論文の概要: AAC: Admissible-by-Architecture Differentiable Landmark Compression for ALT

• arxiv url: http://arxiv.org/abs/2604.20744v1
• Date: Wed, 22 Apr 2026 16:31:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-23 15:36:11.231146
• Title: AAC: Admissible-by-Architecture Differentiable Landmark Compression for ALT
• Title（参考訳）: AAC: ALTのための許容/建築上の異なるランドマーク圧縮
• Authors: An T. Le, Vien Ngo,
• Abstract要約: AAC は ALT (A*, Landmarks, Triangle) のショートパスのための差別化可能なランドマーク選択モジュールである。 これは古典的な探索における圧縮時適応の伝統の最初の微分可能な例である。
• 参考スコア（独自算出の注目度）: 1.2891210250935148
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce \textbf{AAC} (Architecturally Admissible Compressor), a differentiable landmark-selection module for ALT (A*, Landmarks, and Triangle inequality) shortest-path heuristics whose outputs are admissible by construction: each forward pass is a row-stochastic mixture of triangle-inequality lower bounds, so the heuristic is admissible for \emph{every} parameter setting without requiring convergence, calibration, or projection. At deployment, the module reduces to classical ALT on a learned subset, composing end-to-end with neural encoders while preserving the classical toolchain. The construction is the first differentiable instance of the compress-while-preserving-admissibility tradition in classical heuristic search. Under a matched per-vertex memory protocol, we establish that ALT with farthest-point-sampling landmarks (FPS-ALT) has provably near-optimal coverage on metric graphs, leaving at most a few percentage points of headroom for \emph{any} selector. AAC operates near this ceiling: the gap is $0.9$--$3.9$ percentage points on 9 road networks and ${\leq}1.3$ percentage points on synthetic graphs, with zero admissibility violations across $1{,}500+$ queries and all logged runs. At matched memory, AAC is also $1.2$--$1.5{\times}$ faster than FPS-ALT at the median query on DIMACS road networks, amortizing its offline cost within $170$--$1{,}924$ queries. A controlled ablation isolates the binding constraint: training-objective drift under default initialization, not architectural capacity; identity-on-first-$m$ initialization closes the expansion-count gap entirely. We release the module, a reusable matched-memory benchmarking protocol with paired two-one-sided-test (TOST) equivalence and pre-registration, and a reference compressed-differential-heuristics baseline.
• Abstract（参考訳）: 本稿では, ALT (A*, Landmarks, and Triangle inequality) において,出力が許容される最短経路ヒューリスティックスに対する可微分なランドマーク選択モジュールである \textbf{AAC} (Architecturally Admissible Compressor) を紹介する。 デプロイ時に、モジュールは学習したサブセット上で古典的なALTに還元され、古典的なツールチェーンを維持しながら、ニューラルエンコーダでエンドツーエンドを構成する。 この構成は、古典的ヒューリスティック探索において圧縮時保存許容の伝統の最初の微分可能な例である。 一致した頂点ごとのメモリプロトコルの下では、最遠点サンプリングランドマーク(FPS-ALT)を持つALTが、メートル法グラフのほぼ最適カバレッジを持つことを証明し、少なくとも数パーセントのヘッドルームを「emph{any}セレクタ」に残している。 AACは、9つの道路ネットワーク上の0.9$--3.9$パーセンテージポイントと、合成グラフ上の${\leq}1.3$パーセンテージポイントであり、1${,}500+$クエリとすべてのログ実行に対する許容範囲違反がない。一致したメモリでは、DIMACSロードネットワーク上の中央クエリにおけるFPS-ALTよりも高速で、オフラインコストが170$--1{,}924$クエリである。 制御されたアブレーションはバインディングの制約を分離する: アーキテクチャキャパシティではなく、デフォルトの初期化の下でトレーニング対象のドリフト アイデンティティ-on-first-$m$初期化は、拡張カウントギャップを完全に閉じる。 モジュールは再利用可能な一致メモリベンチマークプロトコルであり、ペア化された2面テスト(TOST)の等価性と事前登録、および参照圧縮差分ヒューリスティックスベースラインである。

関連論文リスト

• Minimax Optimality and Spectral Routing for Majority-Vote Ensembles under Markov Dependence [6.908972852063454]
  主要声楽アンサンブルは、多種多様なほぼ独立した基礎学習者に対して平均化することにより、ばらつきの低減を実現する。 固定次元マルコフ集合における離散的な分類のために、この現象のミニマックス的特徴付けを行う。 合成マルコフ連鎖、2次元空間格子、128データセットのUCRアーカイブ、アタリDQNアンサンブルに関する実験は、理論的な予測を検証している。
  論文  参考訳（メタデータ） (2026-04-15T02:32:30Z)
• Mild Over-Parameterization Benefits Asymmetric Tensor PCA [12.923414933046574]
  非対称PCA(ATPCA)は、サンプル複雑性、計算、メモリ間のトレードオフを研究するための原型モデルである。 私たちは$overlinek geq 4$が偶数であるような設定にフォーカスし、限られたメモリ予算の下で降下アルゴリズムを検討する。
  論文  参考訳（メタデータ） (2026-04-11T13:34:48Z)
• Dynamic Large Concept Models: Latent Reasoning in an Adaptive Semantic Space [56.37266873329401]
  大規模言語モデル (LLM) は、高度に一様でない情報密度を示す言語にもかかわらず、全てのトークンに一様計算を適用する。 我々は,潜在表現から意味境界を学習し,トークンから推論がより効率的である圧縮概念空間へ移行する階層型言語モデリングフレームワークである$textbfDynamic Large Concept Models (DLCM)$を提案する。
  論文  参考訳（メタデータ） (2025-12-31T04:19:33Z)
• Phase-space entropy at acquisition reflects downstream learnability [54.4100065023873]
  楽器分解位相空間に基づく取得レベルスカラー$S_mathcal B$を提案する。 本稿では, (S_mathcal B) が周期サンプリングの位相空間コヒーレンスを正確に同定できることを理論的に示す。 $|S_mathcal B|$は一貫してサンプリングジオメトリをランク付けし、トレーニングなしで下流での再構築/認識の困難を予測します。
  論文  参考訳（メタデータ） (2025-12-22T10:03:51Z)
• Spectral Sentinel: Scalable Byzantine-Robust Decentralized Federated Learning via Sketched Random Matrix Theory on Blockchain [0.0]
  ビザンチンのクライアントは、不均一な(Non-IID)データの下での濃度勾配を中毒する。 本稿では,ビザンチン検出・集約フレームワークであるSpectral Sentinelを提案する。 Polygonネットワーク上でブロックチェーンを統合することで,完全なシステムを実現しています。
  論文  参考訳（メタデータ） (2025-12-14T09:43:03Z)
• Binary perceptron computational gap -- a parametric fl RDT view [2.538209532048867]
  非対称二元パーセプトロン(ABP)は2つの相転移性制約密度閾値を示す。 本稿では, 高速昇降ランダム双対性理論 (fl RDT) [85] のパラメトリック利用について検討し, その可能性について検討する。
  論文  参考訳（メタデータ） (2025-11-02T18:23:49Z)
• The Alignment Bottleneck [0.0]
  ループを2段階のカスケード$U to H to Y$ given$S$、認知能力$C_textcog|S$、平均総容量$barC_texttot|S$としてモデル化する。 これは、分離可能なコードブックと、KL項が$m, barC_texttot|S$で同じチャネルで制御されるPAC-Bayes上界とで証明されたデータサイズ非依存のファノ下界をペアする。
  論文  参考訳（メタデータ） (2025-09-19T12:38:30Z)
• Near-Optimal Clustering in Mixture of Markov Chains [74.3828414695655]
  我々は、長さ$H$の軌跡を、大きさ$S$の有限状態空間上の未知のエルゴードマルコフ鎖の1つによって生成される、$T$ trajectories of length $H$の問題を研究する。 我々は、連鎖の遷移核間の重み付きKL分散によって支配されるクラスタリングエラー率に基づいて、インスタンス依存で高い確率の低い境界を導出する。 次に,新しい2段階クラスタリングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-06-02T05:10:40Z)
• On the Interplay Between Misspecification and Sub-optimality Gap in Linear Contextual Bandits [76.2262680277608]
  本研究では,線形関数クラスによって期待される報酬関数を近似できるような,不特定条件下での線形文脈帯域について検討する。 このアルゴリズムは, 対数的因子に比例した設定において, ギャップ依存の残差が$tilde O (d2/Delta)$と同じであることを示す。
  論文  参考訳（メタデータ） (2023-03-16T15:24:29Z)

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。