論文の概要: Towards Value-Constrained Credit Assignment in Fully Delegated AI Cooperatives

• arxiv url: http://arxiv.org/abs/2606.28217v1
• Date: Fri, 26 Jun 2026 16:08:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-29 18:24:25.535054
• Title: Towards Value-Constrained Credit Assignment in Fully Delegated AI Cooperatives
• Title（参考訳）: 完全退行型AI協同作業における価値制約付クレジットアサインメントに向けて
• Abstract要約: 完全委任型AI協同組合における報酬配分のための枠組みを提案する。 鍵となるアイデアは、各プリンシパルの値プロファイルに対してチェックした後も許容できるアップデートのみを信用することだ。 我々は、価値条件付き勾配フィルタリング、オンライン限界寄与信号、累積収益決済を定式化する。
• 参考スコア（独自算出の注目度）: 5.262213651111407
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose a framework for reward allocation in fully delegated AI cooperatives where humans are represented by agents that contribute data and participate in model updates under heterogeneous value constraints. The key idea is to credit only those updates that remain admissible after screening them against each principal's value profile. We formulate value-conditioned gradient filtering, online marginal contribution signals, and cumulative revenue settlement within a traversal learning (TL) substrate. TL is especially attractive here because it performs decentralized backpropagation without the quality loss associated with aggregation-centric distributed learning and, we argue, offers a finer attribution substrate than FedAvg-style federated learning by preserving explicit traversal and gradient paths. The framework is positioned against data valuation, federated contribution estimation, personalized federated learning, and pluralistic alignment.
• Abstract（参考訳）: 本研究では,人間をデータ提供エージェントとして表現し,不均一な値制約の下でのモデル更新に参加する,完全委任型AI協調作業における報酬配分のためのフレームワークを提案する。 鍵となる考え方は、各プリンシパルの値プロファイルに対してチェックした後も許容できるアップデートのみを信用することだ。 本稿では, 評価条件付き勾配フィルタリング, オンライン限界寄与信号, 累積収益決済を, TL(traversal Learning)基板内で定式化する。 TLはアグリゲーション中心の分散学習に伴う品質損失を伴わずに分散されたバックプロパゲーションを行うため,特に魅力的であり,我々は,明示的なトラバーサルパスと勾配パスを保存することにより,FedAvgスタイルのフェデレーション学習よりも微妙な帰属基盤を提供すると主張している。 このフレームワークは、データ評価、フェデレーション・コントリビューションの推定、パーソナライズド・フェデレーション・ラーニング、多元的アライメントに対して位置づけられている。

関連論文リスト

• Counterfactual Shapley Credit Assignment [49.39649767581182]
  クレディ・アサインメント・問題(CAP)は、効率的かつ説明可能な強化学習(RL)エージェントを開発するための基礎である。 対実共有($-value)を通じて信用と責任を判断する新しい枠組みである対実共有($-value)を導入する。 我々は、$$-valuesを計算し、優先順位付き軌道再生(PTR)と組み合わせた新しいポリシーメソッドのクラス$-PPOを可能にする一貫した推定器を導出する。
  論文  参考訳（メタデータ） (2026-07-18T23:28:20Z)
• AME: A Multi-Type Contributor Attribution Framework in Generative AI Markets [10.095866185333657]
  ジェネレーティブAIは、異質なコントリビュータ間のマルチステージコラボレーションを通じて、価値創造を可能にする。 本稿では,新たな研究課題として多段階生成AI値割り当てを定式化する。 我々は、データコントリビューション評価、データ権利マッピング、信頼できる実行を統合する統合フレームワークAMEフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-15T00:21:26Z)
• TRACE: A Unified Rollout Budget Allocation Framework for Efficient Agentic Reinforcement Learning [52.67756371231985]
  検証可能な報酬を伴う強化学習(RLVR)は、大規模言語モデルにおける推論とエージェント的行動を強化するための有望なアプローチである。 本稿では,Tree Rollout Allocation for Contrastive Exploration (TRACE)について紹介する。 技術的には、TRACEはロールアウト予算をルートと中間プレフィックスの両方に割り当てている。
  論文  参考訳（メタデータ） (2026-06-09T17:16:03Z)
• Self-evolving LLM agents with in-distribution Optimization [60.05867547965365]
  大規模言語モデル(LLM)は最近、複雑な環境で対話的なエージェントのための強力なコントローラとして登場した。 本稿では,自動プロセス・リワードラベリングとポリシー学習を統一するLDMエージェントの自己進化フレームワークであるQ-Evolveを提案する。 我々は,AlfWorld,WebShop,ScienceWorldの手法を評価し,Q-Evolveがサンプル効率,堅牢性,全体的なタスク性能において高いベースラインを達成していることを示す。
  論文  参考訳（メタデータ） (2026-06-05T15:09:52Z)
• From Generic Correlation to Input-Specific Credit in On-Policy Self Distillation [22.436966302243565]
  オンラインの自己蒸留は、訓練後の言語モデルにとって有望なパラダイムとして現れている。 本稿では, 自己蒸留トークンの報酬が, 入力されたフィードバックと応答の正確な相互情報であるベイズフィルタインクリメントであることを示す。 本稿では、バッチコントラストベースラインで入力固有のコンポーネントを分離するCREDITを提案する。
  論文  参考訳（メタデータ） (2026-05-12T06:43:17Z)
• Utilizing and Calibrating Hindsight Process Rewards via Reinforcement with Mutual Information Self-Evaluation [50.696688705287755]
  我々は、強化学習におけるスパース報酬課題を克服するために、相互情報自己評価を提案する。 MISEにより、エージェントは、疎外的信号を補う高密度な内部報酬から自律的に学習することができる。 我々は、後見自己評価報酬を利用することは、政策と代行報酬政策の間のKL分散項と相互情報を組み合わせた目的を最小化することと等価であることを示す。
  論文  参考訳（メタデータ） (2026-04-13T15:18:51Z)
• Byzantine-Robust and Differentially Private Federated Optimization under Weaker Assumptions [89.52532304099522]
  フェデレートラーニング(FL)は、クライアントが生データを集中せずに共有モデルを共同でトレーニングすることを可能にし、固有のプライバシーレベルを提供する。 グラデーションとモデル更新は機密情報を漏洩する可能性があるが、悪意のあるサーバはビザンティン操作のような敵攻撃をマウントする可能性がある。 これらの脆弱性は、統合されたフレームワーク内の差分プライバシー(DP)とビザンチンの堅牢性に対処する必要性を強調している。 Byz-Clip21-SGD2Mを提案する。
  論文  参考訳（メタデータ） (2026-03-24T17:39:09Z)
• Blockwise Advantage Estimation for Multi-Objective RL with Verifiable Rewards [39.489554597919145]
  グループ相対ポリシー最適化(GRPO)は、完了時にすべてのトークンに対して単一のスカラーの利点を割り当てる。 明確なセグメントと目的を持つ構造化世代では、このカップルはセグメント間で無関係な報酬信号を生成し、客観的な干渉と不正な信用につながる。 我々は、GRPO互換メソッドのファミリーであるBlockwise Advantage Estimationを提案し、それぞれの目的をそれぞれ独自の利点を割り当て、対応するテキストブロックのトークンにのみ適用する。
  論文  参考訳（メタデータ） (2026-02-10T19:22:37Z)
• Agentic Reinforcement Learning with Implicit Step Rewards [92.26560379363492]
  大規模言語モデル (LLMs) は強化学習 (agentic RL) を用いた自律的エージェントとして発展している。 我々は,標準RLアルゴリズムとシームレスに統合された一般的なクレジット割り当て戦略であるエージェントRL(iStar)について,暗黙的なステップ報酬を導入する。 我々は,WebShopとVisualSokobanを含む3つのエージェントベンチマークと,SOTOPIAにおける検証不可能な報酬とのオープンなソーシャルインタラクションについて評価した。
  論文  参考訳（メタデータ） (2025-09-23T16:15:42Z)
• Proof-of-Data: A Consensus Protocol for Collaborative Intelligence [4.362312381717716]
  本稿では,新しいProof-of-Data(PoD)コンセンサスプロトコルに基づくブロックチェーンベースのByzantineフォールトトレラントなフェデレーション学習フレームワークを提案する。 PoDは、社会規模のPoWスタイルの学習から学習効率とシステムの活力の恩恵を受けることができる。 ビザンチン攻撃によるデータ偽造による偽報酬請求を軽減するために、プライバシ対応のデータ検証とコントリビューションベースの報酬配分機構がフレームワークの完成のために設計されている。
  論文  参考訳（メタデータ） (2025-01-06T12:27:59Z)
• On the Volatility of Shapley-Based Contribution Metrics in Federated Learning [1.827018440608344]
  フェデレートラーニング(Federated Learning, FL)は、協調型およびプライバシ保護型機械学習パラダイムである。 不正確なコントリビューションの割り当ては、信頼を損なう可能性があり、不公平な報酬につながるため、参加者は連合への参加や積極的に貢献するインセンティブを欠く可能性がある。 集約戦略の集合において,Shapley値の相違点を広範囲に分析し,全体的および各クライアントレベルで検証する。
  論文  参考訳（メタデータ） (2024-05-13T13:55:34Z)
• Divide and Contrast: Source-free Domain Adaptation via Adaptive Contrastive Learning [122.62311703151215]
  Divide and Contrast (DaC) は、それぞれの制限を回避しつつ、両方の世界の善良な端を接続することを目的としている。 DaCは、ターゲットデータをソースライクなサンプルとターゲット固有なサンプルに分割する。 さらに、ソースライクなドメインと、メモリバンクベースの最大平均離散性(MMD)損失を用いて、ターゲット固有のサンプルとを整合させて、分散ミスマッチを低減する。
  論文  参考訳（メタデータ） (2022-11-12T09:21:49Z)

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。