論文の概要: TraceViT: Grounded Trace Supervision for Visual Abstract Reasoning

• arxiv url: http://arxiv.org/abs/2607.29586v1
• Date: Fri, 31 Jul 2026 16:09:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-03 14:29:40.793727
• Title: TraceViT: Grounded Trace Supervision for Visual Abstract Reasoning
• Title（参考訳）: TraceViT: ビジュアル抽象推論のための基盤となるトレーススーパービジョン
• Abstract要約: 本稿では,意味論的モノトニック変換チェーンで学習したループ型視覚推論器であるTraceViTを紹介する。 TraceViTはARC-AGI-1で67.8%のpass@2、ARC-AGI-2で24.3%を達成した。
• 参考スコア（独自算出の注目度）: 5.703211775506213
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Abstraction and Reasoning Corpus (ARC) tests whether a model can infer an unseen transformation from a few input-output examples and apply it to a new grid. Looped visual reasoners refine predictions over multiple iterations, but conventional training constrains only the final output, leaving intermediate refinements unconstrained. We propose that these refinements should instead follow the transformation step by step. We introduce TraceViT, a looped visual reasoner trained with semantically monotonic transformation chains. We obtain these chains by rewriting and verifying programmatic task implementations, decomposing each solution into intermediate grid states. Each iteration is grounded by a task reference derived from the few-shot demonstrations and an object workspace representing the current grid state. Because these chains may differ in length from the loop, soft trace alignment enforces only their ordering, letting the model allocate iterations freely. TraceViT achieves 67.8% pass@2 on ARC-AGI-1 and 24.3% on ARC-AGI-2. Controlled ablations on ARC-AGI-1 show that trace supervision becomes beneficial only when paired with grounding. Code and data will be available at https://github.com/LiuBinnan/TraceViT.
• Abstract（参考訳）: ARC(Abstraction and Reasoning Corpus)は、モデルがいくつかの入力出力例から目に見えない変換を推論し、それを新しいグリッドに適用できるかどうかをテストする。 ループされた視覚的推論器は、複数の繰り返しにわたって予測を洗練させるが、従来の訓練は最終的な出力のみを制約し、中間的な改善は制約されないままである。 これらの改善は、ステップごとに変換ステップに従うべきだ、と提案する。 本稿では,意味論的モノトニック変換チェーンで学習したループ型視覚推論器であるTraceViTを紹介する。 プログラム的なタスクの実装を書き換えて検証し、各ソリューションを中間グリッド状態に分解することで、これらのチェーンを得る。 各イテレーションは、数発のデモから派生したタスク参照と、現在のグリッド状態を表すオブジェクトワークスペースによって基礎付けられている。 これらの鎖はループと長さが異なるため、ソフトトレースアライメントはその順序のみを強制し、モデルの反復を自由に割り当てる。 TraceViTはARC-AGI-1で67.8%のpass@2、ARC-AGI-2で24.3%を達成した。 ARC-AGI-1の制御されたアブレーションは、接地と組み合わせた場合にのみ、トレースの監督が有用になることを示している。 コードとデータはhttps://github.com/LiuBinnan/TraceViT.comで入手できる。

関連論文リスト

• Verification-Aware Training for Speculative Decoding [57.84976863792784]
  VAT(Verification-Aware Training)は、トレーニングステップ毎に検証をシミュレートし、その結果の受け入れパターンと拒否パターンを監督するプラグインフレームワークである。 VATはトレーニング対象のみを変更するため、ドラフトアーキテクチャやターゲットモデル、推論手順を変更することなく、既存のメソッドの上にレイヤー化することができる。 VATは平均受理期間を最大11.4%改善し、ウォールクロックのスピードアップを最大8.7%向上させ、数学、コード、チャットベンチマークで一貫した利益を得ている。
  論文  参考訳（メタデータ） (2026-08-31T01:42:10Z)
• Toward Semantically-Seeded, Graph-Propagated Impact Analysis Across Software Artifacts: A Vision [0.0]
  我々は、同じ埋め込み上で両方の信号を融合する、トレーニング不要で解釈可能なアナライザについて論じる。 変更シナリオをラベル付けした支払いサブシステムに関する、小さなが完全な概念実証は、私たちが関心を持っているメカニズムを示しています。
  論文  参考訳（メタデータ） (2026-06-17T09:34:56Z)
• Tool-Call Dependency Structure is Linearly Decodable in LLM Agent Residual Streams [1.0971997884861282]
  LLMエージェントは、呼び出しが有向依存グラフを形成するトラジェクトリを生成する。 以前の構造プローブは、エージェントのランタイムコールグラフではなく、静的コードやチェーン・オブ・シンクテキストをターゲットにしていた。 Qwen3-32Bの残ストリーム上の低容量エッジプローブは、ツールコール依存性グラフをデコードする。
  論文  参考訳（メタデータ） (2026-05-25T00:16:32Z)
• Training LLMs for Multi-Step Tool Orchestration with Constrained Data Synthesis and Graduated Rewards [76.49428173793386]
  LLMは、中間出力を伝搬しながら、正しい順序で複数の依存APIを呼び出す必要がある。 既存の環境は、シミュレーションデータを使った単純なターン毎の関数呼び出しとバイナリ報酬に重点を置いている。 まず、実APIレスポンスの大規模キャッシュを背景とした強化学習環境を構築し、有効なマルチステップオーケストレーショントレースをサンプリングするデータ合成パイプラインを実現する。 第二に、正当性を原子の妥当性とオーケストレーションに分解する、段階的な報酬設計を提案する。
  論文  参考訳（メタデータ） (2026-03-25T18:31:39Z)
• ExecVerify: White-Box RL with Verifiable Stepwise Rewards for Code Execution Reasoning [9.137158235106941]
  ExecVerifyは、実行トレースから得られた検証済みのホワイトボックス報酬を組み込むことで、テキストの模倣を越えている。 ExecVerifyでトレーニングされた7Bモデルは、コード推論ベンチマークで32Bモデルに匹敵するパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2026-03-11T18:49:45Z)
• Is a Pure Transformer Effective for Separated and Online Multi-Object Tracking? [36.5272157173876]
  マルチオブジェクト追跡 (MOT) は, 追跡と検出を分離したオンラインパラダイムにおいて, 短期的な関連性を示した。 本稿では、トラジェクトリグラフの概念を概観し、それらを有向非巡回グラフとして表現することで、新しい視点を提案する。 オンラインMOTの短時間・長期追跡におけるTransformerの有効性を検証するために,PuTR(Concise Pure Transformer)を提案する。
  論文  参考訳（メタデータ） (2024-05-23T02:44:46Z)
• Boot and Switch: Alternating Distillation for Zero-Shot Dense Retrieval [50.47192086219752]
  $texttABEL$は、ゼロショット設定でのパス検索を強化するための、シンプルだが効果的な教師なしのメソッドである。 ラベル付きデータに対して$texttABEL$を微調整するか、既存の教師付き高密度検索と統合することにより、最先端の結果が得られる。
  論文  参考訳（メタデータ） (2023-11-27T06:22:57Z)
• Single-Stage Visual Relationship Learning using Conditional Queries [60.90880759475021]
  TraCQは、マルチタスク学習問題とエンティティペアの分布を回避する、シーングラフ生成の新しい定式化である。 我々は,DETRをベースとしたエンコーダ-デコーダ条件付きクエリを用いて,エンティティラベル空間を大幅に削減する。 実験結果から、TraCQは既存のシングルステージシーングラフ生成法よりも優れており、Visual Genomeデータセットの最先端の2段階メソッドを多く上回っていることがわかった。
  論文  参考訳（メタデータ） (2023-06-09T06:02:01Z)
• Unified Sequence-to-Sequence Learning for Single- and Multi-Modal Visual Object Tracking [64.28025685503376]
  SeqTrackは、ビジュアルトラッキングをシーケンス生成タスクとしてキャストし、オブジェクト境界ボックスを自動回帰的に予測する。 SeqTrackv2は補助モダリティのための統一インターフェースとタスクを指定するためのタスクプロンプトトークンのセットを統合している。 このシーケンス学習パラダイムは、トラッキングフレームワークを単純化するだけでなく、14の挑戦的なベンチマークで優れたパフォーマンスを示す。
  論文  参考訳（メタデータ） (2023-04-27T17:56:29Z)
• Learning a Proposal Classifier for Multiple Object Tracking [36.67900094433032]
  提案生成,提案スコア,軌道推論のパラダイムをアフィニティグラフ上でモデル化する,新しい提案ベースの学習可能なフレームワークを提案する。 提案手法は,従来の2つの公開ベンチマークにおいて,MOTAとIDF1の両性能改善を実現することを実験的に実証した。
  論文  参考訳（メタデータ） (2021-03-14T10:46:54Z)
• Recurrent Multi-view Alignment Network for Unsupervised Surface Registration [79.72086524370819]
  非厳格な登録をエンドツーエンドで学習することは、本質的に高い自由度とラベル付きトレーニングデータの欠如により困難である。 我々は、いくつかの剛性変換のポイントワイドな組み合わせで、非剛性変換を表現することを提案する。 また,投影された多視点2次元深度画像上での3次元形状の類似度を計測する可微分損失関数も導入する。
  論文  参考訳（メタデータ） (2020-11-24T14:22:42Z)

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。