論文の概要: Object Aligner: A Configurable JSON Schema Similarity Score for Graphs, Applied to LLM Prompt Optimization

• arxiv url: http://arxiv.org/abs/2607.01972v1
• Date: Thu, 02 Jul 2026 10:07:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-03 19:45:08.782039
• Title: Object Aligner: A Configurable JSON Schema Similarity Score for Graphs, Applied to LLM Prompt Optimization
• Title（参考訳）: Object Aligner: LLM Prompt Optimizationに適用可能な、グラフ用の設定可能なJSONスキーマ類似スコア
• Abstract要約: Object Alignerライブラリは、ツリーの整列によって2つのオブジェクトをローカライズする。 基準がゴールド基準にどの程度近いかを測定することは不可欠だが、驚くほど難しい。 順序に敏感なシーケンス構造は、ランク付けと計画をターゲットにしている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language models (LLMs) are often asked to produce JSON conforming to a fixed schema, powering information extraction, tool calling, agentic planning, and knowledge-graph construction. Measuring how closely an output matches a gold reference is essential yet surprisingly hard: exact match is brittle, text similarity ignores structure, and an LLM judge is expensive, opaque, and non-deterministic. We address this with Object Aligner (OA), an open-source Python library that scores two JSON objects deterministically by recursively aligning their trees (the Hungarian algorithm for unordered collections, sequence alignment for ordered ones) and awarding partial credit at the granularity the schema declares. The Object Aligner is configured entirely through a set of JSON Schema extensions, so adapting it to a new task involves annotating a schema rather than writing code. Complex structured data, however, are rarely flat trees: records may form graphs or hypergraphs keyed by arbitrary identifiers, breaking the assumptions of prior similarity metrics. Our central contribution, referential alignment, closes this gap by inferring a bijection between gold and candidate identifiers and scoring every reference through it, so the score is invariant to relabeling. Since recovering this bijection exactly is graph isomorphism, the Object Aligner approximates it with Weisfeiler-Leman color refinement. An order-sensitive sequence regime targets ranking and planning. Since the same alignment localizes every mismatch, the Object Aligner emits ranked repair suggestions at no extra cost. Used as a reward inside the GEPA prompt optimizer, Object Aligner helps or stays neutral across all datasets.
• Abstract（参考訳）: 大規模な言語モデル(LLM)は、固定スキーマに準拠したJSONの作成、情報抽出、ツール呼び出し、エージェント計画、知識グラフの構築を要求されることが多い。 正確な一致は不安定であり、テキストの類似性は構造を無視し、LCM判事は高価で不透明で非決定論的である。 Object Aligner(OA)は2つのJSONオブジェクトを決定的にスコア付けするオープンソースのPythonライブラリで、ツリー(順序のないコレクションのハンガリーのアルゴリズム、順序づけられていないコレクションのシーケンスアライメント)を再帰的に調整し、スキーマが宣言する粒度で部分クレジットを付与する。 Object Alignerは完全にJSON Schema拡張によって構成されているため、新しいタスクにそれを適用するには、コードを書くのではなく、スキーマに注釈を付ける必要がある。 レコードは任意の識別子によってキー付けられたグラフやハイパーグラフを形成し、以前の類似度メトリクスの仮定を破ることができる。 私たちの中心的な貢献である参照アライメント(参照アライメント)は、金と候補の識別子の間のビジェクションを推測し、それを通してすべての参照をスコア付けすることで、このギャップを埋めます。 この単射を正確に回収することはグラフ同型であるため、対象アリグナーはWeisfeiler-Leman色補正と近似する。 順序に敏感なシーケンス構造は、ランク付けと計画をターゲットにしている。 同じアライメントがすべてのミスマッチをローカライズするため、Object Alignerは追加コストなしでランク付けされた修理提案を発行する。 GEPAプロンプトオプティマイザ内の報酬として使用されるObject Alignerは、すべてのデータセットに対して中立性を維持するか、あるいは維持する。

関連論文リスト

• Cardinality-Decomposed Loss: Matching Training Objectives to Relation Structure in Heterogeneous Recommendation Graphs [0.061573828205377185]
  ベイジアン・パーソナライズ・ランキング(BPR)と呼ばれる全てのネットワークコンポーネントにユニークな損失関数が適用されることを示す。 BPRは属性の埋め込みをほぼランダムな幾何学に崩壊させます。 本稿では,Cross Entropy (CE) とBPRを組み合わせたCardinalityDeCrossing Loss (CDL) を提案する。
  論文  参考訳（メタデータ） (2026-07-22T21:33:02Z)
• <SOG_k>: One LLM Token for Explicit Graph Structural Understanding [57.017902343605364]
  我々は、グラフの構造を統一トークン空間内に完全に表現するために、1つの特別なトークン SOG_k> を組み込むことを提案する。 SOG_k>は、簡潔で正確な方法でLLMに理解、生成、理性を与える。
  論文  参考訳（メタデータ） (2026-02-02T07:55:09Z)
• GRACE: Graph-Guided Repository-Aware Code Completion through Hierarchical Code Fusion [33.66085762717581]
  LLMはローカライズされたコード補完に優れていますが、コンテキストウィンドウが限られているため、リポジトリレベルのタスクに苦労しています。 GRACEは、静的および動的コードセマンティクスの両方をキャプチャするために、マルチレベルでマルチセマンティックなコードグラフを構築する。 実験によると、GRACEはすべてのメトリクスで最先端のメソッドよりも大幅に優れています。
  論文  参考訳（メタデータ） (2025-09-07T09:01:48Z)
• Align-GRAG: Reasoning-Guided Dual Alignment for Graph Retrieval-Augmented Generation [79.75818239774952]
  大きな言語モデル(LLM)は目覚ましい能力を示しているが、幻覚や時代遅れの情報といった問題に苦戦している。 Retrieval-augmented Generation (RAG) は、情報検索システム(IR)を用いて、外部知識のLLM出力を基底にすることで、これらの問題に対処する。 本稿では、検索後句における新しい推論誘導二重アライメントフレームワークであるAlign-GRAGを提案する。
  論文  参考訳（メタデータ） (2025-05-22T05:15:27Z)
• CLIP-Clique: Graph-based Correspondence Matching Augmented by Vision Language Models for Object-based Global Localization [0.0]
  オブジェクトマップ上のローカライズのための最も有望なアプローチの1つは、セマンティックグラフマッチングを使用することである。 従来の問題に対処するために、視覚言語モデルを用いた対応マッチングを強化する。 さらに、inlierはグラフ理論のアプローチを用いて決定的に推定される。
  論文  参考訳（メタデータ） (2024-10-04T00:23:20Z)
• GOReloc: Graph-based Object-Level Relocalization for Visual SLAM [17.608119427712236]
  本稿では,ロボットシステムのオブジェクトレベル再ローカライズのための新しい手法を紹介する。 軽量なオブジェクトレベルマップにおいて、現在のフレーム内の物体検出と3Dオブジェクトとの密接な関連付けにより、カメラセンサのポーズを決定する。
  論文  参考訳（メタデータ） (2024-08-15T03:54:33Z)
• Tree-Planner: Efficient Close-loop Task Planning with Large Language Models [63.06270302774049]
  Tree-Plannerは、大きな言語モデルでタスクプランニングを3つの異なるフェーズに再構成する。 Tree-Plannerは高い効率を維持しながら最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-10-12T17:59:50Z)
• Type-supervised sequence labeling based on the heterogeneous star graph for named entity recognition [6.25916397918329]
  本稿では,テキストノードとタイプノードを含む異種星グラフの表現学習について述べる。 モデルは、グラフ内のノードを更新した後、タイプ管理シーケンスラベリングを実行する。 NERデータセットの公開実験により、フラットなエンティティとネストされたエンティティの両方を抽出する際のモデルの有効性が明らかとなった。
  論文  参考訳（メタデータ） (2022-10-19T01:40:06Z)
• Autoregressive Entity Retrieval [55.38027440347138]
  エンティティは、知識の表現と集約の方法の中心にあります。 クエリが与えられたエンティティを検索できることは、エンティティリンクやオープンドメインの質問応答のような知識集約的なタスクに基本となる。 本稿では,自己回帰方式でトークン・バイ・トークンを左から右に生成し,エンティティを検索する最初のシステムであるGENREを提案する。
  論文  参考訳（メタデータ） (2020-10-02T10:13:31Z)
• Iterative Context-Aware Graph Inference for Visual Dialog [126.016187323249]
  本稿では,新しいコンテキスト認識グラフ(CAG)ニューラルネットワークを提案する。 グラフの各ノードは、オブジェクトベース(視覚)と履歴関連(テキスト)コンテキスト表現の両方を含む、共同意味機能に対応している。
  論文  参考訳（メタデータ） (2020-04-05T13:09:37Z)
• Graph Structured Network for Image-Text Matching [127.68148793548116]
  微粒化対応学習のためのグラフ構造化マッチングネットワークを提案する。 GSMNは、明示的にオブジェクト、関係、属性を構造化されたフレーズとしてモデル化する。 実験により、GSMNはベンチマークで最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2020-04-01T08:20:42Z)
• Weakly-Supervised Salient Object Detection via Scribble Annotations [54.40518383782725]
  本稿では,スクリブルラベルからサリエンシを学習するための弱教師付きサリエント物体検出モデルを提案する。 そこで本研究では,予測されたサリエンシマップの構造アライメントを測定するために,新しい尺度であるサリエンシ構造尺度を提案する。 我々の手法は、既存の弱教師付き/非教師付き手法よりも優れているだけでなく、いくつかの完全教師付き最先端モデルと同等である。
  論文  参考訳（メタデータ） (2020-03-17T12:59:50Z)

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。