論文の概要: X-Embedding: Two-Stage Training for Multilingual Patent Prior-Art Retrieval

• arxiv url: http://arxiv.org/abs/2610.29521v1
• Date: Wed, 21 Oct 2026 10:07:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.310791
• Title: X-Embedding: Two-Stage Training for Multilingual Patent Prior-Art Retrieval
• Title（参考訳）: X-Embedding:多言語特許事前検索のための2段階訓練
• Abstract要約: X-Embeddingは特許ドメイン表現を学習し、Xカテゴリ検索の妥当性を最適化するフレームワークである。 X埋め込みは、請求項発明の新規性又は発明的ステップに特に関係するXカテゴリー参照を識別することができる。
• 参考スコア（独自算出の注目度）: 6.709178165347622
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multilingual patent prior-art retrieval requires identifying X-category references that are particularly relevant to the novelty or inventive step of a claimed invention, beyond topical similarity across languages and document views. We present X-Embedding, a two-stage framework that first learns patent-domain representations and then optimizes X-category retrieval relevance. The first stage aligns complementary sections within patents and corresponding sections across different-language patent-family members, learning from both patent structure and multilingual expressions. The second stage learns X-category relevance using examination-report X citations as positives and negatives drawn from retrieval candidates and A-category citations. Matryoshka representation learning (MRL) enables 64- and 1024-dimensional embeddings within one model. Evaluation on a common Chinese, English, and Japanese collection with four query views yields 89.09% overall macro Hit@100 at 64 dimensions, exceeding Qwen3-Embedding-0.6B and RoBERTa by 21.25 and 3.68 percentage points, respectively. Under the same second-stage training and evaluation conditions, two-stage training outperforms direct supervised fine-tuning by 3.19 points, with gains of 5.34 and 4.72 points for English and Japanese and higher scores in nine of twelve language-view combinations. Overall macro Hit@10 and Hit@20 also improve by 3.71 and 3.79 points, respectively. These results support sequential patent-domain and task adaptation for improving aggregate X-category retrieval on this multilingual collection.
• Abstract（参考訳）: マルチリンガル特許の先行技術検索では、言語や文書ビューにまたがる主題的類似性を超えて、請求項発明の新規性または発明的なステップに特に関係するXカテゴリーの参照を特定する必要がある。 X-Embeddingは、まず特許ドメイン表現を学習し、その後、Xカテゴリ検索の妥当性を最適化する2段階のフレームワークである。 第1段階は、特許構造と多言語表現の両方から学習し、特許内の補完的部分と、異なる言語に属する特許ファミリーメンバーの対応する部分とを並べる。 第2段階は、検索候補およびAカテゴリーの引用から引き出された陽性および陰性として、検査報告X引用を用いてXカテゴリーの関連性を学ぶ。 Matryoshka representation learning (MRL)は、1つのモデルに64次元および1024次元の埋め込みを可能にする。 4つのクエリビューを持つ中国語、英語、日本語の一般的なコレクションの評価では、合計89.09%のマクロHit@100を64次元で、それぞれQwen3-Embedding-0.6B、RoBERTaを21.25、RoBERTaを3.68ポイント上回る。 同じ2段階の訓練・評価条件下では、2段階の訓練は、英語と日本語で5.34点、日本語で4.72点、言語とビューの組み合わせで9点において、直接微調整を3.19点に向上させる。 マクロのHit@10とHit@20もそれぞれ3.71ポイントと3.79ポイント改善された。 これらの結果は、この多言語コレクションの集合Xカテゴリ検索を改善するために、シーケンシャルな特許ドメインとタスク適応をサポートする。

関連論文リスト

• PatTransBench: an ipc-stratified, multi-dimensional benchmark for patent machine translation evaluation [3.5808917363708743]
  提案するPatTransBenchは,4次元評価プロトコルを用いた12,000石の中国語/英語/日本語/韓国語特許機械翻訳(PatMT)ベンチマークである。 ベンチマークは6000の短文(文/接頭辞)と6,000の長文(パラグラフ)のペアで構成され、3つの言語対と両翻訳方向に均等に分けられる。 評価プロトコルは、リテラルn-gramオーバーラップ(BLEU, ROUGEL, chrF)、言語間セマンティック類似性(CLSTS)、38言語一貫性テスト、パフォーマンス基盤を提供する。
  論文  参考訳（メタデータ） (2026-10-12T10:25:06Z)
• Annotated Surrogate Retrieval for Polish Statutory Law [0.0]
  本稿では,文書代理法に基づくポーランド法典の検索方法のファミリについて述べる。 ASCRはサロゲートカスケードであり、ASCR-Hはそのカスケードに密度の高いリストを融合させ、DTFは言語モデルの両方のステージを3つの語彙と密度の高いレトリバーで置き換える。 2024年と2025年のポーランドの弁護士試験と法律顧問試験の300問に対して,これら3項目について,語彙,密集度,融解度,融解度と4つの基準値とを比較検討した。
  論文  参考訳（メタデータ） (2026-08-31T15:05:00Z)
• L3Cube-IndicQuest v2: A Large-Scale Multilingual Benchmark for Evaluating Factual Knowledge of Large Language Models Across Indic Languages [2.7725161329847547]
  L3-IndicQuest v2は、大規模言語モデル(LLM)のインド固有の事実知識を評価するための大規模ゴールドスタンダード多言語質問答えベンチマークである。 このベンチマークは、9つのドメインにまたがる3,471のカリキュラムと、教育カリキュラム、競争試験資料、ドメイン固有の参考書からなる。 このベンチマークは19のIndic言語に翻訳され、20言語にまたがる69,420の質問対のデータセットが公開されている。
  論文  参考訳（メタデータ） (2026-08-16T05:07:28Z)
• What Do Chinese-Language Generative Search Engines Cite and Surface? A Large-Scale Empirical Study [6.303656473095422]
  生成型AI質問回答システムは、情報アクセスを仲介し、検索結果から検索結果の検索、引用、結果の提示へとコンテンツの可視性をシフトする。 我々は,4つの主流プラットフォームのWebおよびAppインターフェースにおける中国語生成検索について,大規模な実証的研究を行った。 214,119の生記録から,160,860レコードのクリーニングされた引用レベルデータセットを構築し,引用行動,ソース属性,エンティティ露出,インターフェース間の整合性を解析した。
  論文  参考訳（メタデータ） (2026-07-17T09:03:12Z)
• The GaoYao Benchmark: A Comprehensive Framework for Evaluating Multilingual and Multicultural Abilities of Large Language Models [51.61416200800499]
  GaoYaoは182.3kサンプル、26言語、51か国/地域からなる総合ベンチマークである。 まず、GaoYao氏は評価タスクを3つの文化階層に分類する統一的なフレームワークを提案する。 第二に、専門家を活用して、主観的なベンチマークを19言語に厳格にローカライズすることで、ネイティブ品質の拡大を実現しています。 第3に,20以上のフラッグシップおよびコンパクトLCMの詳細な診断を行う。
  論文  参考訳（メタデータ） (2026-04-22T06:19:46Z)
• CAPITU: A Benchmark for Evaluating Instruction-Following in Brazilian Portuguese with Literary Context [8.678622777553267]
  CAPITUは、ブラジルポルトガル語でLLM(Large Language Models)の命令追従能力を評価するためのベンチマークである。 ベンチマークは59の命令タイプを7つのカテゴリに分類し、すべて自動的に検証できるように設計されている。 シングルターンおよびマルチターン設定における18の最先端モデルを評価する。
  論文  参考訳（メタデータ） (2026-03-23T21:16:54Z)
• Breaking Language Barriers in Multilingual Mathematical Reasoning: Insights and Observations [59.056367787688146]
  本稿では, マルチリンガル数学推論 (xMR) LLM の探索と学習の先駆者である。 我々は10の異なる言語を含む最初の多言語数学推論命令データセットMGSM8KInstructを構築した。 翻訳を利用して、10個の異なる言語を含む最初の多言語数学推論命令データセットMGSM8KInstructを構築した。
  論文  参考訳（メタデータ） (2023-10-31T08:09:20Z)
• Text Classification via Large Language Models [63.1874290788797]
  テキスト分類に関わる複雑な言語現象に対処するために、Clue And Reasoning Prompting (CARP)を導入する。 注目すべきは、CARPが5つの広く使用されているテキスト分類ベンチマークのうち4つで新しいSOTAパフォーマンスを得ることだ。 さらに重要なのは、CARPが低リソースとドメイン適応のセットアップで素晴らしい能力を提供します。
  論文  参考訳（メタデータ） (2023-05-15T06:24:45Z)

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。