Fugu-MT 論文翻訳(概要): Protegrity-PII Technical Report

論文の概要: Protegrity-PII Technical Report

arxiv url: http://arxiv.org/abs/2610.30518v2
Date: Wed, 28 Oct 2026 02:59:21 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-30 22:39:27.469626
Title: Protegrity-PII Technical Report
Title（参考訳）: Protegrity-PIIテクニカルレポート
Abstract要約: 構造化および非構造化テキストに対する新しいPII検出モデルであるProtegrity-PIIを提案する。 Protegrity-PII は,提案する新しいベンチマーク PII-SCOPE において 0.902 の精度で 0.910 の型付きリコールを実現する。
参考スコア（独自算出の注目度）: 2.1644330689410123
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: We present Protegrity-PII, a new PII detection model for structured and unstructured text. Protegrity-PII achieves a typed recall of 0.910 with a precision of 0.902 on a new benchmark we propose, PII-SCOPE. Our model processes text in 0.49 seconds per million characters at \$0.0005 per million characters on a single RTX 6000 using batched inference. Due in part to the expansive nature of the entity type taxonomy used in training, Protegrity-PII achieves superior out-of-distribution generalization when benchmarked against a selection of state of the art models and datasets.
Abstract（参考訳）: 構造化および非構造化テキストに対する新しいPII検出モデルであるProtegrity-PIIを提案する。 Protegrity-PII は,提案する新しいベンチマーク PII-SCOPE において 0.902 の精度で 0.910 の型付きリコールを実現する。我々のモデルはバッチ推論を用いて1つのRTX 6000上で0.49秒/100万文字を0.0005/100万文字で処理する。 Protegrity-PIIは、トレーニングで使用されるエンティティタイプの分類学の拡張性のために、最先端のモデルとデータセットの選択に対してベンチマークすると、より優れたアウト・オブ・ディストリビューションの一般化を達成する。

関連論文リスト

Marginal utility, matrix factorization, and the Key-Value (KV) cache: a unified information-economic framework for sovereign geo-mining inference [0.0]
本稿では,限界効用の概念と機械学習構造との間に理論的橋渡しを行う。ジオマイニング文書からの構造化情報の自動抽出に適用する。
論文参考訳（メタデータ） (2026-09-17T11:19:58Z)
An Integrated Two-Stage Deep-Learning Tool for Rapid Post-Hurricane Damage Identification and Repair Scheduling [0.0]
本稿では,損傷ラインの迅速同定と修復スケジュールのための統合型2段階深層学習ツールを提案する。 IEEE 9500ノードテストフィード用のオフライン合成データセットには、露出機能、グリッドメタデータ、パラメータ、OpenDSS出力、損傷ラインラベル、Adaptive Large Neighborhood Search参照スケジュールを備えた1,700のハリケーンシナリオが含まれている。選択されたResMLP-Setトランスフォーマーパイプラインはステージ1エラーをステージ2に伝播させ、ダメージジョブF1スコア0.920、ペアオーダー契約0.854、不安定性と開始時平均絶対誤差4.349分、4.486を達成する。
論文参考訳（メタデータ） (2026-06-28T00:01:09Z)
Embedding Foundation Model Predictions in Discrete-Choice Models with Structural Guarantees [12.709654635425442]
タブラル基礎モデルは選択予測タスクにおいて高い精度を達成するが、その予測は経済論理に反することが多い。本稿では,基礎モデルの予測選択確率を事前計算機能として利用し,それを多項ロジットユーティリティに組み込む2段階アダプタを提案する。この構成は多項ロジットの置換率を正確に保存していることを証明し、解析的に計算可能な値が数学的保証となる。
論文参考訳（メタデータ） (2026-06-24T22:44:29Z)
Models Can Model, But Can't Bind: Structured Grounding in Text-to-Optimization [54.749573452394664]
定式化自体が単純である場合でも、インスタンスデータが大きくなるにつれて精度が低下する。我々は, 数値データを構造化ファイルに外部化する単純な推論時アプローチであるBINDを用いて, モデルがプロンプトプロンプトからではなく, データをバインドする。我々は,モデルのみをバインディングのみに微調整することで仮説を検証し,3つの構造的に異なる最適化カテゴリにおいて,エンドツーエンドのSFTおよびRLよりも優れていることを示す。
論文参考訳（メタデータ） (2026-05-20T21:25:41Z)
Open-Set Vein Biometric Recognition with Deep Metric Learning [0.0]
我々は厳密なオープンセット制約の下でDeep Metric Learning(DML)の計算境界を厳格に評価する。提案手法は,非ネイティブなL2正規化埋め込みを学習し,類似性しきい値を用いたプロトタイプベースマッチングを採用する。大規模MMCBNU 6000ベンチマークでは、我々の最良のモデル(ResNet50-CBAM)がOSCR 0.9945、AUROC 0.9974、EER 1.57%を達成し、高い識別精度 (99.6% Rank-1) を維持しながら、未知の被験者を頑健に拒否する。
論文参考訳（メタデータ） (2026-04-16T11:03:11Z)
Ultra-Resolution Adaptation with Ease [62.56434979517156]
我々は,EmphURAEと呼ばれる超高分解能適応のための重要なガイドラインのセットを提案する。重み行列の小さな成分のチューニングは、合成データが利用できない場合に広く使用される低ランクアダプタよりも優れていることを示す。 URAEは、FLUX1.1[Pro] Ultraのような最先端のクローズドソースモデルに匹敵する2K世代の性能を達成している。
論文参考訳（メタデータ） (2025-03-20T16:44:43Z)
SANA 1.5: Efficient Scaling of Training-Time and Inference-Time Compute in Linear Diffusion Transformer [49.1761733723771]
本稿では,テキスト・画像生成における効率的なスケーリングを実現する線形拡散変換器であるSANA-1.5を提案する。効率的なトレーニングスケーリング、モデルの深さ決定、推論時間スケーリングの3つの重要なイノベーションを紹介します。これらの戦略により、SANA-1.5 は GenEval 上のテキスト計算画像アライメントスコア 0.81 を達成し、VILA-Judge による推論スケーリングにより、さらに 0.96 に改善できる。
論文参考訳（メタデータ） (2025-01-30T15:31:48Z)
PaPaGei: Open Foundation Models for Optical Physiological Signals [8.78925327256804]
光胸腺撮影は生体信号と心臓血管の健康をモニタリングする主要な非侵襲的手法である。 PPG信号に基づいて訓練された機械学習モデルは、タスク固有であり、一般化に苦慮する傾向がある。 PPG信号のための最初のオープン基盤モデルPaPaGeiを提案する。
論文参考訳（メタデータ） (2024-10-27T18:18:06Z)

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。