論文の概要: The Geometric Reasoner: Manifold-Informed Latent Foresight Search for Long-Context Reasoning

• arxiv url: http://arxiv.org/abs/2601.18832v1
• Date: Sun, 25 Jan 2026 18:16:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-28 15:26:50.997923
• Title: The Geometric Reasoner: Manifold-Informed Latent Foresight Search for Long-Context Reasoning
• Title（参考訳）: 幾何共振器:長周期共振のためのマニフォールドインフォームラテントフォレスト探索
• Authors: Ren Zhuang, Ben Wang, Shuifa Sun,
• Abstract要約: Geometric Reasoner (TGR) は、厳密なメモリ境界の下で多様体インフォームト探索を行うトレーニングフリーフレームワークである。 TGRは、Pass@$k$ curve (AUC)の下で測定された領域によって、Qwen3-8Bで最大13ポイント、無視できるオーバーヘッドは約1.1--1.3倍の堅牢な軌道範囲を改善している。
• 参考スコア（独自算出の注目度）: 2.0392077945115052
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Scaling test-time compute enhances long chain-of-thought (CoT) reasoning, yet existing approaches face a fundamental trade-off between computational cost and coverage quality: either incurring high training expense or yielding redundant trajectories. We introduce The Geometric Reasoner (TGR), a training-free framework that performs manifold-informed latent foresight search under strict memory bounds. At each chunk boundary, TGR scores candidate latent anchors via a lightweight look-ahead estimate combined with soft geometric regularizers that encourage smooth trajectories and diverse exploration. Chunk-wise KV cache resets keep memory linear in chunk length. On challenging math and code benchmarks, TGR improves robust trajectory coverage, measured by the area under the Pass@$k$ curve (AUC), by up to 13 points on Qwen3-8B, with negligible overhead of about 1.1--1.3 times.
• Abstract（参考訳）: テストタイム計算のスケーリングは、長いチェーン・オブ・シンク(CoT)推論を強化するが、既存のアプローチは、高いトレーニングコストを発生させるか、冗長な軌跡を得るという、計算コストとカバレッジ品質の根本的なトレードオフに直面している。 The Geometric Reasoner (TGR)は,厳密なメモリバウンダリの下で,多様体インフォームド・ラテント・フォレスト探索を行うトレーニングフリーフレームワークである。 各チャンク境界において、TGRは、スムーズな軌道と多様な探索を促進するソフトな幾何正規化器と組み合わせて、軽量なルックアヘッド推定によって候補潜伏アンカーをスコアする。 チャンクワイドなKVキャッシュリセットは、メモリをチャンク長に線形に保つ。 挑戦的な数学とコードベンチマークでは、TGRは、Pass@$k$ curve (AUC) の下の領域で測定される堅牢な軌道カバレッジを、Qwen3-8Bで最大13ポイント改善し、無視できるオーバーヘッドは約1.1--1.3倍になった。

関連論文リスト

• MCGI: Manifold-Consistent Graph Indexing for Billion-Scale Disk-Resident Vector Search [0.9179857807576733]
  MCGIは、探索戦略をデータ固有の幾何学に適応させる幾何学的・ディスクレジデントインデックス法である。 MCGIは5.8$times$高スループットを高次元GIST1Mでの95%リコールで達成し、最先端のDiskANNと比較した。 数十億ドル規模のSIFT1Bデータセット上では、MCGIは、標準の低次元データセットにおけるパフォーマンスの同等性を保ちながら、ハイリコールクエリレイテンシを3$times$に削減することで、そのスケーラビリティをさらに検証する。
  論文  参考訳（メタデータ） (2026-01-05T09:23:48Z)
• Reinforced Latent Reasoning for LLM-based Recommendation [92.56166822197919]
  大きな言語モデル(LLM)は、複雑な問題解決タスクにおいて印象的な推論能力を示している。 既存の手法は通常、明示的なチェーン・オブ・シント(CoT)データによる微調整に依存している。 本研究では, 明示的なCoT推論から, コンパクトで情報密度の高い潜伏推論へ移行する代替手法について検討する。
  論文  参考訳（メタデータ） (2025-05-25T11:03:45Z)
• Fractured Chain-of-Thought Reasoning [61.647243580650446]
  完全CoTと解のみのサンプリングを補間する統合推論時間戦略であるフラクチャードサンプリングを導入する。 フラクチャードサンプリングは、Pass@kとトークンの予算に対して、急激なログ線形スケーリングゲインをもたらすため、優れた精度とコストのトレードオフを一貫して達成できることを示す。
  論文  参考訳（メタデータ） (2025-05-19T11:30:41Z)
• On the Almost Sure Convergence of Stochastic Gradient Descent in Non-Convex Problems [75.58134963501094]
  本稿では,勾配降下(SGD)の軌跡を解析する。 我々はSGDが厳格なステップサイズポリシーのために1ドルでサドルポイント/マニフォールドを避けることを示す。
  論文  参考訳（メタデータ） (2020-06-19T14:11:26Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。