論文の概要: CADAQUES: A Cost-Aware Dual Architecture for Query-Efficient Autonomous Discovery

• arxiv url: http://arxiv.org/abs/2607.16127v1
• Date: Fri, 17 Jul 2026 17:04:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-20 17:56:52.913593
• Title: CADAQUES: A Cost-Aware Dual Architecture for Query-Efficient Autonomous Discovery
• Title（参考訳）: CADAQUES: クエリ効率の良い自律ディスカバリのためのコスト対応デュアルアーキテクチャ
• Authors: Jorge Bravo-Abad,
• Abstract要約: CADAQUESは1つのアーキテクチャ原理に基づいて構築された発見ループの第一級プリミティブである。 壁時間、CPU時間、金銭的コスト、言語モデルトークンにまたがる共通のベクトル値の予算に対する評価と決定の両方を課金する。 雑音の多い有限サイズ推定値から2次元Isingモデルの臨界温度を推定することでアーキテクチャを評価する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Autonomous discovery systems couple a resource that answers queries (a simulator, instrument, or analytic model) to an algorithm that selects what to query next. Most software frameworks for this loop inherit the control structure of numerical optimization: campaigns run for a fixed number of iterations, query costs are absent from the programming interface, and decision-making is treated as free. In practice, queries may differ in cost by orders of magnitude, and planners built on large language models or expensive surrogates consume resources of their own. Here we present CADAQUES, an open-source Python framework built on one architectural principle: cost is a first-class primitive of the discovery loop. CADAQUES separates the loop into two structural protocols, an Oracle that answers queries and a Driver that proposes them, and charges both evaluations and decisions against a common vector-valued budget spanning wall time, CPU hours, monetary cost, and language model tokens. An append-only ledger records, for each transaction, the cost declared before execution and the cost settled afterwards, making their discrepancy an observable property of the campaign. We evaluate the architecture by locating the critical temperature of the two-dimensional Ising model from noisy finite-size estimates against the exact thermodynamic-limit reference. In this noisy setting, strategies that concentrate around the best observed result can be misled by noise-induced peaks, whereas a schedule that explores with cheap low-fidelity queries and refines with higher-fidelity ones yields lower and less variable errors than high fidelity throughout, at the studied budget scale. Metering adds tens of microseconds per iteration, three orders of magnitude below the cheapest oracle query. The framework is MIT-licensed and archived at Zenodo (doi:10.5281/zenodo.21293589).
• Abstract（参考訳）: 自律的な発見システムは、クエリ(シミュレータ、機器、分析モデル)に答えるリソースと、次に何をクエリするかを選択するアルゴリズムを結合する。 このループのほとんどのソフトウェアフレームワークは、数値最適化の制御構造を継承している: キャンペーンは一定回数のイテレーションで実行され、クエリコストはプログラミングインターフェースから外れ、意思決定は自由として扱われる。 実際には、クエリは桁違いのコストで異なる場合があり、大規模な言語モデルや高価なサロゲート上に構築されたプランナーは独自のリソースを消費する。 ここでは、あるアーキテクチャ原則に基づいて構築されたオープンソースのPythonフレームワークであるCADAQUESを紹介します。 CADAQUESは、ループを2つの構造的プロトコルに分割する。クエリに応答するOracleと、それらを提案するDeadと、壁時間、CPU時間、金銭的コスト、言語モデルトークンにまたがる一般的なベクトル値の予算に対する評価と決定の両方を課金する。 追加のみの台帳の記録は、各取引ごとに、実行前に宣言されたコストとその後のコストが落ち着き、彼らの不一致が選挙運動の観測可能な財産となった。 本研究では, 2次元イジングモデルの臨界温度を, 厳密な熱力学リミット基準に対してノイズの多い有限サイズ推定値から求めることにより, アーキテクチャを評価する。 このノイズ環境では、最高の観測結果に集中する戦略はノイズによって引き起こされるピークによって誤解されるが、低忠実度クエリと高忠実度クエリで探索するスケジュールは、研究予算規模において、高忠実度よりも低・低変動エラーをもたらす。 測定はイテレーション毎に数十マイクロ秒を追加し、最も安価なオラクルクエリよりも3桁低い。 フレームワークはMITライセンスで、Zenodo(doi:10.5281/zenodo.21293589)でアーカイブされている。

関連論文リスト

• Surrogate-Gated Generation and Foundation-Model Embeddings for Bayesian Materials Design [0.7500610196128554]
  我々は、安価で確率的なサロゲートがジェネレータの出力をトリアージできることを示し、そのようなサロゲートが何がうまくいかなければならないかを示す。 機械的, 電子的, 振動的特性にまたがる代理性能のクロスファクターベンチマークにより, ガウス過程による事前学習されたORBの埋め込みを最も信頼性の高い組合せとして同定した。 完全なパイプラインはオープンソースソフトウェアとしてリリースされている。
  論文  参考訳（メタデータ） (2026-06-26T20:10:01Z)
• Instance-Optimal Estimation with Multiple LLM Judges on a Budget [84.31744861038106]
  我々は、この問題を*予算付きヘテロスケダティックなマルチジャッジ推定*として定式化する。 K$のプロンプト-レスポンスペア、J$の既知のコストと未知のクエリ-ジャッジ分散が与えられた場合、目標は、$ell_p$-errorを最小化しながら、有界スコアベクトルを推定することである。 EST-IVWEは,予算の低次項までのオラクルIVWEレートと一致していることを示す。
  論文  参考訳（メタデータ） (2026-05-22T08:26:08Z)
• ComplexMCP: Evaluation of LLM Agents in Dynamic, Interdependent, and Large-Scale Tool Sandbox [61.862814740220806]
  $textbfComplexMCP$は厳格な条件下でエージェントを評価するために設計されたベンチマークである。 Model Context Protocol (MCP)上に構築された$textbfComplexMCP$は300以上の精巧にテストされたツールを提供する。
  論文  参考訳（メタデータ） (2026-05-11T16:20:51Z)
• Matroid Algorithms Under Size-Sensitive Independence Oracles [19.61677355524952]
  Matroidアルゴリズムは、各独立性クエリは、クエリセットのサイズに関わらず、一定時間で答えられると仮定する。 特に、グラフィック・マトロイドのような自然で広く研究されているクラスでは、単一の独立性クエリでさえ、集合のサイズで線形な作業を必要とすることがある。 クエリのコストを$|Q|$でスケールする,サイズに敏感なコストモデルを導入する。
  論文  参考訳（メタデータ） (2026-04-30T20:26:35Z)
• Learning Query-Aware Budget-Tier Routing for Runtime Agent Memory [56.0946692457838]
  BudgetMemは、明示的でクエリ対応のパフォーマンスコスト管理のためのランタイムエージェントメモリフレームワークである。 軽量ルータは、タスク性能とメモリ構築コストのバランスをとるために、モジュール間の予算層ルーティングを実行する。 LoCoMo、LongMemEval、HotpotQAの他、BudgetMemはパフォーマンスが優先されるときに、強力なベースラインを超える。
  論文  参考訳（メタデータ） (2026-02-05T18:57:09Z)
• Rerank Before You Reason: Analyzing Reranking Tradeoffs through Effective Token Cost in Deep Search Agents [50.212640395029744]
  深層探索パイプラインにおける推論予算の配分について検討する。 BrowseComp-Plusベンチマークを用いて、モデルスケール、推論の労力、深度の再検討、トークン総コストのトレードオフを分析する。
  論文  参考訳（メタデータ） (2026-01-20T18:38:35Z)
• Budget-aware Query Tuning: An AutoML Perspective [14.561951257365953]
  現代のデータベースシステムは、入力クエリの優れた実行計画を作成するために、コストベースのクエリに依存している。 コストユニットの値を変えることで、デフォルトのクエリプランを大幅に上回るクエリプランを得ることができることを示す。
  論文  参考訳（メタデータ） (2024-03-29T20:19:36Z)
• EcoRank: Budget-Constrained Text Re-ranking Using Large Language Models [6.109188517569139]
  我々は予算が与えられた業績を最大化する方法について研究する。 本稿では,テキストの再ランク付けを行うための予算制約付き手法を提案する。
  論文  参考訳（メタデータ） (2024-02-16T18:03:42Z)
• Pareto-Frontier-aware Neural Architecture Generation for Diverse Budgets [93.79297053429447]
  既存の手法は、しばしばそれぞれの目標予算を独立したアーキテクチャで検索する。 モデル推論のみで任意の予算で効率的なアーキテクチャを自動生成する汎用アーキテクチャ生成器を提案する。 3つのプラットフォーム(モバイル、CPU、GPUなど)における広範な実験は、提案手法が既存のNAS法よりも優れていることを示している。
  論文  参考訳（メタデータ） (2021-02-27T13:59:17Z)

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。