論文の概要: DynaSchedBench: Calibrated Dynamic Scheduling Benchmarks and Observability Paradox in LLM-based Scheduling Agents
- arxiv url: http://arxiv.org/abs/2605.27566v1
- Date: Tue, 26 May 2026 18:36:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-28 17:38:55.459678
- Title: DynaSchedBench: Calibrated Dynamic Scheduling Benchmarks and Observability Paradox in LLM-based Scheduling Agents
- Title（参考訳）: DynaSchedBench: LLMベースのスケジューリングエージェントにおける動的スケジューリングベンチマークと可観測性パラドックスの校正
- Authors: Shijie Cao, Yuan Yuan, Jing Liu,
- Abstract要約: textbfDynaSchedBenchはDFJSPの診断フレームワークで、インスタンス生成プロセスを厳格に制御する。
パラメータサンプリングに頼る代わりに、新しいスケジュールストレス指標(SSI)を計算し、難易度でインスタンスを階層化するSequential Event-Space Calibrator(SESC)を用いる。
- 参考スコア（独自算出の注目度）: 11.212756680882444
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Progress in neural combinatorial optimization for Dynamic Flexible Job Shop Scheduling Problem (DFJSP) is currently hindered by a methodological tension: static benchmarks encourage benchmark overfitting, while uncalibrated generators obscure algorithmic capability with stochastic noise. To resolve this, we introduce \textbf{DynaSchedBench}, a diagnostic framework for DFJSP that rigorously controls the instance-generation process. Instead of relying on parameter sampling, our approach utilizes Sequential Event-Space Calibrator (SESC) that computes a novel Schedule Stress Index (SSI) to stratify instances by difficulty. We demonstrate that SESC is substantially more computationally efficient than evolutionary baselines while converging reliably to the target metrics. The framework integrates modular components for instance generation, snapshot-based simulation, agents, evaluation, and visualization, thereby enabling rigorous testing of reactive and lookahead-based policies. Leveraging this calibrated environment, we identify key limitations of LLM-based scheduling agents. Specifically, in step-wise online decision-making for dynamic scheduling, we identify an ``Observability Paradox'': providing agents with oracle access to full structural information can degrade policy performance, underperforming concise information. Furthermore, despite substantial token overhead, tool-augmented and refinement strategies fail to reliably improve performance, and most LLM agents fail to consistently surpass strong dispatching baselines-behaving more like robust heuristic approximators than superior optimizers.
- Abstract（参考訳）: 動的フレキシブルジョブスケジューリング問題(DFJSP)に対するニューラルネットワークの最適化の進歩は、現在、方法論的な緊張によって妨げられている。
これを解決するために,DFJSP のインスタンス生成プロセスを厳格に制御する診断フレームワークである \textbf{DynaSchedBench} を紹介した。
パラメータサンプリングに頼る代わりに、新しいスケジュールストレス指標(SSI)を計算し、難易度でインスタンスを階層化するSequential Event-Space Calibrator(SESC)を用いる。
また,SESCは進化的ベースラインよりも計算効率が高く,目的の指標に確実に収束することを示した。
このフレームワークは、例えば、スナップショットベースのシミュレーション、エージェント、評価、視覚化といったモジュラーコンポーネントを統合し、リアクティブおよびルックアヘッドベースのポリシーの厳格なテストを可能にする。
この校正環境を活用することで、LLMベースのスケジューリングエージェントの鍵となる制限を識別する。
具体的には、動的スケジューリングのための段階的なオンライン意思決定において、「オブザーバビリティ・パラドックス」を識別する: 完全な構造情報へのオラクルアクセスを提供するエージェントは、ポリシーのパフォーマンスを低下させ、簡潔な情報を過小評価することができる。
さらに、かなりのトークンオーバーヘッドにもかかわらず、ツール拡張および改善戦略は性能を確実に向上させることができず、ほとんどのLLMエージェントは、優れたオプティマイザよりも堅牢なヒューリスティック近似器のように、強力なディスパッチベースラインを一貫して上回らない。
関連論文リスト
- POLCA: Stochastic Generative Optimization with LLM [26.342554900977003]
局所文脈を用いた優先順位付け最適化(POLCA)を導入する。
POLCAは、最適化におけるパラメータ性を扱うために設計されたスケーラブルなフレームワークである。
我々は,POLCAが頑健,サンプル,時間効率の両立を実証した。
論文 参考訳（メタデータ） (2026-03-16T03:07:44Z) - Proximity-Based Multi-Turn Optimization: Practical Credit Assignment for LLM Agent Training [26.571744733431448]
マルチターンLDMエージェントは、顧客サービス自動化、eコマース支援、インタラクティブタスク管理など、プロダクションシステムにとって重要な存在である。
Proximity-based Multi-turn Optimization (ProxMO) は実世界の展開の制約に特化して設計された実用的で堅牢なフレームワークである。
論文 参考訳（メタデータ） (2026-02-22T15:18:03Z) - SIT-LMPC: Safe Information-Theoretic Learning Model Predictive Control for Iterative Tasks [2.661015608942385]
本稿では,反復的なタスクに対する安全な情報理論学習モデル予測制御アルゴリズムを提案する。
最適性のバランスを保ちつつ安全性を確保するために適応ペナルティ法を開発した。
本稿では,SIT-LMPCがシステムの制約を十分に満たしつつ,システム性能を反復的に改善することを示す。
論文 参考訳（メタデータ） (2026-02-18T05:13:45Z) - Not All Preferences Are Created Equal: Stability-Aware and Gradient-Efficient Alignment for Reasoning Models [52.48582333951919]
ポリシー更新の信号対雑音比を最大化することにより、アライメントの信頼性を高めるために設計された動的フレームワークを提案する。
SAGE(Stability-Aware Gradient Efficiency)は、モデル能力に基づいて候補プールをリフレッシュする粗いきめ細かいカリキュラムメカニズムを統合する。
複数の数学的推論ベンチマークの実験により、SAGEは収束を著しく加速し、静的ベースラインを上回っていることが示された。
論文 参考訳（メタデータ） (2026-02-01T12:56:10Z) - MSC-Bench: A Rigorous Benchmark for Multi-Server Tool Orchestration [0.0]
MSC-Benchは、LLMエージェントによるマルチホップ、エンドツーエンドのツールオーケストレーションを評価するための大規模なベンチマークである。
これは「等式集合」を通じて基底真理を構築することでギャップに対処し、F1スコアのような客観的なメトリクスを可能にする。
シングルツールオーケストレーションから複雑なクロスサーバ計画、スコープ外要求に対する堅牢性まで、エージェント機能を体系的にテストする。
論文 参考訳（メタデータ） (2025-10-22T09:45:11Z) - Stabilizing Policy Gradients for Sample-Efficient Reinforcement Learning in LLM Reasoning [77.92320830700797]
強化学習は、大規模言語モデルの推論機能を実現する上で中心的な役割を果たしてきた。
本稿では,ポリシー更新時の曲率情報を追跡し,活用するトラクタブルな計算フレームワークを提案する。
アルゴリズムであるCurvature-Aware Policy Optimization (CAPO)は、不安定な更新に寄与するサンプルを特定し、それらをマスクアウトする。
論文 参考訳（メタデータ） (2025-10-01T12:29:32Z) - ReflecSched: Solving Dynamic Flexible Job-Shop Scheduling via LLM-Powered Hierarchical Reflection [4.101501114944147]
ReflecSchedは、直接スケジューラ以上の LLM を強化するフレームワークである。
複数の計画地平線にまたがるシミュレーションを、簡潔で自然言語の要約に蒸留する。
この要約は、最終的な意思決定モジュールのプロンプトに統合され、非ミオピックアクションを生成するためのガイドとなる。
論文 参考訳（メタデータ） (2025-08-03T11:26:35Z) - Agentic Reinforced Policy Optimization [66.96989268893932]
検証可能な報酬付き大規模強化学習(RLVR)は,大規模言語モデル(LLM)を単一ターン推論タスクに活用する効果を実証している。
現在のRLアルゴリズムは、モデル固有のロングホライゾン推論能力と、マルチターンツールインタラクションにおけるその習熟性のバランスが不十分である。
エージェント強化ポリシー最適化(ARPO: Agentic Reinforced Policy Optimization)は,マルチターンLDMエージェントを学習するためのエージェントRLアルゴリズムである。
論文 参考訳（メタデータ） (2025-07-26T07:53:11Z) - LLM-Symbolic Integration for Robust Temporal Tabular Reasoning [69.27153114778748]
本研究では,システムおよび制御された評価のための合成データセットであるTempTabQA-Cを紹介する。
この構造化アプローチにより、LLM(Large Language Models)はsqlクエリの生成と実行を可能にし、一般化とバイアス軽減の強化を行う。
論文 参考訳（メタデータ） (2025-06-06T05:14:04Z) - Entropy-Regularized Token-Level Policy Optimization for Language Agent Reinforcement [67.1393112206885]
大規模言語モデル(LLM)は、対話的な意思決定タスクにおいてインテリジェントなエージェントとして期待されている。
本稿では,トークンレベルでのLLMの最適化に適したエントロピー拡張RL法である,エントロピー正規化トークンレベル最適化(ETPO)を導入する。
我々は,データサイエンスコード生成を多段階対話型タスクのシリーズとしてモデル化したシミュレーション環境におけるETPOの有効性を評価する。
論文 参考訳（メタデータ） (2024-02-09T07:45:26Z)
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。