論文の概要: TCM-DiagCommit: A TCM-SD-Derived Benchmark for Evidence-Conditioned Syndrome Selection and Commitment
- arxiv url: http://arxiv.org/abs/2610.37243v1
- Date: Tue, 27 Oct 2026 13:46:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-28 21:04:31.646101
- Title: TCM-DiagCommit: A TCM-SD-Derived Benchmark for Evidence-Conditioned Syndrome Selection and Commitment
- Title（参考訳）: TCM-DiagCommit: A TCM-SD-Derived Benchmark for Evidence-Conditioned Syndrome Selection and Commitment
- Abstract要約: 本稿では,TCM-SD/ZY-BERTリソースから派生したベンチマークであるTCM-DiagCommitを紹介する。
1,834件のソースを148件の症候群ラベルで23,842件のタスク行に変換する。
ベンチマークで定義されたアクションコントラクトはコミット、取得、延期、および停止をスコアする。
- 参考スコア（独自算出の注目度）: 7.843710513049054
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Traditional Chinese Medicine (TCM) syndrome differentiation is usually evaluated as static final-label selection over complete clinical records. This setting hides three diagnostic behaviors: whether a model distinguishes semantic-neighbor syndrome labels from easy random distractors, whether it updates predictions as evidence fields are revealed, and whether it should commit under uncertainty. We introduce TCM-DiagCommit, a benchmark derived from the public TCM-SD/ZY-BERT resource while retaining its source syndrome labels; it converts 1,834 source cases into 23,842 task rows over 148 syndrome labels. The benchmark combines random, profile-neighbor, and full-vocabulary candidate ladders with staged t1/t2/t3 evidence. It also includes fixed-label tongue/pulse perturbations and insufficient-evidence variants. A benchmark-defined action contract scores commit, acquire, defer, and abstain. Across five zero-shot DirectLLM calibrations, random10 top-1 accuracy is 63.2% to 66.4%, but hard20 falls to 24.7% to 30.3% and full148 to 14.8% to 22.3%; on hard20, WT(all) wrong-terminal commits remain 62.2% to 74.3%. These results show that final-answer accuracy alone is insufficient for diagnostic benchmark evaluation: answer selection, evidence use, and benchmark commitment scoring should be measured separately.
- Abstract（参考訳）: 従来の中国医学(TCM)症候群の鑑別は、完全な臨床記録よりも静的な最終ラベル選択として評価されることが多い。
この設定は、3つの診断行動を隠す: モデルがセマンティック・隣の症候群ラベルを、容易に無作為な気晴らしから区別するかどうか、予測をエビデンス・フィールドとして更新するかどうか、不確実性の下でコミットすべきかどうか、である。
我々は,TCM-SD/ZY-BERTリソースをソースシンドロームラベルに保持しながら,公開TM-SD/ZY-BERTリソースから派生したベンチマークであるTCM-DiagCommitを紹介した。
このベンチマークは、ランダム、プロファイル隣、フルボキャブラリ候補のはしごとステージ化されたt1/t2/t3エビデンスを組み合わせる。
また、固定ラベルの舌/パルスの摂動や、不十分な証拠の変種も含む。
ベンチマークで定義されたアクションコントラクトはコミット、取得、延期、および停止をスコアする。
5つのゼロショットのDirectLLMキャリブレーションの中で、ランダム10のトップ1の精度は63.2%から66.4%に、ハード20は24.7%から30.3%に、フル148から14.8%から22.3%に低下する。
これらの結果から,回答の選択,エビデンス利用,およびベンチマークコミットメントスコアを別々に測定する,診断ベンチマーク評価に最終回答精度だけでは不十分であることが示唆された。
関連論文リスト
- Evidence-Bound Reasoning: Neuro-Semantic Verification of Biomedical AI in Glioblastoma Radiogenomics [0.0]
我々は,放射能測定を対処可能なエビデンス記録やマシンチェック可能なクレームに変換する神経意味検証フレームワークを開発した。
我々は, クロスコホート輸送性, モデルリンク証明, 決定論的検証, 予測劣化制御, LLMクレーム抽出パイロットについて検討した。
論文 参考訳（メタデータ） (2026-10-06T16:44:02Z) - TCMClinicalReason-Bench: Can Language Models Reason from Pathogenesis to Prescription over Real-World Clinical Cases? [13.467418961332227]
大きな言語モデル(LLM)は、患者固有の証拠に不十分な臨床物語を生成することができる。
TCMClinicalReason-Bench を用いた症例地上反応の診断と治療成績の鑑別を行った。
論文 参考訳（メタデータ） (2026-10-03T02:05:17Z) - Agent Error Dataset: Scaling 50,000 Error--Diagnosis Pairs for Failure Analysis and Error-Aware Post-Training [45.727227890697556]
我々は,9,961のソースタスクから50,228のエラー診断ペアからなるエージェントエラーデータセット(AED)を紹介した。
5段階のAgenic Error-to-Trainingパイプラインは自然の故障を収集し、診断と修正案を生成し、記録された証拠と照合する。
アクタートレーニングのレシピの比較において、アクションオンリーの修復トレーニングは成功オンリーのトレーニングよりもWebShop-liteの方が6.67ポイント高い。
論文 参考訳（メタデータ） (2026-09-30T16:40:22Z) - Safe to Stop? Risk-Constrained Stopping for Sequential Clinical Diagnosis Agents [8.33858460175655]
リスク制約付き停止層であるCrosについて述べる。状態的エラーランキング,不随伴開発分割に関するポリシー設計,選択的診断誤差の LTT スタイルの正確なテストなどである。
その有限サンプル保証は、キャリブレーションラベルにアクセスする前に、候補ファミリー、テストルール、任意のランダム化を凍結する必要がある。
論文 参考訳（メタデータ） (2026-09-09T03:46:53Z) - TRIAGE: Risk-Controlled Pseudo-Label Admission for Annotation-Efficient Semi-Supervised Retinal OCT Classification [0.6213771671016098]
本稿では,OCTスキャン分類のためのリスク制御型半教師付きフレームワークTRIAGEを提案する。
ノアアイ病院(Bスキャン16,822人、161人、554巻)のデータセットで、TRIAGEは89.66%のスキャンレベルの精度、0.8805のマクロF1、0.9641のマクロAUC、そして8.34%の下位グレードレートを示している。
論文 参考訳（メタデータ） (2026-08-14T14:06:48Z) - Auditable agentic AI for evidence-grounded thyroid ultrasound diagnosis and reporting [59.709162055944915]
ThyroidXAgentは、特殊な診断ツールをコーディネートし、その出力を監査可能なケースレベルの証拠記録として保存するエージェントAIシステムである。
NHC-MISD-TUSコホート内35施設8,721件を含む,重複しない28,458件の検査を行った。
セグメンテーションでは平均Diceスコアが87.21パーセント、良悪性分類では平均AUROCが0.9466だった。
論文 参考訳（メタデータ） (2026-08-12T21:02:59Z) - MamaBench: Benchmarking LLM Robustness in Maternal and Child Health Diagnosis through Counterfactual Clinical Perturbation [0.49454229616760287]
大規模言語モデルは医学ベンチマークで強いスコアを得るが、これらのベンチマークはそれぞれの質問を独立して評価する。
ママベンチ(MamaBench)は、母体と小児のAIに対する最初のカウンターファクトのベンチマークである。
Evidence-Anchored RAGは,アグリゲート類似性をエビデンスカバレッジの目的に置き換える3段階検索手法である。
論文 参考訳（メタデータ） (2026-07-15T21:56:19Z) - Analysis of the BraTS 2023 Intracranial Meningioma Segmentation Challenge [44.76736949127792]
我々はBraTS 2023の頭蓋内髄膜腫チャレンジの設計と結果について述べる。
BraTS髄膜腫チャレンジ(BraTS Meningioma Challenge)は、髄膜腫に焦点を当てた以前のBraTSグリオーマチャレンジとは異なる。
上層部は腫瘍,腫瘍コア,腫瘍全体の拡張のために0.976,0.976,0.964の病変中央値類似係数(DSC)を有していた。
論文 参考訳（メタデータ） (2024-05-16T03:23:57Z) - Towards Reliable Medical Image Segmentation by Modeling Evidential Calibrated Uncertainty [57.023423137202485]
医用画像のセグメンテーションの信頼性に関する懸念が臨床医の間で続いている。
本稿では,医療画像セグメンテーションネットワークにシームレスに統合可能な,実装が容易な基礎モデルであるDEviSを紹介する。
主観的論理理論を活用することで、医用画像分割の確率と不確実性を明示的にモデル化する。
論文 参考訳（メタデータ） (2023-01-01T05:02:46Z)
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。