるにもかかわらず、両方のチェークフィールドに対して同じ量を返す。
GPT-4.1とClaude 4.5 Sonnetの10種類の視覚刺激条件について検討した。
- 参考スコア（独自算出の注目度）: 0.6304040054221622
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Multimodal large language models (LLMs) are increasingly used for structured extraction from financial documents, but their behavior under visual ambiguity is poorly understood. We study CARLAR (Courtesy Amount Recognition and Legal Amount Recognition) influence: a model returns the same amount for both cheque fields even though their annotations differ, including cases with a blank annotation encoded as zero. Across ten visual prompting conditions, we evaluate GPT-4.1 and Claude 4.5 Sonnet on 243 primary cheques (124 with two observed unequal amounts) and 598 strict mismatches from two additional datasets. Under courtesy redaction, GPT-4.1 CARLAR reaches 73.7 percent (95 percent bootstrap interval: 68.3 to 79.0; p below 0.001 versus baseline). Model-reported confidence can remain high when predictions agree; expected calibration error reaches 0.93 among CARLAR cases. We also test a compressed-image few-shot intervention that presents examples as one visual table without model fine-tuning. On the 243-case cohort, Claude's Control condition increases paired joint extraction accuracy by 11.5 percentage points (95 percent interval: 6.2 to 16.9; adjusted p = 0.00054), but its strict-124 gain is smaller and not significant after correction. The intervention's effect on predicted-field agreement is model-dependent: it decreases for Claude and increases for GPT-4.1. These results motivate validation methods that account for visual context and dependencies between extracted fields.
- Abstract（参考訳）: マルチモーダル大規模言語モデル (LLM) は, 財務文書からの構造化抽出にますます用いられているが, 視覚的あいまいさ下での動作はよく理解されていない。
CARLAR (Courtesy Amount Recognition and Legal Amount Recognition: CARLAR) の影響について検討する。
GPT-4.1 と Claude 4.5 Sonnet を 2 つの観測値の不等量を持つ 243 の一次ケク (124 個) と 598 個の追加データセットの厳密なミスマッチで評価した。
GPT-4.1 CARLARは73.7%に達する(95%のブートストラップ間隔:68.3から79.0; pは0.001以下)。
予測が一致した場合、モデル報告された信頼性は高く保たれ、CARLARのケースでは、期待キャリブレーション誤差が0.93に達する。
また,モデル微調整を行なわずに1つの視覚テーブルとして例を提示する,圧縮画像による数ショットの介入についても検討した。
243ケースコホートでは、クロードの制御条件は、ペアリングされた関節抽出精度を11.5パーセント(95%間隔:6.2から16.9;調整されたp = 0.00054)向上させるが、厳密な124のゲインは補正後に小さく、有意ではない。
予測されたフィールド合意に対する介入の効果はモデル依存であり、クロードでは減少し、GPT-4.1では増加する。
これらの結果は、抽出されたフィールド間の視覚的コンテキストと依存関係を考慮に入れた検証手法を動機付けている。
関連論文リスト
- ConformalGuard: False-Positive-Controlled Action Gating for LM Classifiers [1.182797073319109]
ConformalGuardは、正規入力が介入層をトリガーする速度を有限サンプル制御で固定スコア関数をラップする。
我々は,これらの手法を,公衆メールコーパスにおける細調整BERT,Claude Sonnet 4,GPT-4oの共形校正法と比較した。
論文 参考訳（メタデータ） (2026-10-09T22:39:37Z) - World Requirement Model: Learning Requirement-Change Consequences from Typed Artifact Graphs [31.60344882359958]
我々は、このエンジニアリングコンテキストを型付きアーティファクトグラフとしてエンコードし、共有アーティファクト識別子における結果を予測する世界要求モデル(WRM)を提案する。
WRMは、ハッシュテキスト多層パーセプトロンに対して0.724対0.623の衝撃平均精度(MAP)を得る。
WRMは、アーティファクトに適応した世界モデルの定式化、文脈的結果のスコアリングの比較証拠、および要求世界予測を評価するための明示的な条件に貢献している。
論文 参考訳（メタデータ） (2026-10-03T11:16:57Z) - TimeLitmus: A Diagnostic Benchmark for Cross-Modal Understanding and Explanation Faithfulness in Event-Conditioned Time-Series Prediction [48.104261148149654]
TimeLitmusは、イベント条件付き時系列予測における相互理解と忠実さの説明のための診断ベンチマークである。
TimeLitmusには財務と交通の計4,856件の評価記録がある。
論文 参考訳（メタデータ） (2026-09-21T14:38:49Z) - Looping Is Not Reliability: State-Bound Evidence and Typed Revision Contracts for Agentic Code Repair [36.56438114281786]
正しいパッチの発見と保持、検証、提出のギャップについて検討する。
我々はエビデンスバウンド型ループ契約を導出し、その機械的に強制可能なサブセットを参照実装でインスタンス化する。
論文 参考訳（メタデータ） (2026-07-27T16:05:23Z) - CUSUM-Shaped Inference-Time Monitoring and Targeted Re-Decoding for Quantized Small Language Model Reasoning [0.6999740786886536]
MGT-Bは、事前サンプリングの不確かさと変性の特徴の重なり合う窓を、位置条件による経験的尾の確率にマップする。
ログしきい値h=10のマニュアル選択後に最初に観察された問題同一性に対して,その効果が持続するかどうかを検証した。
どちらの分析も確証がなく、実証的要因は有効な電子プロセスや電子検出器として確立されていない。
論文 参考訳（メタデータ） (2026-07-22T13:34:17Z) - Selective Prediction and Uncertainty-Aware Referral for Pap Smear Classification [3.093890460224435]
本稿では,Herlev Papスミアデータセットの選択的予測と不確実性を考慮した参照について検討する。
ImageNet-pretrained weights with weighted random samples, and two light transformer backbones are fine-tuned on Herlev from ImageNet-pretrained weights with weighted random sample。
統計的に有意な差は認められなかった。
論文 参考訳（メタデータ） (2026-07-15T05:47:31Z) - When Agents Look the Same: Quantifying Distillation-Induced Similarity in Tool-Use Behaviors [66.18091962164219]
既存のメトリクスは、タスクの成功に必要な義務的な振る舞いと、モデルの自律的な嗜好を反映した命令的でないパターンを区別することができない。
言語アライメントのための textbfResponse Pattern similarity (RPS) と、有向グラフとしてモデル化されたツール使用習慣のための textbfAction Graph similarity (AGS) である。
論文 参考訳（メタデータ） (2026-04-23T03:48:56Z) - Self-Anchoring Calibration Drift in Large Language Models: How Multi-Turn Conversations Reshape Model Confidence [0.0]
自己調整条件ドリフト (SACD) は、大規模言語モデルにおいて、マルチターン会話をまたいだ事前出力を反復的に構築する際に、表現された自信の体系的な変化を示すという仮説的な傾向である。
我々は, 1ターンベースライン(A), マルチターンセルフアンチョリング(B), 独立反復制御(C)の3条件を用いて, 事実領域, 技術領域, オープンエンド領域にまたがる150の質問に対して, Claude Sonnet 4.6, Gemini 3.1 Pro, GPT-5.2を比較した。
その結果、事前登録された仮説から部分的に分岐する複雑なモデル不均一パターンが明らかとなった。
論文 参考訳（メタデータ） (2026-03-01T19:27:52Z) - Causal Understanding by LLMs: The Role of Uncertainty [43.87879175532034]
近年の論文では、LLMは因果関係分類においてほぼランダムな精度を達成している。
因果的事例への事前曝露が因果的理解を改善するか否かを検討する。
論文 参考訳（メタデータ） (2025-09-24T13:06:35Z) - Benchmarking Reasoning Robustness in Large Language Models [76.79744000300363]
新規データや不完全データでは,性能が著しく低下することがわかった。
これらの結果は、厳密な論理的推論に対するリコールへの依存を浮き彫りにした。
本稿では,情報不足によって引き起こされる幻覚を利用して推論ギャップを明らかにする,Math-RoBと呼ばれる新しいベンチマークを提案する。
論文 参考訳（メタデータ） (2025-03-06T15:36:06Z) - Exploring Response Uncertainty in MLLMs: An Empirical Evaluation under Misleading Scenarios [49.53589774730807]
マルチモーダル大規模言語モデル(MLLM)は近年,視覚的質問応答から映像理解に至るまでのタスクにおいて,最先端のパフォーマンスを実現している。
12件のオープンソースMLLMが, 単一の偽装キューを受けた65%の症例において, 既往の正解を覆した。
論文 参考訳（メタデータ） (2024-11-05T01:11:28Z)
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。