Report on the 18th Round of NII Testbeds and Community for Information Access Research (NTCIR-18)
Notice bibliographique
Résumé
This event report summarizes the eighteenth round of the NII Testbeds and Community for Information Access Research (NTCIR-18), held on June 10–13, 2025 in Tokyo, Japan. NTCIR-18 organized seven core tasks (AEOLLM, FairWeb-2, FinArg-2, Lifelog-6, MedNLP-CHAT, RadNLP, Transfer-2) and three pilot tasks (HIDDEN-RAD, SUSHI, U4), spanning evaluation of generative LLMs, fair ranking, temporal reasoning in finance, multimodal lifelog retrieval, safety assessment for medical dialogue, bilingual radiology staging, resource transfer for dense retrieval, causal explanation in radiology, search over archival metadata, and table-centric QA over annual reports. Across 178 registrations from 113 teams worldwide, participants submitted runs and analyses that combined traditional IR pipelines with LLM-centric methods. This report outlines each task's motivation, data, and methodology, and summarize key findings, including the complementary roles of LLM-based and feature-based evaluators, trade-offs and mitigations in fairness-aware ranking, the importance of structure-aware approaches for tables, and the persistent challenges of sparse metadata and clinical reasoning. Date: 10–13 June 2025. Website: https://research.nii.ac.jp/ntcir/ntcir-18/.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,064 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,006 | 0,002 |
| Communication savante | 0,010 | 0,006 |
| Science ouverte | 0,005 | 0,016 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,080 | 0,065 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».