論文の概要: MamaReason: Unfinished Reasoning and Answer Recovery in Clinical Language Models
- arxiv url: http://arxiv.org/abs/2611.18264v1
- Date: Fri, 13 Nov 2026 14:58:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-16 18:43:16.352447
- Title: MamaReason: Unfinished Reasoning and Answer Recovery in Clinical Language Models
- Title(参考訳): MamaReason: 臨床言語モデルにおける未完成推論と回答
- Abstract要約: 回答の継続は、未完成の臨床試験で既に述べられている診断を返却することが多い。
本研究は,MamaBenchの217対の母子保健プレゼンテーションにおいて,密度の高いGemma 4 31Bを応用したMamaReasonにおけるこの行動について検討した。
- 参考スコア(独自算出の注目度): 0.4647837477624203
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Answer continuation often returns a diagnosis already stated in unfinished clinical reasoning. We study this behavior in MamaReason, adapted from dense Gemma 4 31B, on MamaBench's 217 paired maternal and child-health presentations. An explicit-commitment extractor identifies a diagnosis in 75 of 94 failed RL first passes and 75 of 93 failed SFT first passes. The continuation matches that diagnosis in 67/75 RL cases and 58/75 SFT cases, using diagnosis strings alone. Reading these commitments without additional generation recovers 30 of the 40 RL pairs restored by continuation under the archived correctness labels. Recurrence controls distinguish routine mentions from repeated answer selection. An offline second-commitment trigger measures the tradeoff between earlier readout and paired accuracy. The resulting decomposition separates diagnostic content already present in a trace, completion of an accepted answer, and paired diagnostic correctness. For clinical language-model evaluation, these are distinct outcomes that become visible when the same reasoning trace is examined through multiple readouts.
- Abstract(参考訳): 回答の継続は、未完成の臨床試験で既に述べられている診断を返却することが多い。
本研究は,MamaBenchの217対の母子保健プレゼンテーションにおいて,密度の高いGemma 4 31Bを応用したMamaReasonにおけるこの行動について検討した。
明示的コミット抽出器は, 94例中75例, 94例中75例, 93例中75例と診断した。
症例は67/75RL例,58/75SFT例で,診断文字列だけで一致した。
追加生成なしでこれらのコミットを読み取ると、アーカイブされた正当性ラベルの下で継続して復元された40のRLペアのうち30が回復する。
反復制御は、繰り返し答えの選択と定期的な言及を区別する。
オフラインの第2コミットトリガは、初期読み出しとペア精度のトレードオフを測定する。
結果として得られた分解は、既にトレースに存在する診断内容、受け入れられた回答の完了、およびペア化された診断正しさを分離する。
臨床言語モデル評価では, 同一の推論トレースが複数の読み出しで調べられると, 明瞭な結果が現れる。
関連論文リスト
- VeriDx: Earning the Right to Diagnose with Disease-Centric Verification [4.364186225903886]
本稿では,bfVeriDxについて紹介する。bfVeriDxは,疾患プロファイルと自由形診断推論を関連付ける,疾患中心の検証フレームワークである。
ガイドライン由来の疾患プロファイルと専門家による縦断的症例を用いて,VeriDxを簡便に呼吸診断する。
論文 参考訳(メタデータ) (2026-09-12T16:05:07Z) - Same Evidence, Different Target: Decoding How Diagnostic Evidence Bears on Causal Questions from Language-Model States [7.032871370232397]
因果的目標を変更しながら,同一の診断的証拠を口頭で繰り返し示すペアプロンプトを導入する。
それぞれのプロンプトは、証拠が因果問題にどのように耐えられるかに応じて、Favors、Challenges、Unresolved、Wrong Targetと呼ばれる。
我々はQwen2.5-7B-インストラクタの直交変圧器ブロックから最終トーケン隠れ状態を分析する。
論文 参考訳(メタデータ) (2026-07-29T13:56:37Z) - Evaluating Multi-Turn Multimodal Diagnostic Reasoning on Challenging Real-World Clinical Cases [59.5328455571863]
ClinMM-Benchは、これまでで最大のマルチターンマルチモーダル臨床診断評価ベンチマークである。
実際の患者は1,089件、医療画像は3,760件、専門は8件。
プロプライエタリモデルでは診断精度が最も高かったが、正確な診断の割合は限られていた。
論文 参考訳(メタデータ) (2026-07-28T16:19:03Z) - CLExEval: A Human-in-the-Loop Framework for Qualitative Evaluation of LLM Clinical Reasoning [37.91882261875461]
大規模言語モデル (LLMs) は多くの医学ベンチマークにおいて強い結果が得られたが, 臨床的理由を確実に評価することは困難である。
プログレッシブな情報マスキング下でのLCM臨床推論を評価するための人為的ループ・フレームワークであるCLExEvalを紹介した。
論文 参考訳(メタデータ) (2026-06-30T12:56:42Z) - Quantifying and Mitigating Premature Closure in Frontier LLMs [4.513932256095551]
早期閉鎖は診断ミスの原因として認識されているが、大言語モデル(LLM)では未検討である。
構造的および開放的な医療課題における5つのフロンティアLSMの評価を行った。
論文 参考訳(メタデータ) (2026-05-14T16:02:28Z) - Benchmarking Multi-turn Medical Diagnosis: Hold, Lure, and Self-Correction [72.89352076103889]
大規模言語モデル (LLM) は, 臨床情報がすべて一ターンで提供される場合に, 高い精度で診断を行う。
1,035例からなる高忠実多ターン診断ベンチマークであるMINTを導入する。
診断決定に大きな影響を及ぼす3つの永続的な行動パターンを明らかにする。
論文 参考訳(メタデータ) (2026-04-06T00:23:10Z) - MedCaseReasoning: Evaluating and learning diagnostic reasoning from clinical case reports [49.00805568780791]
MedCaseReasoningはLarge Language Models(LLM)を評価するための最初のオープンアクセスデータセットである。
データセットには14,489の診断的質問・回答ケースが含まれており、それぞれに詳細な推論文がペアリングされている。
我々は,MedCaseReasoning上での最先端の推論LPMを評価し,診断と推論に重大な欠点を見出した。
論文 参考訳(メタデータ) (2025-05-16T22:34:36Z) - Towards Causality-Aware Inferring: A Sequential Discriminative Approach
for Medical Diagnosis [142.90770786804507]
医学診断アシスタント(MDA)は、疾患を識別するための症状を逐次調査する対話型診断エージェントを構築することを目的としている。
この研究は、因果図を利用して、MDAにおけるこれらの重要な問題に対処しようとする。
本稿では,他の記録から知識を引き出すことにより,非記録的調査に効果的に答える確率に基づく患者シミュレータを提案する。
論文 参考訳(メタデータ) (2020-03-14T02:05:54Z)
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。