論文の概要: When to Re-Plan: Subgoal Persistence in Hierarchical Latent Reasoning

• arxiv url: http://arxiv.org/abs/2606.03741v1
• Date: Tue, 02 Jun 2026 14:55:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-03 22:00:05.090056
• Title: When to Re-Plan: Subgoal Persistence in Hierarchical Latent Reasoning
• Title（参考訳）: 階層的潜在推論におけるサブゴアルパーシステンス
• Authors: Ayushi Chadha,
• Abstract要約: ロングホライズン推論は、厳格になることなく中ホライズン意図にコミットするシステムを必要とする。 我々は、この安定性-適応性トレードオフを潜在推論条件で検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Long-horizon reasoning requires a system to commit to medium-horizon intent without becoming rigid: re-plan too often and computation never coheres into multi-step structure; commit too long and the plan goes stale. We study this stability-adaptivity tradeoff in the latent reasoning setting, where multi-step computation occurs inside hidden state rather than externalized token traces. We extend the Hierarchical Reasoning Model (HRM) with a feudal-style manager-worker interface: a slow high-level module periodically emits a normalized directional subgoal that persists for P low-level steps, biasing the worker's hidden-state updates and supplying an intrinsic cosine alignment loss. On ARC and ConceptARC, we find that subgoal persistence -- not subgoal injection alone -- is the central knob: moderate periods P in [3, 6] consistently outperform both very frequent (P=1) and very long horizons, with a clear minimum LM loss at P=3 (1.544 vs. 1.674 at P=1, 1.640 baseline; replicated over 5 seeds at mean 1.595, std 0.045). The intrinsic alignment weight lambda shows a complementary narrow optimum (lambda approximately 0.05). A controlled ablation at past-sweet-spot lambda isolates learned directional structure -- not architectural capacity or auxiliary loss alone -- as the source of interference when the alignment signal exceeds its optimum. Together these findings implicate a design principle for compositional planning in latent reasoning systems: medium-horizon intent must be coherent across enough computational steps for compositional structure to form.
• Abstract（参考訳）: ロングホライズン推論では、厳格化せずに中ホライズンな意図にコミットするシステムが必要になります。 我々は,この安定性-適応性トレードオフを,外部トークントレースではなく隠蔽状態内に複数ステップの計算が行われる潜在推論条件で検討する。 階層的推論モデル(HRM)を封建的なマネージャ-ワーカーインタフェースで拡張する: 遅い高レベルモジュールは、Pの低レベルステップを継続する正規化方向のサブゴールを周期的に出力し、労働者の隠れ状態更新をバイアスし、本質的なコサインアライメント損失を供給します。 ARC と ConceptARC では、中等周期 P の[3, 6] は、非常に頻繁な (P=1) と非常に長い地平線の両方を一貫して上回り、P=3 (P=1, 1.640 で 1.544 vs. 1.674) で LM の損失は、P=1, 1.640 で、平均 1.595, std 0.045 で 5 以上の種子が複製されている。 内在的なアライメントウェイトラムダは、補完的な狭い最適化(ラムダは約0.05)を示す。 過去のスイートスポットラムダにおける制御されたアブレーションは、アライメント信号がその最適値を超えたときの干渉の源として、アーキテクチャ能力や補助的損失のみでなく、学習した方向構造を分離する。 これらの知見が組み合わさって、潜時推論システムにおける構成計画の設計原則が示唆される: 中水平意図は、構成構造を形成するのに十分な計算ステップにわたってコヒーレントでなければならない。

関連論文リスト

• Looped SSMs: Depth-Recurrence and Input Reshaping for Time Series Classification [50.994194925685434]
  パラメータが$k$のループSSMが$L$倍に反復され、標準SSMと一貫して一致し、性能が良くなることを示す。 また、入力再フォーマットは等しく無視された設計軸であることを示す。
  論文  参考訳（メタデータ） (2026-05-15T15:18:12Z)
• Recovering Physical Dynamics from Discrete Observations via Intrinsic Differential Consistency [12.266189649117003]
  我々は地域の監督をグローバルな構造的制約に置き換える。 この特性からの偏差が2つの目的に作用する時間条件のセカント速度場を訓練する。 トレーニング正則化器として、時間スケールで一貫して構成されるフローに仮説空間を限定する。
  論文  参考訳（メタデータ） (2026-05-08T20:24:32Z)
• CAWN: Continuous Acoustic Wave Networks for Autoregressive Language Modeling [46.16066322190728]
  完全連続配列混合アーキテクチャであるCAWN(Continuous Acoustic Wave Network)を導入する。 CAWNは離散行列ベースの注意を代わりに、多面体複素ドメインファサーに隠された状態を計画している。 超長コンテキスト上での信号劣化を防止するため,デュアルゲート選択位相共振機構を導入する。
  論文  参考訳（メタデータ） (2026-04-05T20:13:22Z)
• Bridging Discrete Planning and Continuous Execution for Redundant Robot [12.278986080239692]
  冗長マニピュレータの経路計画にはボクセルグリッド強化学習が広く採用されている。 しかし、7-DoFアーム上の点数逆キネマティクスによる直接実行は、しばしばステップサイズジッタをもたらす。 この研究は、個別の計画立案者自体を変更することなく、離散的な計画と連続的な実行の間にブリッジングフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-02T13:23:54Z)
• Stepwise Penalization for Length-Efficient Chain-of-Thought Reasoning [66.22060690012512]
  大規模な推論モデルは、より多くのテストタイム計算で改善されるが、しばしば過大評価され、正確さを向上することなくコストを上昇させる必要のない長い連鎖を生み出す。 本研究は,本質的な貢献に基づいて,ステップ間の長さ短縮を割り当てる,きめ細かいフレームワークであるSWAPを提案する。
  論文  参考訳（メタデータ） (2026-02-27T20:23:59Z)
• FuXi-Linear: Unleashing the Power of Linear Attention in Long-term Time-aware Sequential Recommendation [86.55349738440087]
  FuXi-Linearは、効率的なロングシーケンスレコメンデーションのために設計された線形複雑度モデルである。 提案手法では, 時間的データを用いて周期的注意重みを独立に計算し, 時間的信号と意味的信号のクロストークを防ぐ時間的保持チャネルと, 学習可能なカーネルを介して線形複雑度内で位置情報を統合する線形位置決めチャネルの2つの重要な要素を紹介する。
  論文  参考訳（メタデータ） (2026-02-27T04:38:28Z)
• The Procrustean Bed of Time Series: The Optimization Bias of Point-wise Loss [53.542743390809356]
  本稿では,最適化バイアス(EOB)の期待に関する第一原理解析を提案する。 時間列が決定論的で構造化されるほど、ポイントワイドの損失関数によるバイアスがより厳しくなる。 本稿では,DFTとDWTの両原理を同時に実現する具体的ソリューションを提案する。
  論文  参考訳（メタデータ） (2025-12-21T06:08:22Z)
• Unifying Quadrotor Motion Planning and Control by Chaining Different Fidelity Models [23.059638804041672]
  Uniqueは統一的なMPCであり、単一の最適化内で異なる忠実度のモデルをカスケードする。 水平線に沿った標準的障害物を変形させる3Dプログレッシブ・スムースティング・スケジュールを提案する。 Uniqueは、標準的なMPCや階層的なプランナートラッカーベースラインと比較して、クローズドループ位置または速度トラッキングを最大75%改善する。
  論文  参考訳（メタデータ） (2025-12-13T18:53:34Z)
• Enhancing Long Chain-of-Thought Reasoning through Multi-Path Plan Aggregation [32.86351316550696]
  我々は、生の長いCoTを分析し、計画と実行ステップからなる推論階層を明らかにする。 本研究の目的は,計画探索と集約による単一パス推論を増強するMPPA(Multi-Path Plan Aggregation)を提案することである。 これを解決するために, Twisted Sequential Monte Carlo (TSMC) を利用するプロセスレベルの優先度最適化スキームであるStep-DPOを導入する。
  論文  参考訳（メタデータ） (2025-10-13T17:02:41Z)
• Krotov Type Optimization of Coherent and Incoherent Controls for Open Two-Qubit Systems [77.34726150561087]
  この研究は、コヒーレントかつ非コヒーレントな制御によって駆動される2量子ビットオープン量子系を考える。 インコヒーレント制御は、環境の時間依存スペクトル密度を介して時間依存のデコヒーレンス率を誘導する。 システムは、時間依存係数を持つゴリーニ・コサコフスキー・スダルシャン・リンドブラッド・マスター方程式に従って進化する。
  論文  参考訳（メタデータ） (2023-08-11T13:17:19Z)

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。