Fugu-MT 論文翻訳(概要): LLM-Only PDDL Domain Repair with Open-Weight Models

論文の概要: LLM-Only PDDL Domain Repair with Open-Weight Models

arxiv url: http://arxiv.org/abs/2608.17341v1
Date: Tue, 18 Aug 2026 04:00:02 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-19 21:40:53.213214
Title: LLM-Only PDDL Domain Repair with Open-Weight Models
Title（参考訳）: オープンウェイトモデルを用いたLDM専用PDDLドメイン修復
Abstract要約: 我々は,LLMのみのアプローチを用いて,近年のオープンウェイトな大規模言語モデルを用いて,この修復作業を行う能力を評価する。現在のオープンウェイトモデルは、信頼性の高い自動モデル修復に必要なテスト制約の満足度を保証できない。
参考スコア（独自算出の注目度）: 14.6114138448014
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: AI planning is concerned with finding a sequence of actions that achieves a specified goal. It relies on explicit models of the world, commonly represented in the Planning Domain Definition Language (PDDL). An active line of research investigates how errors in such models can be detected and repaired. For example, users may provide positive test plans that are solutions, and negative test plans that fail during execution. Automated repair methods then modify the PDDL model to satisfy these constraints. In this paper, we evaluate the ability of recent open-weight large language models to perform this repair task using an LLM-only approach. Our experiments show that the symbolic baseline achieves an $F_1$ score of $.49$, while the best-performing LLM reaches $.87$ with high reasoning effort, an absolute improvement of $.38$. However, that setting has a mean test pass rate of only $.82$, falling to $.06$ on the Thoughtful domain; even the best setting that includes the test traces reaches only $.92$. Thus, current open-weight models cannot guarantee satisfaction of the test constraints required for reliable automated model repair.
Abstract（参考訳）: AIプランニングは、特定の目標を達成する一連のアクションを見つけることに関心がある。一般に計画ドメイン定義言語(PDDL)で表される、世界の明示的なモデルに依存している。活発な研究のラインでは、そのようなモデルのエラーを検知し、修復する方法が研究されている。例えば、ユーザはソリューションである肯定的なテストプランと、実行中に失敗する否定的なテストプランを提供することができる。自動修復法はこれらの制約を満たすためにPDDLモデルを変更する。本稿では,LLMのみのアプローチを用いて,近年のオープンウェイトな大規模言語モデルを用いて,この修復作業を行う能力を評価する。実験の結果,記号ベースラインは$F_1$スコアが$.49$であり,最高の性能のLCMは$.87$に達した。しかし、その設定の平均テストパスレートは.82ドルであり、Thoughtfulドメインでは$.06ドルになる。したがって、現在のオープンウェイトモデルは、信頼性の高い自動モデル修復に必要なテスト制約の満足度を保証できない。

関連論文リスト

AllocBench: Measuring Online Tool Allocation Capability in LLM Agents [2.3236525323645285]
固定予算下で,エージェントが意識的アロケーション行動を示すかどうかを検査するベンチマークを導入する。私たちは、テストするすべてのフロンティアモデルが抽象フレーミングにおいてほぼ最適に振る舞うが、この能力をスクリプト記述に転送することができないことに気付きました。
論文参考訳（メタデータ） (2026-07-25T19:05:29Z)
Cluster, Route, Escalate: Cascaded Framework for Cost-Aware LLM Serving [69.5155152169752]
大規模言語モデル(LLM)のための2段階カスケードソリューションを提案する。ステージ1は、受信するクエリをクラスタ化し、各クラスタを最もコスト効率の良いモデルに割り当てる。ステージ2は品質推定(QE)カスケードを追加し、ステージ1からの出力が低品質であると判断されると、クエリはより強力なモデルにエスカレーションされる。テストデータセットでは、カスケードシステムは最強モデルの精度の97-99%を保持し、TPOT(Time Per Output Token)を削減している。タスクの正確性ラベルのみを必要とし、手動で再構成することなくモデルプールの変更に適応する。
論文参考訳（メタデータ） (2026-06-25T18:29:24Z)
DeltaRubric: Generative Multimodal Reward Modeling via Joint Planning and Verification [38.65432183778467]
一つのMLLM内でのプラン・アンド・エグゼキュートプロセスとしてマルチモーダルな選好評価を再構成するアプローチであるDeltaRubricを導入する。 DeltaRubricは2つのステップで動作する。まずは$textitDisagreement Planner$として動作し、中立でインスタンス固有のチェックリストを生成する。我々はDeltaRubricをマルチロール強化学習問題として定式化し、計画と検証機能を共同で最適化する。
論文参考訳（メタデータ） (2026-05-10T02:32:19Z)
Post-Training with Policy Gradients: Optimality and the Base Model Barrier [27.674563695368665]
結果とプロセス報酬を伴う線形自己回帰モデルの訓練後評価について検討する。我々は、ポリシー勾配(PG)の変種が、本質的に最小限の報酬クエリ数を持つ1-varepsilon$を実現できることを証明した。
論文参考訳（メタデータ） (2026-03-07T00:25:53Z)
Aligning Frozen LLMs by Reinforcement Learning: An Iterative Reweight-then-Optimize Approach [65.6966065843227]
Iterative Reweight-then-IROは、凍結ベースモデルのRLスタイルアライメントを実行するフレームワークである。テスト時には、値関数を使用して、検索ベースの最適化プロセスを介してベースモデル生成をガイドする。特に、ユーザは、OpenAIの強化微調整(RFT)と同様、自身のデータセットにモデルをアライメントするためにIROを適用することができる。
論文参考訳（メタデータ） (2025-06-21T21:49:02Z)
Are You Getting What You Pay For? Auditing Model Substitution in LLM APIs [71.7892165868749]
LLM(Commercial Large Language Model) APIは基本的な信頼の問題を生み出します。ユーザーは特定のモデルに課金するが、プロバイダが忠実に提供できることを保証することはない。我々は,このモデル置換問題を定式化し,現実的な逆条件下での検出方法を評価する。我々は,信頼された実行環境(TEE)を実用的で堅牢なソリューションとして使用し,評価する。
論文参考訳（メタデータ） (2025-04-07T03:57:41Z)
Towards Efficient Automatic Self-Pruning of Large Language Models [55.90119819642064]
トレーニング後の構造化プルーニングは、トレーニングを必要とせずに大規模言語モデルを熟成する有望なソリューションである。この問題を緩和する鍵は、各レイヤのプルーニング率を正確に決定することにある、と我々は主張する。我々は、レイヤワイドプルーニングレートを効率的に検索するLLMのためのエンドツーエンドの自動自動プルーニングフレームワークである$textbfSelf-Prunerを紹介した。
論文参考訳（メタデータ） (2025-02-20T09:59:50Z)
S$^2$R: Teaching LLMs to Self-verify and Self-correct via Reinforcement Learning [51.84977135926156]
S$2$Rはモデルに推論時の自己検証と自己正当性を教えることによってLLM推論を強化する効率的なフレームワークである。以上の結果から,Qwen2.5-math-7Bの精度は51.0%から81.6%に向上した。
論文参考訳（メタデータ） (2025-02-18T13:40:22Z)
Rethinking the Residual Distribution of Locate-then-Editing Methods in Model Editing [14.958557185068]
モデル編集は、大規模言語モデルの知識をターゲットとする更新を可能にする。 location-then-editメソッドはまず重要なレイヤを識別し、ターゲットの編集に基づいて最後のクリティカルレイヤで残余を計算する。これらの手法のコアメカニズムである残留分布は、編集精度を損なう重みシフト誤差をもたらす。そこで我々は,位置列編集手法を強化するBLUE戦略を提案する。
論文参考訳（メタデータ） (2025-02-06T03:20:17Z)
Transfer Q Star: Principled Decoding for LLM Alignment [105.89114186982972]
Transfer $Q*$は、ベースラインモデルを通してターゲット報酬$r$の最適値関数を推定する。提案手法は, 従来のSoTA法で観測された準最適差を著しく低減する。
論文参考訳（メタデータ） (2024-05-30T21:36:12Z)
Model Cascading for Code: A Cascaded Black-Box Multi-Model Framework for Cost-Efficient Code Completion with Self-Testing [20.445496441396028]
本稿では,モデルカスケーディングと推論時自己テストアルゴリズムを組み合わせた新しいフレームワークを提案する。このアプローチでは,自己生成テストを活用して精度を高め,モデルのカスケード決定を評価する。実験結果から, カスケード手法はコストを平均26%削減し, ベストケースでは最大70%削減できることがわかった。
論文参考訳（メタデータ） (2024-05-24T16:20:04Z)

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。