Fugu-MT 論文翻訳(概要): Test-time Scaling of LLMs: A Survey from A Subproblem Structure Perspective

論文の概要: Test-time Scaling of LLMs: A Survey from A Subproblem Structure Perspective

arxiv url: http://arxiv.org/abs/2511.14772v1
Date: Sat, 01 Nov 2025 18:41:23 GMT
ステータス: 翻訳完了
システム内更新日: 2025-11-23 18:31:12.335799
Title: Test-time Scaling of LLMs: A Survey from A Subproblem Structure Perspective
Title（参考訳）: LLMの試験時間スケーリング:サブプロブレム構造から見た調査
Authors: Zhuoyi Yang, Xu Guo, Tong Zhang, Huijuan Xu, Boyang Li,
Abstract要約: 問題がどのようにサブプロブレムに分解されるか、そしてこれらのサブプロブレムを共通のレンズで構成するかに焦点を当てる。我々は,これらの手法の既存の分析を合成し,それぞれの長所と短所を強調し,今後の研究に向けての有望な方向性を概説して結論づける。
参考スコア（独自算出の注目度）: 19.117774156840287
License: http://creativecommons.org/licenses/by/4.0/
Abstract: With this paper, we survey techniques for improving the predictive accuracy of pretrained large language models by allocating additional compute at inference time. In categorizing test-time scaling methods, we place special emphasis on how a problem is decomposed into subproblems and on the topological organization of these subproblems whether sequential, parallel, or tree-structured. This perspective allows us to unify diverse approaches such as Chain-of-Thought, Branch-Solve-Merge, and Tree-of-Thought under a common lens. We further synthesize existing analyses of these techniques, highlighting their respective strengths and weaknesses, and conclude by outlining promising directions for future research
Abstract（参考訳）: 本稿では,事前学習した大規模言語モデルの予測精度を向上させるための手法について検討する。テスト時間スケーリング手法を分類する際には,問題がどのようにサブプロブレムに分解されるか,およびこれらサブプロブレムのトポロジ的構造が逐次的か,並列か,木構造かを特に重視する。この視点は、共通のレンズの下でChain-of-Thought、Branch-Solve-Merge、Tree-of-Thoughtといった多様なアプローチを統合することを可能にする。我々はこれらのテクニックの既存の分析を更に合成し、それぞれの長所と短所を強調し、今後の研究に向けた有望な方向性を概説して結論付ける。

関連論文リスト

A Survey on Parallel Reasoning [58.66122129692264]
まず、並列推論の形式的定義を示し、その区別をChain-of-Thoughtのような関連する概念と明確にする。次に、非対話的推論、対話的推論、効率を重視した復号戦略を含む、新しい分類法に基づく高度な手法を編成し、議論する。並列推論の中核的な課題を強調し,今後の研究の方向性を示唆する。
論文参考訳（メタデータ） (2025-10-14T05:42:19Z)
In-Context Learning Is Provably Bayesian Inference: A Generalization Theory for Meta-Learning [51.56484100374058]
本稿では,ICLリスクをベイズギャップとポストリアバリアンスの2つのコンポーネントに分割する基本的リスク分解を導入する。一様アテンション変換器の場合、このギャップの非漸近上界を導出し、事前学習プロンプトの数への依存を明確にする。後方変動は本質的なタスクの不確実性を表すモデルに依存しないリスクである。
論文参考訳（メタデータ） (2025-10-13T03:42:31Z)
Implicit Reasoning in Large Language Models: A Comprehensive Survey [67.53966514728383]
大規模言語モデル(LLM)は、幅広いタスクにまたがる強力な一般化を実証している。最近の研究は、暗黙の推論に拍車をかけた、明示的な思考の連鎖から注意を向けている。本調査では,表現形式から計算戦略へ焦点を移し,実行パラダイムを中心とした分類を紹介した。
論文参考訳（メタデータ） (2025-09-02T14:16:02Z)
A Survey on Parallel Text Generation: From Parallel Decoding to Diffusion Language Models [71.66119575697458]
トークン・バイ・トークン生成のボトルネックを破り、推論効率を向上させることを目的とした並列テキスト生成技術。既存のアプローチをARベースのパラダイムと非ARベースのパラダイムに分類し、各カテゴリの中核技術について詳細に検討する。我々は、最近の進歩を強調し、オープンな課題を特定し、並列テキスト生成における将来的な研究の方向性を概説する。
論文参考訳（メタデータ） (2025-08-12T07:56:04Z)
On Evaluating Performance of LLM Inference Serving Systems [11.712948114304925]
ベースラインフェアネス、評価設定、メトリックデザインの3つの重要な側面で繰り返し発生するアンチパターンを特定します。これらのアンチパターンは、その二重相の性質のため、Large Language Model (LLM)推論に固有の問題である。分析から得られた包括的なチェックリストを提供し、これらのアンチパターンを認識して回避するためのフレームワークを構築します。
論文参考訳（メタデータ） (2025-07-11T20:58:21Z)
Stepwise Reasoning Checkpoint Analysis: A Test Time Scaling Method to Enhance LLMs' Reasoning [81.50681925980135]
本稿では,ステップワイズ推論チェックポイント分析(SRCA)を提案する。本研究は,(1)中間チェックポイント回答による経路推論をグループ化して品質を確保しつつ多様性を維持するAnswer-Clustered Search,(2)最終決定にすべての中間回答を活用するCheckpoint Candidate Augmentationの2つの主要な戦略を取り入れた。提案手法は経路均質化を効果的に低減し,高品質な中間結果を活用することにより耐故障機構を創出する。
論文参考訳（メタデータ） (2025-05-23T12:42:50Z)
Reasoning Beyond Language: A Comprehensive Survey on Latent Chain-of-Thought Reasoning [29.836545690130478]
大規模言語モデル(LLM)は、Chain-of-Thought(CoT)推論を通じて、複雑なタスクにおいて印象的なパフォーマンスを示している。テクスチレントCoT推論には研究の関心が高まり、推論プロセスは潜在空間に埋め込まれている。本稿では,このパラダイムの包括的概要を提示し,体系的な分類体系を確立することを目的とする。
論文参考訳（メタデータ） (2025-05-22T15:26:51Z)
A Survey of Link Prediction in Temporal Networks [3.556466797352159]
時系列リンク予測は、過去のネットワーク構造を分析して将来の接続を予測することを目的としている。本稿では,既存手法からの表現と推論を明確に検証する新しい分類法を提案する。
論文参考訳（メタデータ） (2025-02-28T16:00:57Z)
Learning Topological Representations for Deep Image Understanding [8.698159165261542]
深層学習フレームワークにおけるトポロジカル構造の新しい表現法を提案する。我々は、トポロジカルデータ解析の数学的ツールを活用し、より良いセグメンテーションと不確実性推定のための原理的手法を開発した。
論文参考訳（メタデータ） (2024-03-22T17:23:37Z)
Parallelizing Contextual Linear Bandits [82.65675585004448]
並列な)コンテキスト線形バンディットアルゴリズムの族を提示し、その遺残はそれらの完全シーケンシャルなアルゴリズムとほぼ同一である。また,これらの並列アルゴリズムについて,材料発見や生物配列設計の問題など,いくつかの領域で実証評価を行った。
論文参考訳（メタデータ） (2021-05-21T22:22:02Z)
Unsupervised Domain Adaptation in Semantic Segmentation: a Review [22.366638308792734]
本研究の目的は, セマンティックセグメンテーションのための深層ネットワークのUnsupervised Domain Adaptation (UDA) の最近の進歩について概説することである。
論文参考訳（メタデータ） (2020-05-21T20:10:38Z)

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。