論文の概要: Region-Guided Food-Package Evidence Extraction and Abstention-Aware Draft R3337 Screening with Selective VLM Review
- arxiv url: http://arxiv.org/abs/2610.28211v1
- Date: Tue, 20 Oct 2026 13:48:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-21 21:58:47.836195
- Title: Region-Guided Food-Package Evidence Extraction and Abstention-Aware Draft R3337 Screening with Selective VLM Review
- Title（参考訳）: 選択的VLMレビューによる地域ガイド食品パッケージのエビデンス抽出と留置用ドラフトR3337スクリーニング
- Abstract要約: 本研究は,R3337の領域誘導型エビデンス抽出と無意識スクリーニングのワークフローについて述べる。
復元された証拠は、決定論的ドラフトR3337ルールを用いて集約され、評価される。
未解決事例の認定には、選択的視覚言語モデル(VLM)の審査段階が未解決の証拠を再評価する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Applying South Africa's draft R3337 warning criteria to food-package photographs requires nutrition, ingredient and product-form evidence. This study presents a region-guided evidence extraction and abstention-aware screening workflow for draft R3337. A three-class detector localises nutrition information panels, ingredient lists and product-identity regions, after which PaddleOCR and structured extraction recover nutrient values, ingredient evidence and product-form information. Recovered evidence is aggregated and assessed using deterministic draft R3337 rules. When evidence is incomplete, uncertain or conflicting, the workflow abstains through Review or Insufficient evidence rather than forcing an automatic outcome. For qualifying unresolved cases, a selective vision-language model (VLM) review stage using Qwen3-VL 8B Instruct reassesses unresolved evidence. Accepted evidence is merged and the same deterministic rules are reapplied. The workflow was applied to 442 products represented by 3,929 images. Evaluation used a manual validation set of 65 products. Before selective VLM review, 31 of 60 decidable products received automatic outcomes and 30 were correct, giving 51.7% coverage and 96.8% accuracy among automatic outcomes (selective accuracy). Selective VLM review resolved eight additional products, increasing coverage to 65.0%. Of 39 automatic outcomes, 38 were correct, giving 97.4% selective accuracy. The single false warning was retained from the rules-only workflow, while no unsafe warning omissions occurred after selective review. Evidence-level evaluation nevertheless identified incorrect VLM-recovered nutrition, ingredient and product-form evidence. These findings show that selective VLM review can recover unresolved evidence, while deterministic screening and explicit abstention remain necessary for reliable image-based draft R3337 screening.
- Abstract（参考訳）: 南アフリカのR3337原案を食品包装写真に適用するには、栄養、食材、製品形態の証拠が必要である。
本研究は,R3337の領域誘導型エビデンス抽出と無意識スクリーニングのワークフローについて述べる。
三級検出器は、栄養情報パネル、成分リスト、製品同一性領域をローカライズし、その後、PaddleOCRおよび構造化抽出栄養回収値、成分エビデンス及び製品形態情報を生成する。
復元された証拠は、決定論的ドラフトR3337ルールを用いて集約され、評価される。
証拠が不完全、不確実、あるいは矛盾する場合、ワークフローは自動的な結果を強制するのではなく、レビューや不十分な証拠を排除します。
未解決事例の予選では、Qwen3-VL 8Bインストラクトを用いた選択的視覚言語モデル(VLM)が未解決の証拠を再評価する。
承認された証拠はマージされ、同じ決定論的ルールが適用されます。
ワークフローは3,929の画像で表される442の製品に適用された。
評価には65の製品による手動検証セットを使用した。
選択的なVLMレビューの前には、60品中31品目が自動結果を受け取り、30品目が正しかったため、51.7%がカバー、96.8%が自動結果(選択的精度)であった。
選択的なVLMレビューでは8つの追加製品が解決され、カバー数は65.0%に増加した。
39の自動結果のうち38は正解であり、97.4%の精度が得られた。
単一の偽の警告はルールのみのワークフローから保持されたが、選択されたレビュー後に安全でない警告が削除されることはなかった。
エビデンスレベルの評価では, 不正なVLM回収栄養, 成分, 製品形態の証拠が確認された。
これらの結果から, 画像ベースR3337検診において, 決定論的検診と明示的棄却は依然として必要であり, 選択的VLM検診は未解決の証拠を回収できることが示された。
関連論文リスト
- Auditing the Product, Not the Recursion: The Evaluation Evidence Behind Recursive Self-Improvement Claims [4.327699139300454]
再帰的な自己改善はAIシステムがさらなる改善をもたらすことを約束する。
既存の調査では、これらの主張が必要とする証拠が特定されているが、その証拠が測定されていないと報告される頻度が報告されている。
我々は,2026年10月に凍結した再現可能なarXiv検索フレームにおける114の適格な研究のフルテキスト符号化を通じて,本問題を検証した。
論文 参考訳（メタデータ） (2026-10-20T04:23:05Z) - ACED-Bench: Evaluating How LLM Agents Acquire and Act on Causal Evidence [40.670500527968926]
本稿では,この要件に基づいて構築されたニューロシンボリックベンチマークであるACED-BENCH(Active Causal Evidence and Decision Benchmark)を紹介する。
主要なリーダーボードACED-COREには180のタスクが含まれている。
我々は,3つのアクティブエージェント設計における7つの現代LCMと2つの先行世代モデルを評価した。
論文 参考訳（メタデータ） (2026-10-09T23:01:57Z) - What Output-Only Review Cannot Verify: Study Contracts for Research Agents [10.88831138993597]
我々は、宣言された実験的な選択、義務の実行、記録された実行証拠の請求範囲を束縛する契約を提案する。
8つの自己証明されたクリーン/ミュートされたペアを用いた診断は、情報境界を示す。
契約チェックが最適化の下で有用な適合性補完を向上するかどうかの必要なテストとして,全情報比較,正則適応制御,閉ループエージェントの評価を同定する。
論文 参考訳（メタデータ） (2026-10-08T11:42:23Z) - Hallucination Across the Reasoning Lifecycle: Interface Visibility, Causal Evidence, and Release Control in Large Reasoning Models [44.67758186056767]
本調査では,312件の論文と,3つの質問に関するテキストベースの推論幻覚に関する第一部報告を合成する。
UIPCAレコードなし前提(U)、無効推論(I)、依存的再利用(P)、可視的応答-トレース一貫性(C)、行動-政治失敗(A)
この合成は、診断を検証、修復、選択的なリリース、メモリ、ツール、トレーニングフィードバック全体にわたる永続的な状態制御に結びつける。
論文 参考訳（メタデータ） (2026-10-04T19:24:31Z) - A Conservative OCR-Enabled Workflow for R214 Sodium Screening of South African Packaged Foods [0.0]
この評価では、実世界の南アフリカの食品包装データセットから、42の包装食品と3の929のフルパッケージイメージを使用した。
YOLO26の小型検出器が4つの195個の領域の作物を発生させ、厳格な後処理によって1個のナトリウムエビデンス列が生成された。
論文 参考訳（メタデータ） (2026-09-14T11:55:32Z) - IdeaAMBIG: Benchmarking Implementation-Critical Gaps in Research-Idea Specifications [52.570108663867046]
研究のアイデアは、新しく、一貫性があり、科学的に妥当であるが、その提案された手法は、忠実な実装のために不十分に指定されている。
提案手法は,実装を対象とする研究手法仕様の体系化の可否を,有能な実装者やコーディングエージェントに十分な方法論的情報を提供して,前提条件を満たさずに目的とする手法を構築することができるかを検討する。
IdeaAMBIGは660のエビデンス基底インスタンスのベンチマークで、レポートとGitHubの問題から163の現実世界のギャップと、コーディフィケーション対応のリファレンスに注入される合成ギャップを497のコントロールで管理する。
論文 参考訳（メタデータ） (2026-09-09T17:59:04Z) - ProofPulse: Interactive Proof Coverage Analysis for Dafny [47.23158426199152]
帰納的検証は、実装がその仕様を満たすことを保証しますが、成功した検証は仕様の品質を保証しません。
本稿では,3値の証明カバレッジモデルを用いて,仕様品質を診断するDafny用ツールであるProgrampulseを提案する。
論文 参考訳（メタデータ） (2026-08-31T14:00:31Z) - PROVE: Proof-guided Regime-aware Operator Verification for Hallucination Detection in Medical Visual Question Answering [31.62102147229479]
本稿では,各質問の明確構造に検証戦略を適用するブラックボックス検出器であるPROVE(Proof-Guided-Aware Operator Verification)を提案する。
PROVEは、要求する視覚的証明に基づいて、質問を3つの検証体制に分類し、5つの補完演算子の体制固有のサブセットを活性化し、質問ごとのオペレータの重要性を調整する。
PROVEは0.821 AUROCを達成し、最強のベースラインである+0.159を上回った。
論文 参考訳（メタデータ） (2026-08-28T01:01:12Z) - 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) - Contrastive Learning to Improve Retrieval for Real-world Fact Checking [84.57583869042791]
ファクト・チェッキング・リランカ(Contrastive Fact-Checking Reranker, CFR)を提案する。
我々はAVeriTeCデータセットを活用し、証拠文書からの人間による回答とクレームのサブクエストを注釈付けする。
データセットの精度は6%向上した。
論文 参考訳（メタデータ） (2024-10-07T00:09:50Z)
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。