Grounded Revision vs. Prior Injection: Probing Retrieval-Augmented Patent Claim Amendment
Josepha Michiko Leo, Hyun-seok Min, Yehoon Jang, Irvan Zidny, Jin-Woo Chung
実装難易度
Hard
推論・学習コスト
High
想定用途
生成
概要
Retrieval-augmented generation is widely used in professional writing, yet whether retrieval grounds revision or merely injects templates is rarely tested where "correct" has a definable meaning. Patent claim amendment supplies that signal: the examiner names the attacked limitation and cites prior art, providing per-case ground truth. We release three artifacts: (i) a corpus of 7,385 USPTO…
何が新しいか
Retrieval-augmented generation is widely used in professional writing, yet whether retrieval grounds revision or merely injects templates is rarely tested where "correct" has a definable meaning.…
何に使えるか
生成
実装情報
- Paper URL
- あり
実装チェックリスト
実装または配布ページ
要確認Paper onlyの可能性があるため再実装前提で確認してください。
一次情報リンク
OKPaper
検証しやすさ
要確認公式実装が見つからないため、論文から再実装する前提です。
計算資源
要確認学習や高解像度推論ではGPUメモリと実行時間に注意が必要です。
ライセンス
未取得配布元のLICENSE、モデルカード、Paperの利用条件を確認してください。
商用利用
未取得研究利用限定、データセット由来制限、API規約の有無を確認してください。
自社データで試すなら
製造業・材料開発のExcel/CSVデータに落とし込むための最初の手順です。
- 1まずExcel/CSVの実験条件、組成、物性値を1行1実験の表に整理します。
- 2LightGBMやRandom Forestなどのベースラインを先に作り、この手法と比較します。
- 3評価指標はR2/RMSE、AUC、異常検知の再現率、実験回数削減率など、現場の意思決定に近いものを選びます。
- 4SHAPや特徴量重要度で、効いている因子が物理・化学・工程知識と矛盾しないか確認します。
実装難易度
Hard - 公式実装が見つからないため、論文から再実装する前提です。
必要リソース
- GPU目安: High
- データセット: 論文・リポジトリ側の指定を確認してください。
- 学習要否: 再学習や評価環境の準備が必要になる可能性があります。
- 学習や高解像度推論ではGPUメモリと実行時間に注意が必要です。
実務で使う場合の注意点
- ライセンスと商用利用条件は、Paper / GitHub / Hugging Face の配布元で確認してください。
- 精度、再現性、計算コストはデータセットや評価条件に依存します。
- 個人情報や機密データを扱う場合は、入力データの保存先と外部API利用条件を確認してください。
関連記事
unsloth — Local UI to run and train LLMs and diffusion models. Supports GGUF, MLX, Qwen3.8, DeepSeek-V4, MiniMax-H3, Gemma 4, FLUX and more.
Unsloth Studioは、オープンモデルのトレーニングと実行を支援するWebUIです。このライブラリは、Gemma4、Qwen3.5などのオープンモデルのテストとトレーニングを支援するために使われます。
VEX-Bench: Benchmarking Verification Complexity of LLM-Generated Misinformation
Large language models (LLMs) have made misinformation inexpensive to produce but not to verify, creating a gro
Using LLMs to Detect LLM-Generated Texts: A Cross-Generation Analysis
Automated detection of LLM-generated texts (LGTs) is critical, yet dedicated detectors often struggle to gener
ReVA: A Scene-Centric Dataset Beyond Repetition for Remote Sensing Video Question Answering
Multimodal Large Language Models (MLLMs) have demonstrated remarkable advances in remote sensing. However, exi