論文の概要: TsuGO: Probing Search Efficiency in LLM Reasoning via Go Life-and-Death Problems

• arxiv url: http://arxiv.org/abs/2608.13221v1
• Date: Thu, 13 Aug 2026 13:24:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-14 18:29:38.540002
• Title: TsuGO: Probing Search Efficiency in LLM Reasoning via Go Life-and-Death Problems
• Title（参考訳）: 津郷:go Life-and-Death問題によるLLM推論における探索効率の提案
• Abstract要約: 本稿では,Go の生命死問題による LLM 推論における探索効率評価のためのプロセスレベル推論ベンチマークである TsuGO を紹介する。 これらの問題は、固有の逆構造を持つ閉かつ検証可能な解空間を提供し、候補生成、応答チェック、分岐比較、帰納的トレースパターンよりも推論に必要な部分を追跡する。 解空間を制約することにより、検索組織からドメイン知識を分離し、CoTを構造化された検索ツリーに解析し、検索効率とToken効率などの診断指標と視覚化を報告する。
• 参考スコア（独自算出の注目度）: 18.691569868742754
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The evaluation of LLM reasoning is moving from final-answer accuracy to process-level assessment, yet existing methods still fail to capture how models plan reasoning paths and allocate reasoning resources--that is, how they organize search. Prior process-level methods focus on the coherence and redundancy of chain-of-thought (CoT), and most benchmark tasks have a single objective solvable by static capabilities such as derivation and tool use, leaving search organization unmeasured. We introduce TsuGO, a process-level reasoning benchmark for evaluating Search Efficiency in LLM reasoning through Go life-and-death problems. These problems provide closed and verifiable solution spaces with an inherent adversarial structure, making candidate generation, response checking, branch comparison, and backtracking necessary parts of reasoning rather than incidental trace patterns. By constraining the solution space, TsuGO disentangles domain knowledge from search organization, parses CoT into a structured search tree, and reports Search Efficiency together with Token Efficiency and other diagnostic metrics and visualizations. Experiments show that current LLMs remain far from stable tsumego solving: stronger models succeed by finding the correct candidate earlier and sustaining effort on productive branches, but most models still behave much closer to unguided search algorithms than to neural-guided KataGo. Longer CoT or higher Token Efficiency does not necessarily imply better search. Our results identify search organization and reasoning-resource allocation as missing dimensions in LLM reasoning evaluation.
• Abstract（参考訳）: LLM推論の評価は、最終回答の正確さからプロセスレベルの評価へと移行しているが、既存の手法では、モデルがどのように推論パスを計画し、推論リソースを割り当てるか、すなわち、どのように検索を組織化するかを把握できない。 従来のプロセスレベルの手法は、チェーン・オブ・シント(CoT)の一貫性と冗長性に重点を置いており、ほとんどのベンチマークタスクは、導出やツールの使用といった静的な能力によって単一の目的を解決でき、検索機構は未測定のままである。 本稿では,Go の生命死問題による LLM 推論における探索効率評価のためのプロセスレベル推論ベンチマークである TsuGO を紹介する。 これらの問題は、固有の逆構造を持つ閉かつ検証可能な解空間を提供し、候補生成、応答チェック、分岐比較、帰納的トレースパターンよりも推論に必要な部分を追跡する。 解空間を制約することにより、検索組織からドメイン知識を分離し、CoTを構造化された検索ツリーに解析し、検索効率とToken効率などの診断指標と視覚化を報告する。 より強力なモデルは、より早く正しい候補を見つけ、生産的なブランチに継続することで成功するが、ほとんどのモデルは、神経誘導のKataGoよりも、誘導されていない探索アルゴリズムに非常に近い振る舞いをする。 CoT が長い場合やToken 効率が高い場合、必ずしも検索が良いとは限らない。 LLM推論評価において,検索機構と推論資源割り当てを欠落次元として同定した。

関連論文リスト

• Step-by-Step Optimization-like Reasoning in LLMs over Expanding Search Spaces [63.82675722580452]
  OPT*は、LLMのステップバイステップ最適化のような推論を訓練し評価するための最適化スタイルのタスクのファミリーである。 各タスクは実現可能性チェッカーと評価器を提供し、一方、複雑性パラメータは新しい人間ラベルを必要とせずに検索スペースを拡大する。 OPT*のトレーニングは、ステップバイステップの最適化のような推論を改善する。
  論文  参考訳（メタデータ） (2026-06-03T21:43:38Z)
• LinTree: Improving LLM Reasoning with Explicitly Structured Search Histories [38.39348916777905]
  大規模言語モデル(LLM)は、部分解を探索し修正する中間トレースを生成することによって推論問題を解決することが多い。 サーチの観点からは、これらのトレースは線形化されたサーチツリーと見なすことができ、モデルが部分解とバックトラックを拡張して代替手段を試すことができる。 線形化木(LinTree)構造を明示的に表現するために単純な親ポインタを追加すると、暗黙的推論モデルとLLMヒューリスティック誘導探索に対するタスク効率が向上することを示す。
  論文  参考訳（メタデータ） (2026-05-29T16:13:19Z)
• Reinforced Efficient Reasoning via Semantically Diverse Exploration [73.41112984160992]
  検証可能な報酬(RLVR)による強化学習は,大規模言語モデル(LLM)の推論の強化に有効であることが証明された。 本研究では,LLMのための意味的多様性探索,すなわちROSEによる効率的な推論手法を提案する。 本手法は,意味エントロピーに基づく分岐戦略と$varepsilon$-exploration機構を組み込んだものである。
  論文  参考訳（メタデータ） (2026-01-08T15:56:44Z)
• Policy-Guided Search on Tree-of-Thoughts for Efficient Problem Solving with Bounded Language Model Queries [5.268207922548829]
  言語モデル(LM)による思考に割り当てられる確率は,ToTフレームワーク内での探索のガイドとして機能することを示す。 We adapt a search algorithm, Levin Tree Search (LTS) to the ToT framework。 これらの知見は,ToTに対するLTSの有効性,特に費用対効果と時間対効果の課題解決に有効であることを示す。
  論文  参考訳（メタデータ） (2026-01-07T05:35:16Z)
• Adaptive Test-Time Reasoning via Reward-Guided Dual-Phase Search [62.1546099504045]
  本稿では、推論を計画と実行に分離する二相テストタイムスケーリングフレームワークを提案する。 具体的には、推論軌跡を分解し、各フェーズの報酬モデルを構築し、探索者が個別に計画と実行を探索、実行できるようにする。 数学的推論とコード生成ベンチマークの両方の実験により、我々の手法は計算の冗長性を低減しつつ、常に精度を向上することを示した。
  論文  参考訳（メタデータ） (2025-09-29T19:27:23Z)
• LLM-First Search: Self-Guided Exploration of the Solution Space [29.780554400938335]
  大規模言語モデル(LLM)は、テスト時間計算の増加による推論と計画の大幅な改善を示している。 我々は,新しいTextitLLM Self-Guided Search法である textbfLLM-First Search (LFS) を提案する。
  論文  参考訳（メタデータ） (2025-06-05T16:27:49Z)
• Stepwise Reasoning Checkpoint Analysis: A Test Time Scaling Method to Enhance LLMs' Reasoning [81.50681925980135]
  本稿では,ステップワイズ推論チェックポイント分析(SRCA)を提案する。 本研究は,(1)中間チェックポイント回答による経路推論をグループ化して品質を確保しつつ多様性を維持するAnswer-Clustered Search,(2)最終決定にすべての中間回答を活用するCheckpoint Candidate Augmentationの2つの主要な戦略を取り入れた。 提案手法は経路均質化を効果的に低減し,高品質な中間結果を活用することにより耐故障機構を創出する。
  論文  参考訳（メタデータ） (2025-05-23T12:42:50Z)
• Stop Overthinking: A Survey on Efficient Reasoning for Large Language Models [49.61246073215651]
  大規模言語モデル(LLM)は複雑なタスクにおいて顕著な機能を示した。 OpenAI o1とDeepSeek-R1の最近の進歩は、System-2推論ドメインのパフォーマンスをさらに改善した。 しかし、冗長な出力と冗長な出力による計算オーバーヘッドも大幅に発生する。
  論文  参考訳（メタデータ） (2025-03-20T17:59:38Z)
• Token-Supervised Value Models for Enhancing Mathematical Problem-Solving Capabilities of Large Language Models [56.32800938317095]
  既存の検証器はテスト時の木探索技術に準最適である。 トークン制御値モデル(TVM)を提案する。 TVMは各トークンに、正しい最終回答に達する確率を反映した確率を割り当てる。
  論文  参考訳（メタデータ） (2024-07-12T13:16:50Z)
• Chain of Preference Optimization: Improving Chain-of-Thought Reasoning in LLMs [37.147529569445396]
  Tree-of- Thought (ToT) 法では、ツリー探索を用いて推論空間を広範囲に探索し、CoTデコーディングが見落としてしまうかもしれない推論経路をよりよく見つける。 ToTで構築された検索ツリーを利用した細調整言語モデル(LLMs)により、CoTは同様のあるいはより良いパフォーマンスを実現することができる。 これはCPO(Chain of Preference Optimization)によって実現され、LLMはCoT推論パスの各ステップをToTのステップと整列するように微調整される。
  論文  参考訳（メタデータ） (2024-06-13T14:07:02Z)

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。