論文の概要: Pitwall: Faithful Natural-Language Race-Strategy Briefings from a Calibrated Real-Time Monte Carlo Engine
- arxiv url: http://arxiv.org/abs/2607.06495v1
- Date: Tue, 07 Jul 2026 16:55:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-08 21:24:51.59339
- Title: Pitwall: Faithful Natural-Language Race-Strategy Briefings from a Calibrated Real-Time Monte Carlo Engine
- Title（参考訳）: Pitwall: リアルタイムモンテカルロエンジンをキャリブレーションしたもの
- Abstract要約: Pitwallは、英語、スペイン語、ポルトガル語で自然言語のF1戦略ブリーフィングを生成する生産システムである。
すべての文は、型付き事実クレームに分解される。
それぞれの主張は、それを誘発した確率論的人種状態に対して検証される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Live sports commentary is grounded generation under a deadline: statements concern real, named athletes, the grounding state changes every few seconds, and no reference text exists at generation time. We present Pitwall, a production system that generates natural-language Formula 1 strategy briefings in English, Spanish, and Portuguese, treating faithfulness as an architectural property rather than an aspiration: every published sentence is decomposed into typed factual claims (positions, gaps, tyres, pace, overtakes, race control) and each claim is verified against the probabilistic race state that prompted it. The same verifier gates the fine-tuning data: of 3,045 model-written targets, only the 81.9% whose every claim is state-supported are retained, the rest falling back to a provably faithful template, so the generator never sees an ungrounded target. Verification is meaningful because of the grounding substrate: a vectorized Monte Carlo engine (N=2,000 per-lap race continuations) calibrated on 126 races (2018-2024) and validated on fully held-out 2025-2026 seasons (winner-in-top-3 90.3% over 155 backtests; held-out Brier 0.0745). A recurring finding spans both halves of the system: virtues trade off and must be gated separately. In simulation, calibration-optimal is not decision-optimal; in generation, fine-tuning on richer targets buys vividness that collapses into hallucination when the grounding state is sparse -- a failure a four-base replication traces to base-model instruction adherence, not scale, and that sparse-context auditing removes from the production model. End-to-end operation -- live timing to verified trilingual briefings -- was confirmed at two consecutive live Grands Prix (Austria and Britain, 2026); at Silverstone a timestamped probability trace, committed to disk before the outcome was known, locked onto the eventual winner ten laps before the flag.
- Abstract（参考訳）: ライブスポーツの解説文は期限付きで、実際のスポーツ選手を懸念し、接地状態は数秒ごとに変化し、世代間参照テキストは存在しない。
我々は、英語、スペイン語、ポルトガル語で自然言語のF1戦略ブリーフィングを生成する生産システムであるPitwallを紹介し、忠実さを願望ではなく建築上の特性として扱う: 全ての出版された文は、型付き事実のクレーム(ポジション、ギャップ、タイヤ、ペース、オーバーテイク、レースコントロール)に分解され、各クレームは、それを引き起こした確率論的人種状態に対して検証される。
同じ検証器が微調整データをゲートする:3,045個のモデルで書かれたターゲットで、全てのクレームがステートサポートされている81.9%だけが保持され、残りは証明可能な忠実なテンプレートにフォールバックされるため、ジェネレータは決して接地されていないターゲットを見ることができない。
ベクタライズされたモンテカルロエンジン(N=2000パーラップレース継続)は126レース(2018-2024)でキャリブレーションされ、完全な2025-2026シーズン(勝者はトップ390.3%、155回のバックテスト、ホールトアウトブリア0.0745)で検証された。
繰り返し見つかる発見はシステムの両半分にまたがる:美徳はトレードオフされ、別々に排除されなければならない。
シミュレーションでは、キャリブレーション最適化は決定最適ではなく、世代によって、よりリッチなターゲットの微調整は、接地状態がスパースであるときに幻覚に陥る鮮明さを購入する -- 4塩基レプリケーションのトレース失敗は、スケールではなくベースモデル命令の付着につながり、スパースコンテキスト監査は生産モデルから除去される。
エンド・ツー・エンド・オペレーション - 確認されたトリリンガル・ブリーフィングのライブ・タイミング - は、シルバーストーンで2度のライブ・グランプリ(オーストリアとイギリス、2026年)で確認された。
関連論文リスト
- Last Translation Benchmark [189.61382047977074]
最後の翻訳ベンチマークは、主要な機械翻訳モデルを壊すサンプルの集合である。
それぞれの例には、具体的な障害ケースを記述した手作りの検証ルールが付属している。
最新バージョンは、2026年9月1日までに承認されたコントリビューションを含むTBv1である。
論文 参考訳（メタデータ） (2026-09-03T17:54:45Z) - VeriPhy: Agentic Physical Reasoning for World Model Evaluation and Refinement [57.86962208273888]
テキストのみのプランナが入力された物理義務にプロンプトをコンパイルする監査可能な物理検証システムを提案する。
それぞれのアクションは、ペイロードがタイプされた測定か、明示的にタグ付けされた学習状態である証明付きエビデンスレコードを返す。
我々は, 実発生障害を即時参照, 空間, 時間でローカライズする, 1500クリックの欠陥記録のコーパスにおいて, 評価をアンロックする。
論文 参考訳（メタデータ） (2026-09-02T20:36:45Z) - The Low Frequency Trap: Video Language Models Fail at Simple Event Bookkeeping [70.07961857926377]
3つの制御されたビデオタスクにおけるイベントカウントのためのトレーサグラウンドパラメトリックプロファイリングを導入する。
2,190本のビデオでは,レンダリングを保ちながらイベントカウントNと周波数Fが異なる。
80%の信頼性しきい値において、Gemini 3.6 Flashは、0.5Hzと1.0Hzの12イベントまでの永続的な状態遷移を確実にカウントするが、過渡的点滅イベントに対する信頼性の高い正カウント領域は示さない。
論文 参考訳（メタデータ） (2026-08-06T17:57:06Z) - Confidently Wrong: Exception Chain Collapse in Frontier LLM Rule Evaluation [0.0]
フェデレーションクラスをフロンティアの大規模言語モデルで文書化する。
故障は最初の観測で再現されるが、経験的表面は不安定である。
規制されたフロンティアモデルの正確性は、注意を払わずにシフトする移動したコンプライアンス境界である。
論文 参考訳（メタデータ） (2026-07-25T22:40:02Z) - Abliteration Is Not a Scalpel: Off-Target Effects of Refusal Removal on Decision Disposition Across Model Families [51.56484100374058]
放棄 — モデルの拒絶方向を重みから取り除く — は、一般的な"アンセンソルド"なオープンウェイトモデルの標準的なレシピである。
ディスポジションプローブとして21,600個の決定を不確実性の下で使用し、凍結パイプラインを通じて再生することにより、決定層モデルが唯一の変数となる。
3つのエフェクトは2つのファミリーにまたがって複製される(ゼロを除く週間クラスターCI)
4つ目の効果は符号を逆転する:同じ操作によりGemmaで読み取られた方が自信が弱まり、Qwenで読み取られたものがより多くなる(ファミリーCIは重複しない)。
論文 参考訳（メタデータ） (2026-07-19T22:27:00Z) - Instrument Effects in Language-Model Honesty Evaluation: An Auditable Single-System Demonstration [0.0]
ゲームエンジンが、どのモデルでも、クエストが完了するかどうかを知ることができるような、テキストアドベンチャーの世界を構築します。
結果が読まれる前に決定ルールが記録され、実行するアーティファクトが実行されたリビジョンにバインドされる。
プレイヤーが固定された状態で、楽器の選択は測定された振る舞いを大きく変えた。
論文 参考訳（メタデータ） (2026-07-15T22:33:53Z) - Graded Entity-Familiarity Readouts in Language Models: Polish Adaptation, Cross-Language Robustness, and Refusal Steering [0.0]
Familiarity-probeスコアは、すべての家族で作られたエンティティとは分離される。
2つの家系でのペア実験では、ポーランドの質問ステムを英語に置き換えたとき、プローブは言語内AUROCの96-101%を保持している。
親しみのあるプローブは、前世代の棄権ゲートの間で競争している。
論文 参考訳（メタデータ） (2026-07-15T08:06:59Z) - Beyond the Current Observation: Evaluating Multimodal Large Language Models in Controllable Non-Markov Games [69.57330692969543]
RNG-Benchは、過去の観測を再構築するベースモデルの能力を分離するために設計されたベンチマークスイートである。
RNG-Benchには2つの補完ゲームがある: マッチングペア(英語版) - 特定の場所でカードのIDを短期間明らかにする) と、エゴセントリックなビューを空間地図に統合する3D Maze である。
最も難しい構成では、約128Kのトークンと350のイメージ入力のコンテキストが必要であり、フロンティアMLLMによる飽和には程遠いままである。
論文 参考訳（メタデータ） (2026-06-17T17:59:34Z) - Benchmarking Speech-to-Speech Translation Models [55.00303727199927]
音声音声翻訳(S2ST)は急速に進歩しているが、オフライン評価には統一されたプロトコルが欠けている。
8次元にわたる46のメトリクスを統合するベンチマークフレームワークを導入する。
FLEURSとCVSSから1,248のモデル言語構成でデプロイする。
論文 参考訳（メタデータ） (2026-06-02T07:01:33Z) - Chess-World-Model: A 10M-Game Benchmark for Exact State Tracking from Chess Move Sequences [2.7214777196418645]
我々は1000万の実際のチェスゲームから構築された大規模ステートトラッキングベンチマークであるChess-World-Modelを紹介した。
我々は、負の固有値を持つ因果変換器、ブロック対角SLiCE、Mamba-3、Gated DeltaNetをベンチマークする。
リアルゲームのパフォーマンスは1800万以上のパラメータで飽和するが、ランダムな一様分割は最大4000万まで差別的であり、それ以外はスケールによって隠された失敗を露呈する。
論文 参考訳（メタデータ） (2026-05-28T15:43:31Z) - When Context Flips, Safety Breaks: Diagnosing Brittle Safety in Aligned Language Models [5.03712104249503]
安全ベンチマークスコアは、デプロイの準備が不完全な証拠を提供する。
整列言語モデルは、状況アップデートがどのアクションが安全かをひっくり返しても、厳格なルールに固執することが多い。
安全ベンチマーク全体で12のモデルと2つのコモンセンス制御を、名目上安全なアクションが害をもたらすペア付き変種を用いてテストする。
論文 参考訳（メタデータ） (2026-05-27T02:09:30Z) - Agent-BRACE: Decoupling Beliefs from Actions in Long-Horizon Tasks via Verbalized State Uncertainty [70.43119366710778]
本稿では,Agens-BRACE: Agent Belief state Representation by Abstraction and Confidence Estimationを紹介する。
LLMエージェントを信頼状態モデルと政策モデルに分離し、強化学習を通じて協調的に最適化する手法である。
長期にわたる部分的に観察可能な言語環境において、平均して+14.5%の絶対的な改善を実現している。
論文 参考訳（メタデータ） (2026-05-12T02:37:04Z) - Correct Answers from Sound Reasoning: Verifiable Process Supervision for Language Models [94.68358825189738]
本稿では,予測精度と推論品質を協調的に最適化する検証済み領域の学習後フレームワークを提案する。
我々は,エンジン信号に対して推論ステップを確定的に検証できる制御テストベッドであるチェスのVPSを評価する。
VPSは、推論品質を著しく向上させながら精度を保ち、勝利率エラーを最大30%削減し、一貫性をほぼ飽和状態に回復する。
論文 参考訳（メタデータ） (2026-04-03T15:19:46Z) - VideoZeroBench: Probing the Limits of Video MLLMs with Spatio-Temporal Evidence Verification [73.02304272829785]
VideoBenchは、証拠を厳格に検証する長ビデオ応答のための階層的なベンチマークだ。
これは、13のドメインに500の注釈付き質問を手動で記述し、時間間隔と空間境界ボックスを組み合わせて証拠とする。
GeminiPro-3-Proでさえ、標準のエンドツーエンドのQA設定で17%未満の質問に正しく答えている。
その結果,表面レベルでの回答の正しさと真正な証拠に基づく推論との間に大きなギャップが生じた。
論文 参考訳（メタデータ） (2026-04-02T03:29:43Z) - Opponent State Inference Under Partial Observability: An HMM-POMDP Framework for 2026 Formula 1 Energy Strategy [0.0]
2026 フォーミュラ1の技術的な規制はエネルギー戦略に根本的な変化をもたらす。
最適エネルギー配置ポリシーは、運転者自身の状態だけでなく、ライバル車の隠れ状態にも依存する。
抽出可能な2層推論および決定フレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-01T21:48:16Z) - Triangulation as an Acceptance Rule for Multilingual Mechanistic Interpretability [0.0]
このようなモデルに対する力学的な説明は、エンフカス標準を満たすべきであると論じる。
主張は因果的介入を生き残らなければならないし、意味を保ちながら表面が乱れる環境を横切るようにしなければならない。
我々は、相互干渉の分布に近似的な変換スコアとして配置し、実践的解釈可能性アジェンダに接続し、モデルファミリ、言語ペア、タスク間で比較実験的なプロトコルを提示することにより、因果的抽象において三角測量を基礎とする。
論文 参考訳（メタデータ） (2025-12-31T13:03:34Z) - SLRTP2025 Sign Language Production Challenge: Methodology, Results, and Future Work [87.9341538630949]
第1回手話生産チャレンジはCVPR 2025で第3回SLRTPワークショップの一環として開催された。
コンペティションの目的は、音声言語文からスケルトンポーズのシーケンスに変換するアーキテクチャを評価することである。
本稿では,挑戦設計と入賞方法について述べる。
論文 参考訳（メタデータ） (2025-08-09T11:57:33Z)
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。