2026年10月24日、『IndoNutriQA: An Indonesian Clinical Nutrition Question Answering Benchmark』という題名の研究がarXivプラットフォームで正式に公開され（ID 2610.31256v1）、インドネシア語専用の臨床栄養分野における質問応答評価基準であるIndoNutriQAが初めて導入されました。
このベンチマークは、911組の専門家によって手作業で構築された質問と回答のペアで構成されており、すべてが実際の臨床栄養報告書から抽出されています。各ペアは臨床上関連する文脈に紐付けられ、人体計測評価、医学的診断、文書の出典、テキストのブロック情報など、構造化されたメタデータを付随しています。質問の種類は栄養ケアプロセス（NCP）に厳密に対応しており、問題（Problem）、病因（Etiology）、徴候・症状（Sign and Symptom）など、合計8つのPES診断ステートメントを網羅しています。
すべての質問は、登録栄養士3名のうち1名が回答し、元の報告書は栄養学の大学院生実習生によって作成されました。回答は単純な断片抽出ではなく、自由形式の臨床記述テキストとして提供されています。専門家による検証研究では、参考解答の6％～10％に論争の余地があることが示されました。このデータセットは、生成型・抽出型・検索強化型の質問応答タスクをサポートしており、大規模言語モデルのゼロショットおよび少ショット評価にも適しています。
本論文では、IndoBERTの変種、mT5、RAGなどのモデルを用いた微調整によるベースライン結果を報告し、5分割交差検証、学習曲線分析、およびBootstrapによる95％信頼区間を採用した。同時に、8種類の最新の大規模言語モデルに対してゼロショットおよび5サンプル評価を実施した。さらに、LLM-as-judge評価フレームワークを校正し、事実性と完全性において人間の専門家に近い水準を示す一方で、臨床的安全性に関する判断については信頼できないことを明らかにした。人為的エラー分析により、同フレームワークでは専門家が識別可能な未支持の内容を見落としてしまうことも示された。
IndoNutriQAは、大規模な学習用コーパスではなく純粋な評価リソースとして公開されており、インドネシア語による臨床自然言語処理および栄養意思決定支援システムの研究・発展を促進することを目的としています。データセットの出典および手法の詳細はすべてarXiv論文の原文に基づいており、外部からの追加情報は一切含まれていません。