論文の概要: When Does Latent Reasoning Help? MeRa: Metric-Space Bias for Spatial Prediction

• arxiv url: http://arxiv.org/abs/2606.03727v1
• Date: Tue, 02 Jun 2026 14:47:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-03 22:00:05.081283
• Title: When Does Latent Reasoning Help? MeRa: Metric-Space Bias for Spatial Prediction
• Title（参考訳）: 遅延推論はいつ役に立つのか? MeRa: 空間予測のためのメトリック空間バイアス
• Authors: Zhenyu Yu, Shuigeng Zhou,
• Abstract要約: 潜在推論は、修正されていないベースラインの下の空間予測を劣化させる。 MeRa(Metric-space Reasoning)は軽量なバックボーン非依存モジュールである。 距離空間制約推論が一意の固定点に収束し、N-ステップ推論が(N-1)-ステップ推論よりも厳密に表現可能であることを証明する。
• 参考スコア（独自算出の注目度）: 23.627157851520845
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Latent reasoning has improved sequential recommendation by iteratively refining representations before prediction, but does it help spatial prediction? We find that the answer depends on whether reasoning is grounded in the underlying metric space. Without such grounding, latent reasoning degrades spatial prediction below the unmodified baseline, while a learned metric-space bias derived from pairwise distances produces consistent gains. We formalize this finding through MeRa (Metric-space Reasoning), a lightweight backbone-agnostic module that can be inserted between any sequence encoder and its prediction heads. On the GETNext backbone, the gap between reasoning without and with metric-space bias reaches 4.5% NDCG@10. MeRa achieves the best NDCG@10 on all three spatial prediction benchmarks among the compared methods, surpassing recent approaches such as GeoMamba and HMST. We prove that metric-space-constrained reasoning converges to a unique fixed point and that N-step reasoning is strictly more expressive than (N-1)-step reasoning. A controlled experiment on CLEVR with Euclidean distance confirms that the finding generalizes beyond geographic coordinates. The code is included in the supplementary material.
• Abstract（参考訳）: 逐次的推論は、予測前の表現を反復的に書き換えることで、逐次的レコメンデーションを改善したが、空間的予測に役立っているか? 答えは、基礎となる計量空間に推論が基礎づけられているかどうかに依存する。 このような根拠がなければ、潜伏推論は未修正の基準線より下の空間予測を劣化させ、一方、ペア距離から得られた学習された距離空間バイアスは一貫した利得を生み出す。 我々は、任意のシーケンスエンコーダとその予測ヘッドの間に挿入可能な軽量バックボーン非依存モジュールであるMeRa(Metric-space Reasoning)を用いて、この発見を形式化する。 GETNextのバックボーンでは、距離空間バイアスのない推論と距離空間バイアスのない推論のギャップは4.5% NDCG@10に達する。 MeRaは、GeoMambaやHMSTといった最近のアプローチを上回り、比較手法の中で3つの空間予測ベンチマークで最高のNDCG@10を達成する。 距離空間制約推論が一意の固定点に収束し、N-ステップ推論が(N-1)-ステップ推論よりも厳密に表現可能であることを証明する。 ユークリッド距離を持つCLEVRの制御実験により、発見が地理的座標を超えて一般化されることが確認された。 コードは補足資料に含まれます。

関連論文リスト

• Geometric Latent Reasoning Induces Shorter Generations in LLMs [24.29594681334716]
  我々は,事前訓練されたトークン埋め込み空間内の幾何学的経路近似問題として潜在推論を定式化する。 本稿では、軽量な遷移ヘッドを用いて埋め込み空間における反復方向更新を予測するGeometric Latent Reasoning (GLR)を紹介する。 Qwen3モデルを用いた数学的推論ベンチマークの評価では、創発的な現象が明らかである。
  論文  参考訳（メタデータ） (2026-06-01T13:40:55Z)
• Semantic Tube Prediction: Beating LLM Data Efficiency with JEPA [50.494504099850325]
  我々は、トークン列が滑らかな意味多様体上の測地線を辿り、従って局所線型であることを示す測地論仮説を導入する。 本稿では,この制約により信号対雑音比が向上し,軌道中の衝突を防止することにより多様性が保たれることを示す。 幾何学的先行性は、ブルートフォーススケーリングを超越できることを実証する。
  論文  参考訳（メタデータ） (2026-02-26T04:45:07Z)
• Towards Inference-time Scaling for Continuous Space Reasoning [55.40260529506702]
  推論時間スケーリングは、大規模言語モデルにおけるテキストベースの推論に有効であることが証明されている。 本稿では,そのような確立された手法が連続空間における推論にうまく適応できるかどうかを考察する。 本研究では,ドロップアウト型サンプリングによる多種多様な推論経路の実現可能性を示す。
  論文  参考訳（メタデータ） (2025-10-14T05:53:41Z)
• Last-Iterate Convergence of Adaptive Riemannian Gradient Descent for Equilibrium Computation [52.73824786627612]
  本稿では,テクスト幾何学的強単調ゲームに対する新たな収束結果を確立する。 我々のキーとなる結果は、RGDがテクスト幾何学的手法で最終定位線形収束を実現することを示しています。 全体として、ユークリッド設定を超えるゲームに対して、幾何学的に非依存な最終点収束解析を初めて提示する。
  論文  参考訳（メタデータ） (2023-06-29T01:20:44Z)
• LMR: Lane Distance-Based Metric for Trajectory Prediction [10.83642398981694]
  現在確立されている測度はユークリッド距離に基づいており、これは全ての方向において誤差が等しく重み付けされていることを意味する。 レーン距離に基づく新しい距離基準を提案する:レーンミスレート(LMR) LMRは、ミスを起こすシーケンスの比率として定義される。
  論文  参考訳（メタデータ） (2023-04-12T13:59:04Z)
• Identifying latent distances with Finslerian geometry [6.0188611984807245]
  生成モデルにより、データ空間と測地学は最も非現実的であり、操作が不可能である。 本研究では,引き戻し距離の期待値が明示的に最小となる別の測度を提案する。 高次元では、どちらの測度も$Oleft(frac1Dright)$の速度で収束することが証明される。
  論文  参考訳（メタデータ） (2022-12-20T05:57:27Z)
• Lassoed Tree Boosting [53.56229983630983]
  有界断面変動のカドラー関数の大きな非パラメトリック空間において,早期に停止するn-1/4$ L2の収束速度を持つ勾配向上木アルゴリズムを証明した。 我々の収束証明は、ネストしたドンスカー類の経験的損失最小化子による早期停止に関する新しい一般定理に基づいている。
  論文  参考訳（メタデータ） (2022-05-22T00:34:41Z)
• Instance-Optimal Compressed Sensing via Posterior Sampling [101.43899352984774]
  後部サンプリング推定器がほぼ最適回復保証を達成できることを示す。 本稿では,Langevin dynamics を用いた深部生成前駆体の後方サンプリング推定器を実装し,MAP よりも精度の高い推定値が得られることを実証的に見出した。
  論文  参考訳（メタデータ） (2021-06-21T22:51:56Z)
• DeepKriging: Spatially Dependent Deep Neural Networks for Spatial Prediction [2.219504240642369]
  空間統計学において、共通の目的は、空間依存を利用して、観測されていない場所での空間過程の値を予測することである。 DeepKriging法はガウスの場合にはKrigingと直接リンクしており、非ガウスおよび非定常データに対してKrigingよりも多くの利点がある。 本手法を米国大陸におけるPM2.5濃度の予測に適用する。
  論文  参考訳（メタデータ） (2020-07-23T12:38:53Z)

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。