論文の概要: TDA-RC: Task-Driven Alignment for Knowledge-Based Reasoning Chains in Large Language Models

• arxiv url: http://arxiv.org/abs/2604.04942v1
• Date: Fri, 13 Mar 2026 13:01:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-12 18:41:08.603754
• Title: TDA-RC: Task-Driven Alignment for Knowledge-Based Reasoning Chains in Large Language Models
• Title（参考訳）: TDA-RC:大規模言語モデルにおける知識に基づく推論チェーンのためのタスク駆動アライメント
• Authors: Jiaquan Zhang, Qigan Sun, Chaoning Zhang, Xudong Wang, Zhenzhen Huang, Yitian Zhou, Pengcheng Zheng, Chi-lok Andy Tai, Sung-Ho Bae, Zeyu Ma, Caiyan Qin, Jinyu Guo, Yang Yang, Hengtao Shen,
• Abstract要約: CoT(Chain-of-Thought)パラダイムはシングルラウンド効率の実践的応用を支配しているが、その推論チェーンは論理的ギャップをしばしば示している。 本稿では,推論連鎖を最適化するトポロジに基づく手法を提案する。 「本手法は推論精度と効率のバランスが良好であることを示し、多ラウンドインテリジェンスによる単ラウンド生成の実践的解決策を示す。」
• 参考スコア（独自算出の注目度）: 54.20787536978013
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Enhancing the reasoning capability of large language models (LLMs) remains a core challenge in natural language processing. The Chain-of-Thought (CoT) paradigm dominates practical applications for its single-round efficiency, yet its reasoning chains often exhibit logical gaps. While multi-round paradigms like Graph-of-Thoughts (GoT), Tree-of-Thoughts (ToT), and Atom of Thought (AoT) achieve strong performance and reveal effective reasoning structures, their high cost limits practical use. To address this problem, this paper proposes a topology-based method for optimizing reasoning chains. The framework embeds essential topological patterns of effective reasoning into the lightweight CoT paradigm. Using persistent homology, we map CoT, ToT, and GoT into a unified topological space to quantify their structural features. On this basis, we design a unified optimization system: a Topological Optimization Agent diagnoses deviations in CoT chains from desirable topological characteristics and simultaneously generates targeted strategies to repair these structural deficiencies. Compared with multi-round reasoning methods like ToT and GoT, experiments on multiple datasets show that our approach offers a superior balance between reasoning accuracy and efficiency, showcasing a practical solution to ``single-round generation with multi-round intelligence''.
• Abstract（参考訳）: 大規模言語モデル(LLM)の推論能力の強化は、自然言語処理における中核的な課題である。 CoT(Chain-of-Thought)パラダイムは、シングルラウンド効率の実用的な応用を支配しているが、その推論チェーンは論理的なギャップをしばしば示している。 Graph-of-Thoughts (GoT)、Tree-of-Thoughts (ToT)、Atom of Thought (AoT)といったマルチラウンドのパラダイムは、強力なパフォーマンスを実現し、効果的な推論構造を明らかにする一方で、コスト制限の高い実用的な使用法である。 そこで本研究では,推論連鎖を最適化するトポロジに基づく手法を提案する。 このフレームワークは、効果的な推論の重要なトポロジ的パターンを軽量なCoTパラダイムに組み込んでいる。 永続ホモロジーを用いて、CoT, ToT, GoT を統一位相空間に写像し、それらの構造的特徴を定量化する。 そこで我々は,CoT鎖の偏差を望ましい位相特性から診断し,これらの構造的欠陥を修復するための目標戦略を同時に生成する,統一最適化システムの設計を行った。 ToTやGoTのような多ラウンド推論手法と比較して、複数のデータセットに対する実験では、推論精度と効率のバランスが優れていることが示され、"マルチラウンドインテリジェンスによる単一ラウンド生成"に対する実践的な解決策が示される。

関連論文リスト

• CoLT: Reasoning with Chain of Latent Tool Calls [31.228763375347608]
  CoT(Chain-of-Thought)は、大規模言語モデル(LLM)の推論能力を高める重要な手法である。 ツールコールとして潜伏推論を実装する新しいフレームワークである「CoLT」を提案する。
  論文  参考訳（メタデータ） (2026-02-04T06:12:53Z)
• Scaling Code-Assisted Chain-of-Thoughts and Instructions for Model Reasoning [65.20602712957725]
  Cacoは、高品質で検証可能な多様な命令-CoT推論データの合成を自動化する新しいフレームワークである。 我々の研究は、人間の介入なしに自己持続的で信頼できる推論システムを構築するためのパラダイムを確立します。
  論文  参考訳（メタデータ） (2025-10-05T07:59:24Z)
• The CoT Encyclopedia: Analyzing, Predicting, and Controlling how a Reasoning Model will Think [81.38614558541772]
  本稿では,モデル推論の分析とステアリングのためのフレームワークであるCoT Encyclopediaを紹介する。 本手法はモデル生成CoTから多種多様な推論基準を自動的に抽出する。 このフレームワークは既存の手法よりも解釈可能で包括的分析が可能であることを示す。
  論文  参考訳（メタデータ） (2025-05-15T11:31:02Z)
• Adaptive Graph of Thoughts: Test-Time Adaptive Reasoning Unifying Chain, Tree, and Graph Structures [0.0]
  本稿では,動的グラフベースの推論フレームワークであるAdaptive Graph of Thoughts (AGoT)を紹介する。 AGoTはテスト時間のみでのLarge Language Models (LLM)推論を強化する。 マルチホップ検索,科学的推論,数学的問題解決にまたがる多様なベンチマークに対するアプローチを検証する。
  論文  参考訳（メタデータ） (2025-02-07T16:54:19Z)
• Blind Spot Navigation in Large Language Model Reasoning with Thought Space Explorer [36.898636836302956]
  大規模言語モデルは、Chain-of-Thoughtのようなチェーン構造メソッドを通じて、強力な推論能力を示している。 最近の研究は、並列構造や木のような構造を生成し、長い推論モードと短い推論モードを切り替えたり、タスク性能と推論ステップを整合させることによって思考構造を最適化している。 これらのアプローチは、主に、解空間の未探索領域を無視した鎖の以前に生成された論理的な方向に依存する。 LLM推論における盲点を克服するための思考構造をナビゲートし拡張するためのフレームワークであるThought Space Explorer'(TSE)を提案する。
  論文  参考訳（メタデータ） (2024-10-31T17:12:14Z)
• Unlocking the Capabilities of Thought: A Reasoning Boundary Framework to Quantify and Optimize Chain-of-Thought [61.588465852846646]
  大型言語モデル(LLM)の性能向上のための有望なアプローチとして、Chain-of-Thought(CoT)推論が登場した。 本稿では,これらの課題に対処するための新しい推論境界フレームワーク(RBF)を提案する。
  論文  参考訳（メタデータ） (2024-10-08T05:26:28Z)
• On the Diagram of Thought [20.805936414171892]
  大規模言語モデル(LLM)は多くのタスクで優れているが、構造化された多段階の推論を必要とする複雑な問題に悩まされることが多い。 思考のダイアグラム(Diagram of Thought, DoT)は、1つのLCMがその推論のメンタルマップを構築し、ナビゲートすることを可能にする新しいフレームワークである。
  論文  参考訳（メタデータ） (2024-09-16T07:01:41Z)
• ChainLM: Empowering Large Language Models with Improved Chain-of-Thought Prompting [124.69672273754144]
  CoT(Chain-of-Thought)のプロンプトにより,大規模言語モデル(LLM)の推論能力が向上する 既存のCoTアプローチは通常、単純な推論タスクに重点を置いており、結果として低品質で一貫性のないCoTプロンプトをもたらす。 優れたCoTプロンプトの自動生成のための新しいフレームワークであるCoTGeniusを紹介する。
  論文  参考訳（メタデータ） (2024-03-21T11:34:26Z)
• Beyond Chain-of-Thought, Effective Graph-of-Thought Reasoning in Language Models [74.40196814292426]
  本稿では,人間の思考過程をチェーンとしてだけでなく,グラフとしてモデル化するグラフ・オブ・ソート(GoT)推論を提案する。 GoTは人間の思考の連続しない性質を捉え、思考プロセスのより現実的なモデリングを可能にします。 テキストのみの推論タスクとマルチモーダル推論タスクでGoTの性能を評価する。
  論文  参考訳（メタデータ） (2023-05-26T02:15:09Z)

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。