論文の概要: Human-Centred, Risk-Constrained Evaluation of Financial Document Recognition: Evidence, Critical Errors, and Selective Automation

• arxiv url: http://arxiv.org/abs/2611.02775v2
• Date: Thu, 05 Nov 2026 10:23:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 21:50:50.332633
• Title: Human-Centred, Risk-Constrained Evaluation of Financial Document Recognition: Evidence, Critical Errors, and Selective Automation
• Title（参考訳）: 人中心・リスク制約による財務文書認識の評価:証拠・臨界誤差・選択的自動化
• Abstract要約: 本稿では,財務文書の認識を評価するための,人間中心のリスク制約付きフレームワークを開発する。 それは、可視的ソース領域に関連付けられた型付き財務事実を定義し、動詞の書き起こし、決定論的正規化、ビジネス解釈を分離する。 階層化された品質モデルは、テキスト、ローカライゼーション、レイアウト、テーブル、フィールド、事実の正しさ、根拠、不確実性、堅牢性、運用パフォーマンスをカバーします。
• 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 often assessed using character and word error rates, although these metrics do not express whether a system preserves the financial facts on which people and organisations act. This paper develops a human-centred, risk-constrained framework for evaluating financial document recognition as evidence recovery and decision support. It defines typed financial facts linked to visible source regions and separates verbatim transcription, deterministic normalization, and business interpretation. A layered quality model covers text, localization, layout, tables, fields, fact correctness, evidence grounding, uncertainty, robustness, and operational performance. Non-compensatory acceptance gates use one-sided uncertainty bounds for critical-field errors, preventing strong aggregate scores from masking failures in amounts, identifiers, signs, periods, or entity associations. Selective automation is formulated as a constrained routing problem that accounts for residual risk, human-review capacity, and review cost. The framework further specifies annotation and adjudication procedures, leakage-resistant benchmark partitions, statistical estimands, subgroup analyses, and a reproducibility card. Formal results establish the limitations of compensatory scoring, the non-zero upper risk bound after zero observed errors, and a loss sensitive decision rule for routing uncertain cases to human review. The contribution is theoretical and methodological; no new model, dataset, or empirical performance result is claimed.
• Abstract（参考訳）: 金融文書認識は文字と単語の誤り率を用いて評価されることが多いが、これらの指標は、システムが人や組織が行動する財務事実を保存するかどうかを表さない。 本稿では、証拠回収と意思決定支援として財務文書認識を評価するための人間中心型リスク制約フレームワークを開発する。 それは、可視的ソース領域に関連付けられた型付き財務事実を定義し、動詞の書き起こし、決定論的正規化、ビジネス解釈を分離する。 階層化された品質モデルは、テキスト、ローカライゼーション、レイアウト、テーブル、フィールド、事実の正しさ、根拠、不確実性、堅牢性、運用パフォーマンスをカバーします。 非補償受入ゲートは、臨界フィールドエラーに対して一方的な不確実性境界を使用し、量、識別子、記号、期間、またはエンティティアソシエーションのマスキング障害から強力な集計スコアを防止している。 選択的自動化は、残留リスク、ヒューマンレビュー能力、レビューコストを考慮に入れた制約付きルーティング問題として定式化されている。 このフレームワークはさらに、アノテーションと調整手順、リーク耐性ベンチマークパーティション、統計的評価、サブグループ分析、再現性カードを規定している。 形式的結果は, 補償スコアの限界, 観測誤差ゼロ後に拘束される非ゼロ上層リスク, および不確実なケースをヒトのレビューにルーティングするための損失敏感な決定規則を定めている。 コントリビューションは理論的かつ方法論的であり、新しいモデル、データセット、または経験的なパフォーマンス結果が要求されない。

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。