論文の概要: Risk-Constrained Evaluation of Financial Document Recognition: A Formal Framework for Evidence, Critical Errors, and Selective Automation

• arxiv url: http://arxiv.org/abs/2611.02775v1
• Date: Mon, 02 Nov 2026 08:51:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 21:50:50.331815
• Title: Risk-Constrained Evaluation of Financial Document Recognition: A Formal Framework for Evidence, Critical Errors, and Selective Automation
• Title（参考訳）: 財務文書認識のリスク制約評価--証拠・批判的誤り・選択的自動化のための形式的枠組み
• Abstract要約: 本稿では,リスク制約のある証拠回収問題として,財務文書認識を定式化する。 タイプ付き、エビデンスにリンクされた財務事実と、テキスト、レイアウト、テーブル、フィールド、セマンティックリレーション、キャリブレーション、堅牢性、運用パフォーマンスにまたがる多層品質モデルを定義する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Financial document recognition is commonly evaluated using character and word error rates, which do not adequately represent the consequences of errors in financial workflows. This paper formalizes financial document recognition as a risk-constrained evidence-recovery problem. It defines typed, evidence-linked financial facts and a multi-layer quality model spanning text, layout, tables, fields, semantic relations, calibration, robustness, and operational performance. It introduces non-compensatory acceptance gates based on upper confidence bounds for critical-field errors, and formulates selective automation as a constrained risk-coverage problem with review-capacity limits. The paper also specifies annotation requirements, leakage-resistant benchmark splits, statistical estimands, and a reproducibility card. Formal propositions establish why aggregate scores cannot certify critical-field reliability and why zero observed errors do not imply zero risk. A synthetic example illustrates the decision rule. The work is theoretical; no empirical benchmark or model performance claim is presented.
• Abstract（参考訳）: ファイナンシャル文書認識は文字と単語の誤り率を用いて一般的に評価されるが、これは財務ワークフローにおけるエラーの結果を適切に表現していない。 本稿では,リスク制約のある証拠回収問題として,財務文書認識を定式化する。 タイプ付き、エビデンスにリンクされた財務事実と、テキスト、レイアウト、テーブル、フィールド、セマンティックリレーション、キャリブレーション、堅牢性、運用パフォーマンスにまたがる多層品質モデルを定義する。 臨界フィールドエラーに対する高信頼境界に基づく非補償受入ゲートを導入し、レビュー能力制限付き制約付きリスクカバレッジ問題として選択的自動化を定式化する。 また,アノテーション要件,リーク耐性ベンチマークスプリット,統計的推定値,再現性カードを規定する。 形式的な命題は、集計スコアが臨界フィールドの信頼性を証明できない理由と、観測されたエラーゼロがリスクをゼロとしない理由を定めている。 合成例は決定規則を例示する。 実験的なベンチマークやモデルパフォーマンスのクレームは提示されていない。

関連論文リスト

• AI Evaluation Should Measure Verification Cost, Not Correctness Alone [1.3124513975412253]
  私たちは、現在の評価指標が重大な障害モードを見落としていると論じています。 VCEは、出力自体のいかなる特性よりも、予算内での正確な識別の失敗によって、運用的に定義される。
  論文  参考訳（メタデータ） (2026-08-09T13:44:26Z)
• FinAbstain: Uncertainty-Calibrated Multimodal RAG for Selective Financial Forecasting [8.891247829087936]
  FinAbstainは、不確実性を校正したマルチモーダル検索拡張生成のためのフレームワークである。 ポイント・イン・タイム・レトリバーは、予測タイムスタンプで公開された情報のみを認め、基本、ニュース、技術、リスク、検証エージェントにモダリティ固有の証拠を提供する。 コントローラは、不確実性が検証された閾値以下である場合にのみ、強気、弱気または中立的な結果を予測する。
  論文  参考訳（メタデータ） (2026-07-27T07:05:22Z)
• Conformal Reliability: A New Evaluation Metric for Conditional Generation [62.761166941396844]
  条件付き生成モデルは、近年、様々な応用において顕著な成功を収めている。 本稿では,信頼度を事前に設定した予測値に基づいて,信頼度という新たな評価指標を提案する。 本稿では, 予測セットの構築と, (ii) 構築した予測セット内の信頼性スコアを正確に最適化するフレームワークであるConformal Reliability(CReL)を紹介する。
  論文  参考訳（メタデータ） (2026-05-29T03:52:44Z)
• Fact4ac at the Financial Misinformation Detection Challenge Task: Reference-Free Financial Misinformation Detection via Fine-Tuning and Few-Shot Prompting of Large Language Models [4.8239913268889]
  本稿では,「参照自由な財務誤情報検出」タスクの獲得手法について述べる。 本稿では,最先端の大規模言語モデルの推論能力を活かした包括的フレームワークを提案する。 提案方式は優れた有効性を示し,両公式リーダーボードのランキング1位を確保できた。
  論文  参考訳（メタデータ） (2026-04-16T05:38:58Z)
• All That Glisters Is Not Gold: A Benchmark for Reference-Free Counterfactual Financial Misinformation Detection [67.89888669159899]
  RFC Benchは、現実的なニュースの下で財務的な誤情報に関する大規模な言語モデルを評価するためのベンチマークである。 このベンチマークでは、2つの補完的なタスクが定義されている。
  論文  参考訳（メタデータ） (2026-01-07T18:18:28Z)
• FinCriticalED: A Visual Benchmark for Financial Fact-Level OCR Evaluation [45.16693985619424]
  FinCriticalEDは、財務文書のOCRおよびビジョン言語モデルを評価するためのビジュアルベンチマークである。 FinCriticalEDは500のイメージとHTMLのペアを提供し、700以上の数値と時間的事実をカバーする、専門家の注釈付き財務事実を提供する。
  論文  参考訳（メタデータ） (2025-11-19T00:41:14Z)
• Interpretable Automatic Fine-grained Inconsistency Detection in Text Summarization [56.94741578760294]
  本研究の目的は, 要約中の事実誤りの微粒化を予測し, 微粒化不整合検出の課題を提案することである。 要約における現実的不整合の検査方法に触発され,解析可能な微粒不整合検出モデルであるFinGrainFactを提案する。
  論文  参考訳（メタデータ） (2023-05-23T22:11:47Z)
• Approaching Neural Network Uncertainty Realism [53.308409014122816]
  自動運転車などの安全クリティカルなシステムには、定量化または少なくとも上限の不確実性が不可欠です。 マハラノビス距離に基づく統計的テストにより、厳しい品質基準である不確実性リアリズムを評価します。 自動車分野に採用し、プレーンエンコーダデコーダモデルと比較して、不確実性リアリズムを大幅に改善することを示した。
  論文  参考訳（メタデータ） (2021-01-08T11:56:12Z)

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。