論文の概要: PathCal: State-Aware Reflection-Marker Calibration for Efficient Reasoning

• arxiv url: http://arxiv.org/abs/2605.23074v1
• Date: Thu, 21 May 2026 22:13:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-25 17:29:20.12155
• Title: PathCal: State-Aware Reflection-Marker Calibration for Efficient Reasoning
• Title（参考訳）: PathCal: 効率的な推論のための状態認識反射マーカー校正
• Authors: Lingyu Jiang, Zirui Li, Shuo Xing, Peiran Li, Tsubasa Takahashi, Dengzhe Hou, Zhengzhong Tu, Kazunori Yamada, Fangzhou Lin,
• Abstract要約: 異なるマーカークラスが、異なる方法で精度と生成長に影響を与えることを示す。 PathCalは、マーカーの型を識別することで推論経路を校正する学習不要な復号制御器である。
• 参考スコア（独自算出の注目度）: 23.11660945127322
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The emergence of Large Reasoning Language Models (LRMs) has paved the way for tackling complex reasoning tasks through test-time scaling by generating long-form Chain-of-Thought (CoT) trajectories during inference. Meanwhile, these trajectories often contain explicit reflection markers such as ``wait'', ``but'', and ``alternatively'', signaling hesitation, revision, and the consideration of alternative explorations, respectively. Recent studies on test-time control leverage such markers as lightweight handles for steering reasoning, typically treating them as a single coarse-grained category rather than distinguishing their distinct functional roles. In this paper, we conduct type-wise suppression and fixed-prefix intervention, revealing that reflection markers differ not only in their functional roles but also in when they exert the greatest influence. Specifically, different marker classes affect accuracy and generation length in distinct ways, and marker choices are most consequential before the model settles into a stable reasoning trajectory. Motivated by these findings, we introduce PathCal, a novel training-free decoding controller that calibrates reasoning paths by distinguishing marker types and intervening only at locally uncertain states. At each decoding step, PathCal utilizes the distribution over reflection-markers to estimate local competition between maintaining the current reasoning trajectory and initiating a competing branch, and softly rebalances marker logits when competing-branch evidence becomes excessive. Experiments across six reasoning benchmarks demonstrate that PathCal achieves a better efficiency--performance trade-off, improving or preserving accuracy while reducing generation length, without relying on external verifiers or additional sampling.
• Abstract（参考訳）: LRM(Large Reasoning Language Models)の出現は、推論中に長めのChain-of-Thought(CoT)トラジェクトリを生成することによって、テスト時間スケーリングを通じて複雑な推論タスクに取り組むための道を開いた。 一方、これらの軌跡には、しばしば '`wait'' や ``but'' や ``alternatively'' のような明示的な反射マーカーが含まれており、それぞれ、合図、修正、代替探索の考慮を含んでいる。 テストタイム制御の最近の研究は、これらのマーカーを軽快なハンドルとして利用し、典型的には、個々の機能的役割を区別するのではなく、単一の粗い粒度のカテゴリとして扱う。 本稿では, 機能的役割だけでなく, 最大の影響を受けている場合にも, 反射マーカーが異なることを明らかにする。 特に、異なるマーカークラスは、異なる方法で精度と生成長に影響を与えるが、マーカーの選択は、モデルが安定な推論軌道に落ち着く前に最も重要となる。 これらの知見に触発されたPathCalは,マーカー型を識別し,局所的不確実な状態にのみ介入することにより,推論経路を校正する新しいトレーニングフリーデコーディングコントローラである。 各復号ステップにおいて、PathCalはリフレクションマーカー上の分布を利用して、現在の推論軌道の維持と競合ブランチの開始の間の局所的な競合を推定し、競合ブランチエビデンスが過大になったときにマーカーロジットをソフトに再バランスする。 6つの推論ベンチマークによる実験では、PathCalは、外部検証や追加サンプリングに頼ることなく、パフォーマンスのトレードオフ、生成長を削減しつつ、精度の向上や保存といった効率性の向上を実現している。

関連論文リスト

• Learning from Emptiness: De-biasing Listwise Rerankers with Content-Agnostic Probability Calibration [76.08899010904652]
  CapCalは、ランキング決定から位置バイアスを機械的に分離する、トレーニング不要のフレームワークである。 シングルパス効率を保ちながら、トレーニング不要の手法で優れた性能を発揮する。
  論文  参考訳（メタデータ） (2026-04-11T10:47:22Z)
• Probing the Trajectories of Reasoning Traces in Large Language Models [4.599673637363014]
  本研究では,大規模言語モデルにおける推論トレースの軌跡を探索するプロトコルを提案する。 得られた推論トークンの比率が大きくなるにつれて、精度と決定のコミットメントが一貫して増加することが分かっています。 軌道探索が推論モデルのより効率的かつ安全な展開のための診断を提供することを示す。
  論文  参考訳（メタデータ） (2026-01-30T16:45:16Z)
• Understanding and Steering the Cognitive Behaviors of Reasoning Models at Test-Time [22.9491443902816]
  本研究では、推論軌跡の構造と、異なる認知行動と相関する特別な注意点を明らかにする。 テスト時間における認知推論ステアリングのトレーニング不要な方法であるCRESTを提案する。 CRESTは非生産的推論の振る舞いを適応的に抑制し、高い精度と低い計算コストをもたらす。
  論文  参考訳（メタデータ） (2025-12-31T02:46:04Z)
• Efficient Thought Space Exploration through Strategic Intervention [54.35208611253168]
  本稿では,この知見を2つの相乗的コンポーネントを通して操作するHint-Practice Reasoning(HPR)フレームワークを提案する。 フレームワークの中核となる革新は、動的に介入点を識別する分散不整合低減(DIR)である。 算術的および常識的推論ベンチマークによる実験は、HPRの最先端の効率-精度トレードオフを実証している。
  論文  参考訳（メタデータ） (2025-11-13T07:26:01Z)
• Verifying Large Language Models' Reasoning Paths via Correlation Matrix Rank [71.09032766271493]
  大規模言語モデル (LLM) は誤りや幻覚を引き起こす傾向がある。 アウトプットを効果的かつ効率的にチェックする方法は、アプリケーションにとって重要な問題となっている。
  論文  参考訳（メタデータ） (2025-10-28T11:01:10Z)
• SEAL: Steerable Reasoning Calibration of Large Language Models for Free [58.931194824519935]
  大規模言語モデル(LLM)は、拡張チェーン・オブ・ソート(CoT)推論機構を通じて複雑な推論タスクに魅力的な機能を示した。 最近の研究では、CoT推論トレースにかなりの冗長性が示されており、これはモデル性能に悪影響を及ぼす。 我々は,CoTプロセスをシームレスに校正し,高い効率性を示しながら精度を向上する,トレーニング不要なアプローチであるSEALを紹介した。
  論文  参考訳（メタデータ） (2025-04-07T02:42:07Z)

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。