論文の概要: SliceGraph: Mapping Process Isomers in Multi-Run Chain-of-Thought Reasoning

• arxiv url: http://arxiv.org/abs/2605.14619v1
• Date: Thu, 14 May 2026 09:37:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-15 21:45:34.753665
• Title: SliceGraph: Mapping Process Isomers in Multi-Run Chain-of-Thought Reasoning
• Title（参考訳）: SliceGraph: マルチランチェーン推論におけるプロセス異性体マッピング
• Authors: Kang Chen, Junjie Nian, Yixin Cao, Yugang Jiang,
• Abstract要約: 我々は、CoTスライス間の疎活性化キージャカード類似性に対して、相互kNNによって構築された問題モデル-セルグラフであるSliceGraphを提案する。 同じ正規化された回答を共有する正しいCoTは、複数のプロセスファミリに分割されていることを示す。 また、プロセスファミリは、一致したnull制御の下で異なる遷移カーネルで同じアトラスをナビゲートすることを示す。
• 参考スコア（独自算出の注目度）: 60.650808962786364
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multi-run chain-of-thought reasoning is usually collapsed to final-answer aggregates, which discard howsampled trajectories share, split, and rejoin through intermediate computation. We propose SliceGraph, a post-hoc problem-model-cell graph built by mutual-kNN over sparse activation-key Jaccard similarity between CoT slices, and treat it as a measurement object for process geometry rather than as a decoding program. Across sampled CoT ensembles from three primary 4B/8B models on math and science benchmarks, blinded annotation supports SliceGraph biconnected components as shared reasoning-state units and process families as within-family strategy-coherent route units. In 85.5% of 954 problem-model cells, correct CoTs sharing the same normalized answer split into multiple process families; among cells with at least two such runs, 76.6% of run pairs are cross-family on average. We call such same-answer, family-divergent correct trajectories process isomers. A label-seeded reward field provides a separate value-landscape layer: success-associated regions often split into disconnected high-value cores, and route families specialize over these core footprints rather than merely duplicating one another. A typed-state transition analysis further shows that process families navigate the same atlas with distinct transition kernels under matched null controls. Representation ablations, a cross-architecture replication, and two cross-scale replications support the robustness of the route-family scaffold, showing that final-answer aggregation overlooks this structured multi-route process geometry.
• Abstract（参考訳）: マルチランチェーン・オブ・シークレット推論は、通常、最終回答集約に崩壊し、中間計算によってハウスアンプされた軌道の共有、分割、再結合を破棄する。 我々は,CoTスライス間の疎活性化キージャカード類似性に対して,相互kNNによって構築されたポストホック問題モデル-セルグラフであるSliceGraphを提案し,これをデコードプログラムではなくプロセス幾何学の計測対象として扱う。 数学と科学のベンチマークで3つの主要な4B/8BモデルのCoTアンサンブルをサンプリングし、盲目アノテーションはSliceGraphのバイコネクトコンポーネントを共有推論状態ユニットとしてサポートし、家族内戦略コヒーレントなルートユニットとしてプロセスファミリーをサポートする。 954個の問題モデル細胞のうち85.5%では、同じ正規化された回答を共有するCoTが複数のプロセスファミリーに分かれている。 我々は、そのような同じ答え、家族分割の正しい軌跡プロセス異性体と呼ぶ。 成功関連領域は、しばしば分離された高価値コアに分割され、ルートファミリは、単に互いに重複するのではなく、これらのコアフットプリントを専門とする。 タイプ状態遷移解析により、プロセスファミリーは、マッチしたヌル制御の下で異なる遷移カーネルを持つ同じアトラスをナビゲートすることを示した。 表現の短縮、クロスアーキテクチャのレプリケーション、および2つのクロススケールレプリケーションは経路圏の足場の堅牢性をサポートし、最終回答の集約がこの構造化されたマルチルートプロセス幾何を見越していることを示す。

関連論文リスト

• Federated Cross-Client Subgraph Pattern Detection [3.903194329577748]
  サブグラフパターン検出は、グラフ内の複雑な相互作用構造を明らかにすることを目的としている。 最先端グラフニューラルネットワーク(GNN)ベースのソリューションは、グラフ全体への集中的なアクセスを前提としている。 分割境界を横断する部分グラフパターンが局所的に識別できない構造的可観測性問題としてこれを定式化する。
  論文  参考訳（メタデータ） (2026-05-07T15:35:37Z)
• TractoRC: A Unified Probabilistic Learning Framework for Joint Tractography Registration and Clustering [9.66539105471215]
  トラクトグラフィー解析における2つの重要な課題は、1)個人間でのストレートラインを整列するトラクトグラム登録、2)ストレートラインをコンパクトなファイバーバンドルにグループ化するストレートラインクラスタリングである。 本稿では,1つの最適化方式でトラクトグラム登録とストリームラインクラスタリングを共同で行う,統一確率的フレームワークであるTractoRCを提案する。
  論文  参考訳（メタデータ） (2026-03-11T05:04:53Z)
• COMPOSE: Hypergraph Cover Optimization for Multi-view 3D Human Pose Estimation [58.47973015036709]
  スパース多視点からの3次元ポーズ推定は、行動認識、スポーツ分析、人間とロボットの相互作用にとって重要な課題である。 ハイパーグラフ問題として多視点ポーズ対応マッチングを定式化する新しいフレームワークComposEを提案する。 COMPOSEは,従来の最適化手法よりも平均23%,自己教師付きエンドツーエンド学習手法より最大11%の精度向上を実現している。
  論文  参考訳（メタデータ） (2026-01-14T18:50:17Z)
• Kernel Alignment-based Multi-view Unsupervised Feature Selection with Sample-level Adaptive Graph Learning [23.32756750343138]
  我々は,これらの問題に対処するために,サンプルレベル適応グラフ lEarning 法 (KAFUSE) を用いたカーネルアライメントに基づくマルチビュー非教師付きFeatUre選択を提案する。 実際のマルチビューデータセットの実験は、最先端の手法よりもKAFUSEの方が優れていることを示している。
  論文  参考訳（メタデータ） (2026-01-12T07:50:51Z)
• SepFormer: Coarse-to-fine Separator Regression Network for Table Structure Recognition [0.5120567378386615]
  本稿では,SepFormerについて紹介する。SepFormerは分割とマージのパラダイムを,DETRスタイルのアーキテクチャとセパレータレグレッションを通じて単一のステップに統合する。 SepFormerは平均25.6FPSで実行でき、いくつかのベンチマークデータセットで最先端のメソッドと同等のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2025-06-27T05:20:42Z)
• CorrMatch: Label Propagation via Correlation Matching for Semi-Supervised Semantic Segmentation [73.89509052503222]
  本稿では、CorrMatchと呼ばれる、単純だが実行可能な半教師付きセマンティックセマンティックセマンティックセマンティクス手法を提案する。 相関写像は、同一カテゴリのクラスタリングピクセルを容易に実現できるだけでなく、良好な形状情報も含んでいることを観察する。 我々は,高信頼画素を拡大し,さらに掘り出すために,画素の対の類似性をモデル化して画素伝搬を行う。 そして、相関地図から抽出した正確なクラス非依存マスクを用いて、領域伝搬を行い、擬似ラベルを強化する。
  論文  参考訳（メタデータ） (2023-06-07T10:02:29Z)
• One-step Bipartite Graph Cut: A Normalized Formulation and Its Application to Scalable Subspace Clustering [56.81492360414741]
  両部グラフの1ステップ正規化カットを、特に線形時間複雑性で実施する方法を示す。 本稿では、まず、正規化制約付き一段階二分グラフカット基準を特徴付けるとともに、そのトレース問題に対する等価性を理論的に証明する。 このカット基準を、適応アンカー学習、二部グラフ学習、一段階正規化二部グラフ分割を同時にモデル化するスケーラブルなサブスペースクラスタリングアプローチに拡張する。
  論文  参考訳（メタデータ） (2023-05-12T11:27:20Z)
• ClusterFuG: Clustering Fully connected Graphs by Multicut [20.254912065749956]
  密マルチカットでは、クラスタリングの目的はノード特徴ベクトルの内部積として分解形式で与えられる。 我々は、密集した環境でのマルチカットのための古典的欲求アルゴリズムの書き直し方法と、より効率とソリューションの品質を高めるためにそれらをどう修正するかを示す。
  論文  参考訳（メタデータ） (2023-01-28T11:10:50Z)
• Collaborative Propagation on Multiple Instance Graphs for 3D Instance Segmentation with Single-point Supervision [63.429704654271475]
  本稿では,1つのオブジェクトを1つのポイントでラベル付けするだけでよい,弱教師付き手法RWSegを提案する。 これらの疎いラベルにより、セマンティック情報とインスタンス情報を伝達する2つの分岐を持つ統一的なフレームワークを導入する。 具体的には、異なるインスタンスグラフ間の競合を促進するクロスグラフ競合ランダムウォークス(CRW)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-08-10T02:14:39Z)
• DyCo3D: Robust Instance Segmentation of 3D Point Clouds through Dynamic Convolution [136.7261709896713]
  本稿では,インスタンスの性質に応じて適切な畳み込みカーネルを生成するデータ駆動型アプローチを提案する。 提案手法はScanetNetV2とS3DISの両方で有望な結果が得られる。 また、現在の最先端よりも推論速度を25%以上向上させる。
  論文  参考訳（メタデータ） (2020-11-26T14:56:57Z)

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。