論文の概要: Statistical Priors for Implicit Preferences: Decoupling Skill Selection as a Local Harness in Personal Agents

• arxiv url: http://arxiv.org/abs/2606.05828v1
• Date: Thu, 04 Jun 2026 08:07:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-05 22:39:44.633929
• Title: Statistical Priors for Implicit Preferences: Decoupling Skill Selection as a Local Harness in Personal Agents
• Title（参考訳）: インシシト選好の統計的優先事項 : 個人エージェントの局所的有害性としてのスキル選択の分離
• Authors: Zeyu Gan, Huayi Tang, Yong Liu,
• Abstract要約: LLM(Large Language Model)は、新しいパラダイムとして登場した。 APIベースのリモートモデルと外部スキルに依存するパーソナルエージェントが、新しいパラダイムとして登場した。 本稿では、意味的意図解析から統計的嗜好学習を厳密に分離する新しいアーキテクチャによる、そのようなハーネスの実装について検討する。
• 参考スコア（独自算出の注目度）: 21.290012745819425
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As Large Language Model (LLM) capabilities advance, locally deployed personal agents relying on API-based remote models and external skills have emerged as a novel paradigm. With the rapid expansion of available skills, enabling personal agents to learn and adapt to implicit user preferences becomes a critical challenge. However, local deployment constraints preclude complex centralized selection algorithms, creating an urgent need for a lightweight local preference harness. This paper explores the implementation of such a harness through a novel architecture that strictly decouples statistical preference learning from semantic intent parsing. Specifically, we leverage localized statistical results to influence and modulate the selection decisions of the remote LLM. Extensive evaluations demonstrate that our decoupled approach achieves the lowest cumulative regret and highest test accuracy, significantly outperforming traditional memory-augmented agents.
• Abstract（参考訳）: LLM(Large Language Model)機能が進歩するにつれ、APIベースのリモートモデルと外部スキルに依存するローカルにデプロイされたパーソナルエージェントが、新たなパラダイムとして登場した。 スキルの急速な拡大により、個人エージェントが暗黙のユーザー嗜好を学習し、適応できるようにすることは、重要な課題となる。 しかし、ローカルデプロイメントの制約は複雑な中央集権的な選択アルゴリズムを妨げるため、軽量なローカルプライオリティハーネスの必要性が緊急に生じる。 本稿では、意味的意図解析から統計的嗜好学習を厳密に分離する新しいアーキテクチャによる、そのようなハーネスの実装について検討する。 具体的には、局所統計結果を活用し、遠隔LLMの選択決定に影響を及ぼし、調整する。 大規模な評価は, 従来の記憶増強剤よりも有意に優れ, 最小の累積的後悔と高いテスト精度を達成できることを示した。

関連論文リスト

• Did Models Sufficient Learn? Attribution-Guided Training via Subset-Selected Counterfactual Augmentation [61.248535801314375]
  Subset-Selected Counterfactual Augmentation (SS-CA) 我々は,モデル予測を選択的に変更可能な最小空間領域集合を識別するために,対実的LIMAを開発した。 実験により,SS-CAは分布内テストデータ(ID)の一般化を改善し,分布外ベンチマーク(OOD)において優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2025-11-15T08:39:22Z)
• On-the-Fly OVD Adaptation with FLAME: Few-shot Localization via Active Marginal-Samples Exploration [1.7975230539002824]
  オープンボキャブラリオブジェクト検出(OVD)モデルは、任意のテキストクエリからオブジェクトを検出することで、顕著な柔軟性を提供する。 リモートセンシング(RS)のような特殊なドメインにおけるゼロショットのパフォーマンスは、自然言語固有の曖昧さによってしばしば損なわれる。 そこで本研究では,大規模な事前学習型OVDモデルの広範な一般化と,軽量な数ショット分類器を併用したケースケード手法を提案する。
  論文  参考訳（メタデータ） (2025-10-20T15:41:55Z)
• Intuitionistic Fuzzy Sets for Large Language Model Data Annotation: A Novel Approach to Side-by-Side Preference Labeling [0.0]
  本稿では,多言語モデル(LLM)における人間の嗜好をモデル化・集約するための直観的ファジィ集合(IFS)に基づく新しい枠組みを提案する。 我々のアプローチは、選好の度合いだけでなく、メンバーシップ、非メンバーシップ、およびヒューイテーションの度合いを通じて、人間の判断に固有の不確実性や偏見も捉えている。 複数のデータセットに対する実験的検証は、我々のIFSベースのアプローチがアノテーションの一貫性を大幅に改善し、アノテータの疲労を低減し、高品質な嗜好データを生成することを示した。
  論文  参考訳（メタデータ） (2025-05-30T04:20:00Z)
• Efficient Safety Alignment of Large Language Models via Preference Re-ranking and Representation-based Reward Modeling [84.00480999255628]
  大規模言語モデル(LLM)の安全性アライメントのための強化学習アルゴリズムは,分散シフトの課題に直面している。 現在のアプローチでは、ターゲットポリシーからのオンラインサンプリングを通じてこの問題に対処するのが一般的である。 モデル固有の安全判断能力を活用して報酬信号を抽出する新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-03-13T06:40:34Z)
• Few-shot Steerable Alignment: Adapting Rewards and LLM Policies with Neural Processes [50.544186914115045]
  大きな言語モデル(LLM)は、日々のアプリケーションにますます組み込まれています。 個人ユーザの多様な嗜好との整合性を確保することは、重要な課題となっている。 数発のステアライメントのための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-18T16:14:59Z)
• Accelerating Large Language Model Inference with Self-Supervised Early Exits [0.0]
  本稿では,大規模・事前学習型言語モデル(LLM)における推論を高速化する新しい手法を提案する。 本稿では,既存の変圧器層上に早期出口「頭部」を統合し,信頼度基準に基づく条件付き項化を容易にすることを提案する。
  論文  参考訳（メタデータ） (2024-07-30T07:58:28Z)
• Reinforcement Learning from Diverse Human Preferences [68.4294547285359]
  本稿では,人選好ラベルをクラウドソーシングし,多様な嗜好から学習する手法を開発した。 提案手法はDMcontrolとMeta-worldの様々なタスクでテストされる。 多様なフィードバックから学ぶと、既存の好みベースのRLアルゴリズムよりも一貫性があり、大幅に改善されている。
  論文  参考訳（メタデータ） (2023-01-27T15:18:54Z)

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。