論文の概要: ReForge: Keeping ABR Algorithms Never Finished with Verified Large Language Model Edits

• arxiv url: http://arxiv.org/abs/2608.15138v1
• Date: Sat, 15 Aug 2026 09:23:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.207472
• Title: ReForge: Keeping ABR Algorithms Never Finished with Verified Large Language Model Edits
• Title（参考訳）: ReForge: 検証済みの大規模言語モデル編集でABRアルゴリズムが未完成のまま維持される
• Abstract要約: ABRアルゴリズムは、各シナリオが到着するたびに数分で再設計され、世界と歩調を合わせることができるかどうかを問う。 継続的に変化するシナリオに適応する継続的学習フレームワークであるReForgeを提案する。 実世界の9つのネットワークファミリにおいて,ReForgeを3G,4G,そして5Gと評価した。
• 参考スコア（独自算出の注目度）: 9.03791138025699
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Designing an ABR algorithm for one network scenario takes an engineer months, and large language models now do this work in hours, matching or beating hand-built designs. But either way, the design fits only the world visible at its birth, and fails on the world that arrives after. We ask whether an ABR algorithm can keep pace with the world, redesigned in minutes as each scenario arrives, with every change proven harmless to every scenario already served. In this work, we propose ReForge, a continual heuristic learning framework that adapts to continuously changing scenarios. ReForge runs that routine with a large language model (LLM) in the loop. Each round the LLM reads where the current design falls short and proposes one small edit, and a replay over every network served so far decides. Specifically, what it edits is a single page of fuzzy rules that routes every decision to one of a frozen pool of pre-trained policies. The LLM writes the first page from measurements alone, then keeps improving it on its own. Each round it reads where the current rules fall short and proposes one small edit, and a replay over every network served so far decides whether the edit lands. We evaluate ReForge on nine real-world network families arriving one at a time as 3G, 4G, then 5G. A few edits per arrival lift mean QoE from 1.23 to 1.74, past the best single policy at 1.66 and to 94\% of an oracle, and even repair families the loop never saw, one rising from 0.30 to 0.80. All code, data, and experiment records will be open-sourced upon cleanup.
• Abstract（参考訳）: 1つのネットワークシナリオでABRアルゴリズムを設計するには、エンジニアが数ヶ月かかる。 しかしいずれにせよ、このデザインは生まれてから見える世界だけにフィットし、その後にやってくる世界は失敗する。 ABRアルゴリズムは、各シナリオが到着するたびに数分で再設計され、すべての変更が既に提供されたすべてのシナリオに無害であることが証明された、世界と歩調を合わせることができるかどうかを問う。 本研究では,連続的に変化するシナリオに適応する連続的ヒューリスティック学習フレームワークであるReForgeを提案する。 ReForgeはそのルーチンを実行し、ループ内に大きな言語モデル(LLM)を配置する。 LLMは各ラウンドで現在の設計が不足している箇所を読み出し、1つの小さな編集を提案し、これまで提供されてきたネットワークのリプレイが決定する。 具体的には、すべての決定を事前訓練されたポリシーの凍結プールの1つにルートするファジィルールの1ページを編集する。 LLMは測定結果だけで最初のページを書き、それ自身で改善を続けます。 それぞれのラウンドで、現在のルールが不足している箇所を読み出し、1つの小さな編集を提案し、これまで提供されたすべてのネットワーク上で再生することで、編集が到着するかどうかを判断する。 実世界の9つのネットワークファミリにおいて,ReForgeを3G,4G,そして5Gと評価した。 到着時リフト1回あたりの編集ではQoEが1.23から1.74まで、最高の1回のポリシーを1.66から9.94に超え、修復された家族でさえもそのループを見たことがなく、そのうちの1回は0.30から0.80に上昇した。 コード、データ、実験記録はすべて、クリーンアップ時にオープンソース化される。

関連論文リスト

• When Models Edit Too Much: On the Fidelity of Minimal Code Edits [21.17848461238914]
  大きな言語モデル(LLM)は、既存のコードの編集にますます使われていますが、正確性だけでは不十分です。 オーバーエジット(over-editing) — バグ修正に必要なものを超えて,モデルがコードを書き直す傾向があること。 我々は,制御されたASTレベルの汚職を参照ソリューションに注入することにより,400のBigCodeBench問題から評価フレームワークを構築した。
  論文  参考訳（メタデータ） (2026-09-03T16:36:05Z)
• SkillGLoW: Procedural-Family Skill Consolidation for Self-Improving Agents on Long-Horizon Task Streams [55.90739575113059]
  再利用の欠如は、関連するタスクのクラスタによって共有される解決手順であり、その周りでSkillGLoWを構築している、と我々は主張する。 4つのベンチマーク(数学的推論、端末の自動化、ソフトウェア修復、実施制御)と3つのモデルで、前者は平均17.2ポイント(ハード)を獲得している。
  論文  参考訳（メタデータ） (2026-09-02T07:31:18Z)
• Don't Let the Model Write the YAML: Deterministic, Minimal-Diff GitOps Remediation from LLM-Proposed Field Changes [0.0]
  GitOpsでは、モデル作者に編集されたファイルや差分を持てば、最初に実践者が到達できる。 ファイルを編集する構文的行為から意味的決定(リソース、フィールド、値)を分離する代替案を提案する。 ファイルは再シリアライズされないため、diffは構成によって最小限であり、編集はモデルから独立して正確で決定論的である。
  論文  参考訳（メタデータ） (2026-08-31T18:37:12Z)
• BlueprintRepair: Typed Local Edits for Failed Lean Proof Blueprints [0.0]
  LLMベースのリーン証明システムは、ますますブループリントとして証明を組織化しています。 BlueprintRepairは、モデルがこのグラフを10のスキーマチェックされたローカル操作で変更できる修復インターフェースです。 また、BlueprintTraceは142個の制御された障害のベンチマークで、完全に許容され、修復軌道が拒否されている。
  論文  参考訳（メタデータ） (2026-07-30T12:17:31Z)
• NSMA: Neuro-Symbolic Manifold Alignment for Generalizable Adaptive Bitrate Streaming under Texture Shift [9.03791138025699]
  ニューラルポリシーは、リッチな振る舞いを学ぶが、環境が変わる瞬間を忘れる。 テクスチュア・アウェア・ジェネリゼーション・アセスメント(英語版)は、時間的性質が裸に置かれているトレースを横断するトレーニングの全体を通じてポリシーを判断する。 ニューロ・シンボリック・マニフォールド・アライメント(Neuro-Symbolic Manifold Alifold Alignment)は、ルール決定をニューラルネットワークの潜在空間内にアンカーとして組み込んで、学習の支払い先を継続的に学習し、ルールが常に知っていることを忘れないようにする。
  論文  参考訳（メタデータ） (2026-07-21T08:30:54Z)
• ReCoLoRA: Spectrum-Aware Recursive Consolidation for Continual LLM Fine-Tuning [0.0]
  ReCoLoRA(Recursive Consolidation of Low-Rank Adapters)は、連続的な微調整のためのスペクトル認識フレームワークである。 ReCoLoRAは、ランキングスワープのLoRA、PiSSA、AdaLoRA、DoRAのベースラインに対して4つのバックボーンのうち3つで最高得点を獲得した。
  論文  参考訳（メタデータ） (2026-07-04T12:58:26Z)
• HoReN: Normalized Hopfield Retrieval for Large-Scale Sequential Model Editing [12.303016850029683]
  大規模言語モデルは、展開後に必然的に時代遅れになる膨大な事実知識を符号化する。 1行の作業は、ロケーション・then-edit手順を通じてベースウェイトを直接変更することで、新しい事実をインストールする。 補完ラインはベースウェイトをそのまま残し、外部メモリを通して編集をルーティングするが、ルーティングの課題に直面している。 提案するHoReNは,3つのアイデアに基づいたルーティング機能を備えたコードブックベースのエディタである。
  論文  参考訳（メタデータ） (2026-05-02T15:51:31Z)
• PrefixNLI: Detecting Factual Inconsistencies as Soon as They Arise [60.63315470285562]
  MiniTruePrefixesは、テキストプレフィックスよりも事実上の矛盾をよりよく検出する、新しい特殊モデルである。 制御されたデコードフレームワークにMiniTruePrefixesを組み込むことで,抽象的な要約における現実の一貫性が大幅に向上することを示す。
  論文  参考訳（メタデータ） (2025-11-03T09:07:44Z)
• Improved Generalized Planning with LLMs through Strategy Refinement and Reflection [58.79806530685551]
  疑似コードの形で戦略を生成する手法を提案する。 我々は、Pythonデバッグフェーズをリフレクションステップで拡張し、LLMが観測された計画失敗の理由を特定できるようにする。 17のベンチマーク領域で実験を行い、これらの拡張によって一般化された計画の品質が大幅に向上することを示した。
  論文  参考訳（メタデータ） (2025-08-19T14:42:18Z)
• AnyEdit: Edit Any Knowledge Encoded in Language Models [76.28789588247659]
  大規模言語モデル(LLM)のための新しい自動回帰編集パラダイムであるAnyEditを提案する。 長い形式の知識を逐次チャンクに分解し、各チャンク内のキートークンを反復的に編集し、一貫性と正確な出力を保証する。 UnKEBench、AKEW、そして我々の長文の多様な知識のための新しいEditEverythingデータセットを含むベンチマークでは、強いベースラインを21.5%上回っている。
  論文  参考訳（メタデータ） (2025-02-08T16:18:37Z)
• MQuAKE: Assessing Knowledge Editing in Language Models via Multi-Hop Questions [75.21713251369225]
  編集されたモデルが正しい解答を行うかどうかを評価するマルチホップ質問を含むベンチマークMQuAKEを提案する。 本稿では,メモリベースのアプローチであるMeLLoを提案する。これは,編集された事実に整合した回答を生成するために,言語モデルを反復的に促しながら,すべての編集された事実を外部に保存する。
  論文  参考訳（メタデータ） (2023-05-24T06:48:41Z)
• Deep Model Reassembly [60.6531819328247]
  我々はDeep Model Reassembly(DeRy)と呼ばれる新しい知識伝達タスクを探索する。 DeRyの目標は、まず各モデルを固有のビルディングブロックに分割し、それから派生したブロックを選択的に再組み立てて、カスタマイズされたネットワークを生成することである。 ImageNetでは、最高の再組み立てモデルは微調整なしで78.6%のトップ1の精度を実現している。
  論文  参考訳（メタデータ） (2022-10-24T10:16:13Z)

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。