Fugu-MT 論文翻訳(概要): Dynamic Tree Databases in Automated Planning

論文の概要: Dynamic Tree Databases in Automated Planning

arxiv url: http://arxiv.org/abs/2511.12677v1
Date: Sun, 16 Nov 2025 16:34:19 GMT
ステータス: 翻訳完了
システム内更新日: 2025-11-18 14:36:24.476129
Title: Dynamic Tree Databases in Automated Planning
Title（参考訳）: 自動計画における動的木データベース
Authors: Oliver Joergensen, Dominik Drexler, Jendrik Seipp,
Abstract要約: 本稿では,命題変数と数値変数を対象とする状態集合を圧縮する木データベースの動的変種を提案する。古典的, 数値的計画課題における接地型, 昇降型計画における状態圧縮手法の実証評価により, 数桁の圧縮比が明らかとなった。
参考スコア（独自算出の注目度）: 2.6572330982240935
License: http://creativecommons.org/licenses/by/4.0/
Abstract: A central challenge in scaling up explicit state-space search for large tasks is compactly representing the set of generated states. Tree databases, a data structure from model checking, require constant space per generated state in the best case, but they need a large preallocation of memory. We propose a novel dynamic variant of tree databases for compressing state sets over propositional and numeric variables and prove that it maintains the desirable properties of the static counterpart. Our empirical evaluation of state compression techniques for grounded and lifted planning on classical and numeric planning tasks reveals compression ratios of several orders of magnitude, often with negligible runtime overhead.
Abstract（参考訳）: 大規模タスクに対する明示的な状態空間探索のスケールアップにおける中心的な課題は、生成された状態の集合をコンパクトに表現することである。モデルチェックによるデータ構造であるツリーデータベースは、ベストケースでは生成された状態ごとに一定の空間を必要とするが、大きなメモリ前配置が必要である。本稿では,命題変数や数値変数を圧縮する木データベースの動的変種を提案し,静的な変数の望ましい性質を保っていることを証明した。古典的, 数値的計画課題における基礎的, 持ち上げ計画のための状態圧縮手法の実証的評価により, しばしば無視可能な実行オーバーヘッドを伴う数桁の圧縮比が明らかとなった。

関連論文リスト

SitEmb-v1.5: Improved Context-Aware Dense Retrieval for Semantic Association and Long Story Comprehension [77.93156509994994]
本研究では,検索性能を向上させるために,より広いコンテキストウインドウに条件付きで短いチャンクを表現する方法を示す。既存の埋め込みモデルは、そのような場所のコンテキストを効果的にエンコードするのに十分な装備がない。我々の手法は、最先端の埋め込みモデルよりも大幅に優れている。
論文参考訳（メタデータ） (2025-08-03T23:59:31Z)
Scaling Linear Attention with Sparse State Expansion [62.749291436866606]
トランスフォーマーアーキテクチャは、2次計算と線形メモリ成長による長期コンテキストシナリオに苦慮している。より効率的な文脈圧縮を実現するための2つの重要な革新を提案する。まず、情報分類として状態更新を概念化し、線形注意のための行スパース更新定式化を導入する。次に、スパースフレームワーク内にスパース状態拡張(SSE)を示し、コンテキスト状態を複数のパーティションに拡張する。
論文参考訳（メタデータ） (2025-07-22T13:27:31Z)
Linked Array Tree: A Constant-Time Search Structure for Big Data [0.0]
Linked Array Tree (LAT) は、検索、挿入、削除操作の時間的複雑さを実現するために設計された新しいデータ構造である。 LATの低メモリオーバーヘッドとポインタ重構造の回避は、大規模かつ集中的なワークロードに適しています。
論文参考訳（メタデータ） (2025-04-01T14:15:55Z)
Learning Decision Trees as Amortized Structure Inference [59.65621207449269]
本稿では,予測決定木アンサンブルを学習するためのハイブリッドアモータイズされた構造推論手法を提案する。提案手法であるDT-GFNは,標準分類ベンチマークにおける最先端決定木やディープラーニング手法よりも優れていることを示す。
論文参考訳（メタデータ） (2025-03-10T07:05:07Z)
Predicate Hierarchies Improve Few-Shot State Classification [12.683069420087962]
PHIERはオブジェクト中心のシーンエンコーダであり、述語間の意味的関係を推測する自己監督的損失と階層構造を捉える双曲距離メートル法である。 CALVIN と BEHAVIOR のロボット環境における PHIER の評価を行い,PHIER が既存手法より優れていることを示す。
論文参考訳（メタデータ） (2025-02-18T03:08:37Z)
GrootVL: Tree Topology is All You Need in State Space Model [66.36757400689281]
GrootVLは、視覚的タスクとテキストタスクの両方に適用できる多目的マルチモーダルフレームワークである。本手法は, 画像分類, オブジェクト検出, セグメンテーションにおいて, 既存の構造化状態空間モデルよりも大幅に優れる。大規模言語モデルの微調整により,本手法は訓練コストの少ない複数のテキストタスクにおいて一貫した改善を実現する。
論文参考訳（メタデータ） (2024-06-04T15:09:29Z)
Structural Pruning of Pre-trained Language Models via Neural Architecture Search [7.833790713816726]
事前学習された言語モデル(PLM)は、ラベル付きデータに基づいて微調整された自然言語理解タスクの最先端である。本稿では, 最適トレードオフ効率を有する微調整ネットワークのサブ部分を見つけるために, 構造解析のためのニューラルアーキテクチャ探索(NAS)について検討する。
論文参考訳（メタデータ） (2024-05-03T17:34:57Z)
Dynamic Retrieval-Augmented Generation [4.741884506444161]
動的検索・拡張生成(DRAG)のための新しい手法を提案する。 DRAGは、取得したエンティティの圧縮埋め込みを生成モデルに注入する。提案手法は,(1)コンテキストウィンドウの長さ制限を解除し,迅速なサイズを節約すること,(2)コンテキストに利用可能な検索エンティティの数を膨大に拡張すること,(3)ミススペルや関連エンティティ名検索の失敗を緩和すること,の3つの目標を達成する。
論文参考訳（メタデータ） (2023-12-14T14:26:57Z)
Autoregressive Search Engines: Generating Substrings as Document Identifiers [53.0729058170278]
自動回帰言語モデルは、回答を生成するデファクト標準として現れています。これまでの研究は、探索空間を階層構造に分割する方法を探究してきた。本研究では,検索空間の任意の構造を強制しない代替として,経路内のすべてのngramを識別子として使用することを提案する。
論文参考訳（メタデータ） (2022-04-22T10:45:01Z)
Temporal Predictive Coding For Model-Based Planning In Latent Space [80.99554006174093]
時間的に予測可能な環境要素を符号化するために,時間的予測符号化を用いた情報理論的手法を提案する。本稿では,DMControl タスクの背景を複雑な情報を含む自然なビデオに置き換える,標準的な DMControl タスクの挑戦的な修正について評価する。
論文参考訳（メタデータ） (2021-06-14T04:31:15Z)

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。