論文の概要: AdaTurn: Budget-Aware Test-Time Scaling for Active Visual Perception Agents
- arxiv url: http://arxiv.org/abs/2607.14547v1
- Date: Thu, 16 Jul 2026 04:07:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-17 17:01:32.982177
- Title: AdaTurn: Budget-Aware Test-Time Scaling for Active Visual Perception Agents
- Title（参考訳）: AdaTurn: アクティブな視覚知覚エージェントのための予算対応テストタイムスケーリング
- Abstract要約: AdaTurnは、ビジュアルエージェントトレーニングのための予算対応フレームワークである。
FA−DAPOは、過予算イベントをトレーニング可能な最終決定ステップに変換する。
例えば、4ターンでVisualProbe-Mediumを36.7%から47.6%に引き上げるなどである。
- 参考スコア（独自算出の注目度）: 43.827500763103586
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Active visual agents solve fine-grained image tasks by interleaving reasoning with image-grounding actions across multiple turns. However, deployment-time rollout budgets are rarely fixed: some requests permit long rollouts, while others require the agent to act under a tight turn limit. Existing methods train the policy as if the rollout budget were hidden, so when the available budget is smaller than the trajectory the agent prefers, the interaction is often truncated before any valid answer is produced; we term this failure \emph{catastrophic truncation}. To overcome this challenge, we present AdaTurn, a budget-aware framework that conditions the agent on the allowed number of turns and explicitly trains the boundary behavior induced by the budget. Our key component, Forced-Answer DAPO (FA-DAPO), converts the over-budget event from a masked or penalized failure into a trainable final-decision step, teaching the model to synthesize partial evidence when further tool use is no longer possible. We further randomize rollout budgets during both training and inference and introduce a load-balanced scheduler that makes such operations practical. AdaTurn substantially improves low-budget accuracy, for example raising VisualProbe-Medium from 36.7% to 47.6% at four turns, while preserving strong scaling at larger budgets and transferring effectively to multiple backbones and general multimodal benchmarks.
- Abstract（参考訳）: アクティブビジュアルエージェントは、複数のターンにまたがる画像グラウンド動作と推論をインターリーブすることで、きめ細かいイメージタスクを解決する。
しかし、デプロイ時のロールアウト予算が固定されることは滅多にない。ある要求では長期のロールアウトを許可するが、他の要求ではエージェントに厳格なターン制限の下で動作させる必要がある。
既存の方法は、まるでロールアウト予算が隠されているかのようにポリシーを訓練するので、エージェントが好む軌道よりも利用可能な予算が小さい場合、有効な答えが生成される前に、対話はしばしば切り離される。
この課題を克服するために、AdaTurnは、許可されたターン数にエージェントを条件付けし、予算によって引き起こされる境界挙動を明示的に訓練する予算対応フレームワークである。
我々の重要なコンポーネントである強制回答DAPO(FA-DAPO)は、過予算イベントをマスクまたはペナル化障害からトレーニング可能な最終決定ステップに変換し、さらなるツール使用が不可能なときに部分的証拠を合成するようにモデルに教える。
さらに、トレーニングと推論の双方でロールアウト予算をランダム化し、そのような操作を実用的なものにする負荷バランススケジューラを導入します。
例えば、4ターンでVisualProbe-Mediumを36.7%から47.6%に引き上げ、より大きな予算で強力なスケーリングを維持し、複数のバックボーンと一般的なマルチモーダルベンチマークに効果的に転送するなどである。
関連論文リスト
- TRACE: Trajectory-robust Admission with Evidence Ordering for Efficient GUI Agents [54.88208747581851]
トレーニング不要のビジュアルトークンプルーニングは、このコストを削減することができるが、キャッシュ再利用には基本的な制約が伴う。
我々は,emphtextbfTrajectory-textbfrobust textbfAdmission と textbfCoverage-aware textbfEvidence ordering のためのトレーニング不要フレームワーク textbfmethod を提案する。
論文 参考訳（メタデータ） (2026-09-09T15:12:48Z) - TRACE: Turn-level Reward Assignment via Credit Estimation for Long-Horizon Agents [51.523913302114266]
TRACE(Turn-level Reward Assignment via Credit Estimation)は、エージェント強化学習のための高密度クレジットアサインメント手法である。
ツールコール境界における状態遷移としてロールアウトを表現し、凍結参照モデルからゴールド・アンサー・ログ確率を取得し、それらをログ比の状態値に変換し、それらの値の時間差変化としてアクション毎の報酬を導出する。
純粋なRLを用いたベースモデルツール使用能力を大幅に向上させ、冷間開始制御された微調整ステージ、エージェント訓練ステージ、ライブWebデータによるトレーニングを不要とした。
論文 参考訳（メタデータ） (2026-07-15T16:16:42Z) - BAGEN: Are LLM Agents Budget-Aware? [35.04587529168086]
予算対応エージェント(BAGEN)は、受動的コストメトリックではなく、予算をアクティブな制御シグナルとして扱うべきである。
まず、内部予算(エージェント計算から)と外部予算(エージェント行動から)として予算見積もりを体系的に定義する。
次に、予算認識を段階的間隔推定として定式化する。
論文 参考訳（メタデータ） (2026-05-29T17:02:17Z) - How Many Iterations to Jailbreak? Dynamic Budget Allocation for Multi-Turn LLM Evaluation [22.523809021772802]
大規模言語モデル(LLM)の多ターン会話設定における重要なイベントは、しばしば繰り返し対話の後にのみ現れる。
最近のコンフォメーションサバイバルフレームワークは、関心のイベントをトリガーするイテレーション数に基づいて、信頼できる低い予測境界(LPB)を構築している。
DAPROは,マルチターンインタラクションにおいて,時間と時間の境界を設定するための,理論上有効な動的予算配分フレームワークである。
論文 参考訳（メタデータ） (2026-05-07T17:25:15Z) - Not All Turns Are Equally Hard: Adaptive Thinking Budgets For Efficient Multi-Turn Reasoning [14.194667934432443]
逐次計算割当問題としてマルチターン推論を定式化し,多目的マルコフ決定過程としてモデル化する。
我々は,グローバル・パー・プロブレム・トークン制約を尊重しつつ,タスクの精度を最大化する予算配分政策であるターン・アダプティブ・バッジを提案する。
我々は,すべてのサブクエストの計画が利用可能であるシステムに対して,会話履歴と過去および将来のサブクエストに基づいてトークンを予算化する予算配分政策であるTAB All-SubQを提案し,ベースライン上で最大40%のトークンを節約する。
論文 参考訳（メタデータ） (2026-04-06T20:48:51Z) - Utility-Guided Agent Orchestration for Efficient LLM Tool Use [24.97962970486756]
エージェントオーケストレーションを明示的な決定問題として研究する。
本稿では、応答、検索、ツール呼び出し、検証、停止などのアクションの中から選択するユーティリティ誘導オーケストレーションポリシーを提案する。
論文 参考訳（メタデータ） (2026-03-20T12:29:12Z) - Conformal Thinking: Risk Control for Reasoning on a Compute Budget [60.65072883773352]
大規模言語モデル(LLM)の推論により、トークンの予算が増加するにつれて、データセットレベルの精度が向上する。
我々は、予算設定問題をリスクコントロールとして再設定し、計算を最小化しながらエラー率を制限する。
我々のフレームワークは、モデルが自信のあるときに推論を停止する上位しきい値と、未解決のインスタンスを事前に停止させる新しい下位しきい値を導入する。
論文 参考訳（メタデータ） (2026-02-03T18:17:22Z) - Budget-Aware Tool-Use Enables Effective Agent Scaling [82.6942342482552]
大規模言語モデル(LLM)におけるタスク間のテスト時間計算のスケーリングによるパフォーマンス向上
本研究では,これらのエージェントを,Web検索エージェントを中心に,明示的なツールコール予算の下で効果的にスケールする方法について検討する。
私たちは、エージェントに継続的な予算意識を提供する軽量プラグインであるBudget Trackerを紹介します。
論文 参考訳（メタデータ） (2025-11-21T07:18:55Z) - No-Regret Learning Under Adversarial Resource Constraints: A Spending Plan Is All You Need! [56.80767500991973]
アクション選択の前に報酬とコストが観測される$(i)$オンラインリソース割当と、アクション選択後、完全なフィードバックや盗賊フィードバックの下で、リソース制限付きオンライン学習である$(ii)$オンラインリソース割当に焦点を当てた。
報酬とコスト分布が時間とともに任意に変化する場合、これらの設定でサブ線形後悔を達成することは不可能であることが知られている。
我々は、支出計画に従う基準線に対する半線形後悔を実現する一般的な(基本的)二重的手法を設計し、また、支出計画が予算のバランスの取れた配分を保証すると、アルゴリズムの性能が向上する。
論文 参考訳（メタデータ） (2025-06-16T08:42:31Z) - Frugal inference for control [2.20480252274709]
人工知能の進歩の鍵となる課題は、外部の動きとリソース利用の適切なバランスを達成することである。
我々は,POMDPフレームワークのバージョンを開発し,推論によって得られた情報を,タスクのパフォーマンスや動作の労力とともに最適化する必要があるリソースとして扱う。
この研究は、脳と機械の両方が不確実性の下で効果的だが資源効率のよい制御に使用できる新しいタイプの有理計算の基礎を提供する。
論文 参考訳（メタデータ） (2024-06-20T15:50:38Z)
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。