論文の概要: SPL: Orchestrating Workflows with Declarative Deterministic-Probabilistic Composition
- arxiv url: http://arxiv.org/abs/2607.07727v1
- Date: Mon, 06 Jul 2026 03:53:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-10 14:45:27.279301
- Title: SPL: Orchestrating Workflows with Declarative Deterministic-Probabilistic Composition
- Title（参考訳）: SPL: 宣言的決定論的確率的構成によるワークフローのオーケストレーション
- Abstract要約: SPLは1つの仕様で決定論的計算と確率論的計算モードを構成する宣言型言語である。
A.splの仕様は、ローカルノード、クラウドAPI、分散グリッドで動作しない。
広範囲な78レシピの料理ブックと1200ランの制御実験により,SPLの有効性を検証した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present SPL (Structured Prompt Language), a declarative language that composes deterministic and probabilistic computation modes in a single specification. While existing frameworks separate these -- orchestration systems (AutoGen, CrewAI, LangGraph) for LLM calls, symbolic tools (SymPy, SageMath, Lean) for computation -- SPL unifies them. It provides GENERATE/EVALUATE for probabilistic computation and SOLVE/ASSERT for deterministic computation, sharing syntax, variable bindings, and runtime routing. A .spl specification runs unchanged across local nodes (Ollama), cloud APIs (OpenRouter, Anthropic), and distributed grids (Momagrid), with model and verifier selection deferred to invocation time. We validate SPL through an extensive 78-recipe cookbook and a controlled 1,200-run experiment (10 models x 20 problems x 2 arms x 3 repetitions; the 20 problems span 6 difficulty tiers). The solver arm achieves 82-93% machine-verified correctness (sonnet-4-6: 85%, gemma4:e2b: 93%) while the LLM-only arm measures output production without mathematical verification, making the comparison one of verified correctness against unverified fluency. A backend difficulty gradient emerges (SymPy 78%, Sage 54%), and the dominant failure mode is solver_error (kernel-rejected expressions), not format non-compliance.
- Abstract（参考訳）: SPL(Structured Prompt Language)は1つの仕様で決定論的および確率論的計算モードを構成する宣言型言語である。
既存のフレームワークでは、LLMコール用のオーケストレーションシステム(AutoGen、CrewAI、LangGraph)と計算用のシンボリックツール(SymPy、SageMath、Lean)が分離されているが、SPLはそれらを統一している。
確率計算のためのGeneratorE/EVALUATE、決定計算のためのSOLVE/ASSERT、構文の共有、変数バインディング、実行時ルーティングを提供する。
A!
spl仕様は、ローカルノード(Ollama)、クラウドAPI(OpenRouter、Anthropic)、分散グリッド(Momagrid)で動作し、モデルと検証器の選択は起動時間に遅延する。
78段階の料理本と1200段階の制御実験(10モデル x 20 問題 x 2 腕 x 3 繰り返し,20 問題は6 段階にわたる)により,SPL を検証した。
ソルバアームは82-93%のマシン検証精度(sonnet-4-6:85%、 gemma4:e2b:93%)を達成し、LSMのみのアームは数学的検証なしで生産量を計測し、検証されていない流速に対する検証精度の1つとした。
バックエンドの難易度勾配が出現する(SymPy 78%、Sage 54%)。
関連論文リスト
- Selective Left-Shift: Turning Test-Time Compute and Difficulty-based Curation into Training Data for Low-Resource Code Generation [0.8602553195689513]
大きな言語モデルは、PythonやJavaのような高リソース言語に対して強力なコード生成を実現しますが、Juliaのような低リソースプログラミング言語(LRPL)では、パフォーマンスが急落します。
本稿では,アルゴリズム推論から構文獲得を分離することで,このトリレンマを解消する3相パイプラインを提案する。
Qwen3-8Bを適用すると、私たちのパイプラインは、MultiPL-Eで+7.6ポイント、JuliaでAgnostics LiveCodeBenchで+14.2ポイント、パス@1を改善します。
論文 参考訳（メタデータ） (2026-07-08T09:18:56Z) - Constrained Decoding for Diffusion Language Models via Efficient Inference over Finite Automata [57.27430779838529]
有限オートマトンとして表現可能な任意の制約の下で,制約付き平均場後部からサンプリングする,正確かつトラクタブルなアルゴリズムを提案する。
このアプローチは、構築による制約満足度を保証し、欲求とサンプリングベースのデコーディングの両方をサポートし、並列およびブロックワイドデコーディングと互換性がある。
Dream-7B と LLaDA-8 の実証的な評価は、様々なタスクにおいてかなりの精度の向上を示した。
論文 参考訳（メタデータ） (2026-07-08T05:48:57Z) - LLM-as-a-Verifier: A General-Purpose Verification Framework [74.40111651545979]
本稿では,汎用検証フレームワーク LLM-as-a-Verifier を紹介する。
追加のトレーニングを必要とせずに、エージェントタスクに対してきめ細かいフィードバックを提供する。
いくつかのベンチマークで最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2026-07-06T17:59:35Z) - Automated Proving of Shannon-Type Entropy Inequalities via Fine-Tuned Language Models and Guided Tree Search [50.16356451328644]
シャノン型エントロピーの不等式を証明することは情報理論の基本的な課題である。
我々は,原子実証のステップを微調整した小規模大規模言語モデルがこのプロセスを自動化することができるか検討する。
GPT-5.5は0ショットプロンプトで1.7%のサンプルを解き、Psitipは33.3%のサンプルを解いた。
論文 参考訳（メタデータ） (2026-06-04T05:43:12Z) - Testing LLM Arithmetic Reasoning Generalization with Automatic Numeric-Remapping Attacks [2.6659012768342145]
算術語問題に対する数値再マッピング攻撃を自動生成するアルゴリズムを提案する。
我々は,GSM8K,MAWPS,MultiArith上でDeepSeek-R1(70B),Gemma4(31B),GPT-OSS(120B)を評価した。
論文 参考訳（メタデータ） (2026-06-02T13:09:44Z) - Code-Guided Reasoning for Small Language Models: Evaluating Executable MCQA Scaffolds [14.64394876057282]
評価プロトコルと生成プログラムリソースであるCode-Guided Reasoning (CGR)を紹介する。
CGRは6つのコンポーネントを標準化している: 正規化されたアイテムインターフェース、直接解決プロンプト、ジェネレータプロンプト、Pythonの足場、ソルバコールと抽出ヘルパー、3チャンネルの結果レコード。
20,498行のMCQAバンドルと6つのメタデータ登録ソルバモデルからの保存結果行に対して、観測された非ゼロベースライン分割は66.21%のマクロアシスト精度と38.11%の直接精度を示している。
論文 参考訳（メタデータ） (2026-05-12T20:20:06Z) - SwiftSolve: A Self-Iterative, Complexity-Aware Multi-Agent Framework for Competitive Programming [4.611794255231338]
我々は、複雑性を意識した競合プログラミングのためのマルチエージェントシステムSwiftを提案する。
プロファイリングと複雑誘導型リプランニングは精度を保ちながら非効率性を低下させることを示す。
論文 参考訳（メタデータ） (2025-10-26T11:05:27Z) - Self-Steering Language Models [113.96916935955842]
DisCIPL は "self-steering" 言語モデル (LM) の手法である。
DisCIPLは、Followerモデルの集団によって実行されるタスク固有の推論プログラムを生成する。
我々の研究は、高度に並列化されたモンテカルロ推論戦略の設計空間を開く。
論文 参考訳（メタデータ） (2025-04-09T17:54:22Z) - Sample, Don't Search: Rethinking Test-Time Alignment for Language Models [55.2480439325792]
新しいテストタイムアライメントアプローチであるQAlignを紹介します。
テスト時間計算をスケールする際、QAlignは各プロンプトの最適配向分布からのサンプリングに収束する。
マルコフ連鎖モンテカルロのテキスト生成における最近の進歩を取り入れることで、基礎となるモデルを変更したり、ロジットアクセスを必要とせずに、より良い整合出力を可能にする。
論文 参考訳（メタデータ） (2025-04-04T00:41:40Z) - Not All Votes Count! Programs as Verifiers Improve Self-Consistency of Language Models for Math Reasoning [24.386388107656334]
本稿では,自然言語から派生した翻訳プログラムを検証メカニズムとして活用するフレームワークであるProveを紹介する。
バニラ多数決とは異なり、我々の手法は、対応するプログラム出力が生成した解と矛盾する解をフィルタリングし、検証に合格する解のみを集約する。
以上の結果から,すべてのモデルサイズとデータセットにまたがる数学的推論タスクの解決において,Proveはバニラ多数投票を一貫して上回る結果となった。
論文 参考訳（メタデータ） (2024-10-16T14:24:55Z) - PAL: Program-aided Language Models [112.94785609781503]
自然言語問題を理解するために,プログラム支援言語モデル(PaL)を提案する。
PaLはソリューションステップをPythonインタプリタのようなプログラムランタイムにオフロードする。
私たちは12のベンチマークで新しい最先端の結果を設定しました。
論文 参考訳（メタデータ） (2022-11-18T18:56:13Z)
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。