論文の概要: KrishokTech: A Bengali Agricultural Advisory System with Explicit Authorization Controls

• arxiv url: http://arxiv.org/abs/2610.32817v1
• Date: Fri, 23 Oct 2026 15:51:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 01:38:06.6014
• Title: KrishokTech: A Bengali Agricultural Advisory System with Explicit Authorization Controls
• Title（参考訳）: KrishokTech: 明示的な認可制御を備えたベンガル農業アドバイザリーシステム
• Abstract要約: KRISHOKTECH (KRISHOKTECH) はベンガルの農業アドバイザリーシステムである。 検索の前には、正規化と規則に基づく受け入れチェックは、ポリシーがカバーするハイリスク要求を参照する。 システムは検索を1つの作物に結合し、テキストと画像が異なる作物を示すときに確認を求める。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: For agricultural advisory, generating an answer is only part of the problem: the system must also control unsafe requests, work with limited connectivity, and accommodate changing guidance. KRISHOKTECH is a Bengali agricultural advisory system built around an explicit authorization boundary around generation. Before retrieval, normalization and rule-based admission checks refer policy-covered high-risk requests and ask for a crop when treatment intent is underspecified. The system then binds retrieval to a single crop and asks for confirmation when the text and image indicate different crops. After generation, a narrow verifier removes dosage claims not supported by retrieved BARI/BRRI evidence. Agricultural guidance is kept in an external evidence index that can be updated without retraining the generator, while browser-side vision and local retrieval reduce connectivity requirements. The interface makes these decisions visible as ASK, CONFIRM, REFER, and DROP, together with their evidence. On 200 farmer queries and 400 stress queries, the controls halted underspecified requests and reduced cross-crop retrieval violations from 36.5% to 0% under the tested alias filter. Mismatch detection caught 453 of 454 text-image conflicts, while the verifier caught 114 of 118 inserted dosage errors. The demonstration shows how these controls govern the path from request to delivered advice.
• Abstract（参考訳）: 農業のアドバイザリにとって、答えの生成は問題の一部に過ぎず、システムは安全でない要求を制御し、接続性に制限のある作業を行い、ガイダンスを変更する必要がある。 KRISHOKTECH (KRISHOKTECH) はベンガルの農業アドバイザリーシステムである。 検索の前に、正規化と規則に基づく入院チェックは、ポリシーでカバーされたリスクの高い要求を参照し、治療意図が明確でないときに作物を尋ねる。 システムは検索を1つの作物に結合し、テキストと画像が異なる作物を示すときに確認を求める。 生成後、狭い検証器は、回収されたBARI/BRRIエビデンスによって支持されていないドセージクレームを除去する。 農業指導は外部エビデンスインデックスに保持され、ジェネレータを再トレーニングすることなく更新できる。 インターフェースはこれらの決定を、証拠とともにASK、CONFIRM、REFER、DROPとして可視化する。 200のファーマークェリと400のストレスクェリでは、制御は不特定リクエストを停止し、クロスクロップの検索違反をテストされたエイリアスフィルタで36.5%から0%に減らした。 ミスマッチ検出では454のテキストイメージの衝突のうち453が検出され、検証器は118の挿入量エラーのうち114が検出された。 デモでは、これらのコントロールがリクエストからデリバリアドバイスまでのパスをどのように管理するかが示されています。

関連論文リスト

• Co-adaptive Rule Routing and Constraining for Structured Knowledge Retrieval [66.83192752687921]
  Co-Adaptive Rule Routing and Constraining Retrieval (CoRE) CoREは、クエリルペアを事前に定義せずに、各クエリに割り当てる推論ルールと、そのルールの下でエビデンスを取得する方法を学ぶ。 STaRK-QAデータセットの科学的発見、生物医学的推論、電子商取引知識管理に関する実験。
  論文  参考訳（メタデータ） (2026-10-10T01:45:48Z)
• CiteGuard-RAG: A Validation-Centered AI System for Evidence-Grounded Question Answering [0.21748200848556343]
  CiteGuard-RAGは、根拠に基づく質問応答のための検証中心のAIシステムである。 システムはセマンティックレキシカル検索、引用制約付き生成、文レベルの接地検証、シングルパス再生を統合している。 CiteGuard-RAGは、コントロールされた住宅法データセット全体で400の質問に対して評価される。
  論文  参考訳（メタデータ） (2026-09-14T16:30:54Z)
• Watermarks Without Verification: AI Text Watermarking After the EU AI Act [49.51124343181601]
  EU AI法第50条では、生成可能なAIプロバイダに対して、システムが生成したコンテンツをマークし、AI生成として検出することを要求している。 Anthropicは、その日後にリリースされたすべてのClaudeモデルが、すべての生成されたテキストにSynthID-Textに基づく透かしを埋め込んでいることを公表した。 我々は、現在、異議や保証は確認できないし、この不信は、それ自体を透かしではなく、実質的なガバナンスの失敗であると論じている。
  論文  参考訳（メタデータ） (2026-09-09T01:56:17Z)
• LabourCrew: A Multi-Agent RAG Framework for Trustworthy Adversarial Deliberation and Statutory Reasoning over Labour Law [0.4417991658092448]
  LabourCrewは3つの基盤メカニズムを中心に構築されたマルチエージェントRAGフレームワークである。 StatuteGraphは、一定の長さのスパンではなく、章、セクション、プロファイソ、および相互参照構造をリンクする。 エビデンス交換プロトコルは、エビデンス台帳へのアドボケートとインタプリタを制限し、未検索のテキストへの引用を不可能にする。 キャリブレーテッド・トラスト・ゲート(Calibrated Trust Gate)は、カテゴリー的受け入れ/拒絶決定を、偽受け入れ率の分布自由境界に対する共形リスク制御を介して閾値付けされた信頼スコアに置き換える。
  論文  参考訳（メタデータ） (2026-08-18T11:55:42Z)
• SEER: A Self-Grounded Evidence Interface for Controlled Spatial Relation Classification [71.9783246097687]
  SEERは、ペアローカライゼーション中の候補関係を隠蔽し、明示的な主観的/対象的役割を持つクエリ固有ビューを構築し、補完的な証拠として完全なイメージとスパースボックス幾何学を保持する。 正確な逆サポートを持つ関係選択プロトコルでは、オプションリファインメントがエンティティロールを交換し、正確に1つの視覚状態が対応する逆関係に従う場合にのみ前方決定を変更する。 変更されていないプロトコルは、3つのモデルにまたがる2,434個のフィルター付きEmbSpatialペア関係質問に対して +4.35 から +11.79 を得る。
  論文  参考訳（メタデータ） (2026-08-04T13:16:15Z)
• Evidence-in-the-Loop: Trace-Driven Optimization for Customer-Service LLM Agents [6.9430026014199635]
  BM25リコール、イシュー-タイトル-ベクターリコール、イシュー-記述-ベクターリコール、重み付けされたRF核融合、クロスエンコーダリオークティングは、LLMの制御された決定の根拠となる証拠である。 ポリシー誘導オーケストレーションは、このRAGエビデンスとシナリオ固有のルールエビデンス、会話メモリ、固定されたLangGraph DAGcitelanggraph2024内の状態を忘れることとを組み合わせます。 再利用可能な配置パターンとして, textbfhybrid RAG evidence construction, textbfevidence-grounded issue/action decision, textbftrace-driven RAG がある。
  論文  参考訳（メタデータ） (2026-07-20T15:07:58Z)
• EvidentialRAG: Quantifying and Mitigating Information Conflict in Multi-Source Retrieval-Augmented Generation via Evidential Deep Learning [0.2730969268472861]
  本稿では,取得したチャンクを生成前に確率的証拠に変換する不確実性を考慮したRAGフレームワークであるERAGを紹介する。 CRAG、ConflictQA、MuSiQueの実験は、ERAGが標準質問応答における最強一致ベースラインと競争力を維持していることを示している。
  論文  参考訳（メタデータ） (2026-07-11T21:56:15Z)
• Citation-Closure Retrieval and Per-Rule Attribution for Real-World Regulatory Compliance Question Answering [54.97384993676565]
  複雑な国内R&D規制から派生した運用知識グラフを特徴とする,新たなベンチマークであるRegOps-Benchを用いて,レギュレーションコンプライアンスQAを形式化する。 RefWalkはクロスドキュメントの引用を横切り、マックスベースのアグリゲーションを通じてマルチビュー候補を融合させ、ソースへのクレームを明示的にマッピングするためにルールごとの属性を強制する。
  論文  参考訳（メタデータ） (2026-05-28T10:38:38Z)
• SURE-RAG: Sufficiency and Uncertainty-Aware Evidence Verification for Selective Retrieval-Augmented Generation [6.604874054866016]
  本稿では,証拠満足度がセットレベル特性であることを示す,透過的なアグリゲーションプロトコルSURE-RAGを提案する。 共有ペアレベルのクレームエビデンス検証器は、SURE-RAGが集約した局所的関係分布を解釈可能な応答レベル信号に生成する。 制御されたマルチホップベンチマークであるHotpotQA-RAG v3をアーティファクト・アウェア・プロトコルで評価した。
  論文  参考訳（メタデータ） (2026-05-05T09:05:40Z)
• 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。