論文の概要: CAS: Conformalized Agentic Search via Adaptive Retrieval and Policy Weighting
- arxiv url: http://arxiv.org/abs/2608.20771v1
- Date: Fri, 21 Aug 2026 06:29:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-24 14:49:32.413981
- Title: CAS: Conformalized Agentic Search via Adaptive Retrieval and Policy Weighting
- Title（参考訳）: CAS:適応検索とポリシーウェイトによるコンフォーマル化されたエージェント検索
- Abstract要約: 我々は、整形予測(CP)を導入し、整形エージェント探索(CAS)を提案する。
このフレームワークは、検索側とトレーニング側の両方で信頼性を保証する。
我々のフレームワークは、冗長なツールの実行を大幅に削減しながら、推論精度を大幅に改善します。
- 参考スコア（独自算出の注目度）: 11.613315225188302
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Search Agents face a severe reliability crisis during reinforcement learning (RL) fine-tuning. Heuristic Top-K retrieval often causes critical evidence loss or noise inclusion, while over-confidence induced by progressive RL leads to hallucinated answers and redundant searches. To build highly reliable agents, we introduce Conformal Prediction (CP) and propose Conformalized Agentic Search (CAS). This framework establishes reliability guarantees on both the retrieval and training sides: on the retrieval side, an Adaptive Prediction Set (APS), a specific CP realization, translates statistical coverage into dynamic document truncation to construct prediction sets that are adaptive in size; on the training side, Adaptive Conformal Inference (ACI), a dynamic CP algorithm, dynamically constructs prediction sets with controllable coverage to quantify answer confidence, which is then used to penalize low-confidence trajectories within the Group Relative Policy Optimization (GRPO) objective, ensuring the model learns only from reliable ones. Experiments across single-hop and multi-hop QA datasets demonstrate that our framework significantly improves reasoning accuracy while drastically reducing redundant tool invocations, establishing a highly reliable and efficient agent paradigm. Our code is available at https://github.com/S1llyBird/CAS.
- Abstract（参考訳）: 検索エージェントは強化学習(RL)の微調整中に深刻な信頼性危機に直面している。
ヒューリスティックなTop-K検索は、しばしば致命的な証拠損失やノイズ包摂を引き起こすが、プログレッシブRLによって引き起こされる過信は、幻覚的な回答と冗長な探索をもたらす。
信頼性の高いエージェントを構築するために, Conformal Prediction (CP)を導入し, Conformalized Agentic Search (CAS)を提案する。
このフレームワークは、検索側とトレーニング側の両方で信頼性を保証する: 特定のCP実現法である適応予測セット(APS)は、統計的カバレッジを動的文書トランケーションに変換し、サイズに適応した予測セットを構築する; トレーニング側では、動的CPアルゴリズムであるAdaptive Conformal Inference(ACI)は、制御可能なカバレッジを持つ予測セットを動的に構築し、回答信頼度を定量化し、グループ相対ポリシー最適化(GRPO)の目的の中で低信頼トラジェクトリをペナル化する。
シングルホップおよびマルチホップQAデータセットを対象とした実験により、我々のフレームワークは、冗長なツール呼び出しを大幅に削減し、信頼性が高く効率的なエージェントパラダイムを確立しながら、推論精度を大幅に向上することを示した。
私たちのコードはhttps://github.com/S1llyBird/CAS.comで利用可能です。
関連論文リスト
- CAST: Critique-Aware Supervision for Training Reliable Long-Horizon Tool-Calling Agents [66.9575676266637]
大規模言語モデル(LLM)エージェントは、長期的、インタラクティブでステートフルな環境にますますデプロイされている。
これらの設定では、間違った購入を返金するなどの1つの間違ったアクションは、不可逆なタスクの失敗を引き起こし、実行前にインターセプトされなければならない。
CASTは、スパースタスクの結果を批判学習と政策最適化のためのアクションレベル監視に変換する、批判に意識したトレーニングフレームワークである。
論文 参考訳（メタデータ） (2026-08-31T01:59:51Z) - AGC: Adaptive Geodesic Correction for Adversarial Robustness on Vision-Language Models [38.50355675955809]
AGCは8つのきめ細かいデータセットと3つのCLIPバックボーンで優れたパフォーマンスを実現している。
以上の結果から,CLIP機能の基本的幾何学的性質が明らかとなり,ロバストなマルチモーダルデプロイメントのための高効率かつ効果的なパラダイムが提供される。
論文 参考訳（メタデータ） (2026-05-15T03:48:22Z) - Confidence-Aware Alignment Makes Reasoning LLMs More Reliable [65.44962502963378]
CASPOは、トークンレベルの信頼度とステップワイドな論理的正しさを、個別の報酬モデルをトレーニングせずに整合させるフレームワークである。
推論中、信頼を意識した思考(CaT)を提案し、不確実な推論枝を無視可能なO(V)レイテンシで動的に生成する。
10のベンチマークと複数のモデルファミリでの実験では、CASPOは推論の信頼性と推論効率を一貫して改善している。
論文 参考訳（メタデータ） (2026-05-08T07:08:25Z) - Multimodal Learning on Low-Quality Data with Conformal Predictive Self-Calibration [72.0672328514289]
マルチモーダル学習は、しばしば低品質データの課題に悩まされる。
コンフォーマル予測自己校正(Conformal Predictive Self-Calibration)と呼ばれる統合フレームワークを提案する。
私たちのフレームワークは、既存の最先端メソッドを一貫して上回ります。
論文 参考訳（メタデータ） (2026-05-05T14:48:52Z) - The Illusion of Certainty: Decoupling Capability and Calibration in On-Policy Distillation [67.26315138466312]
モデルロールアウトから経験的信頼性を推定するキャリブレーション対応のOPDフレームワークであるCaOPDを提案する。
本研究は, 能力蒸留が信頼性を示唆するものではないこと, 信頼性をポストトレーニングの本質的な目的として扱うべきであることを明らかにする。
論文 参考訳（メタデータ） (2026-04-18T04:43:40Z) - Cycle-Consistent Search: Question Reconstructability as a Proxy Reward for Search Agent Training [80.20022221643414]
Cycle-Consistent Searchは、検索エージェントを訓練するための金色のスーパービジョンのないフレームワークである。
CCSは教師付きベースラインに匹敵する性能を示す。
これらの結果から,CCSは金の監督が不可能な環境で検索エージェントを訓練するためのスケーラブルな訓練パラダイムを提供する可能性が示唆された。
論文 参考訳（メタデータ） (2026-04-14T17:00:18Z) - BAPO: Boundary-Aware Policy Optimization for Reliable Agentic Search [72.87861928940929]
バウンダリ・アウェア・ポリシー・オプティマイゼーション(BAPO)は、信頼性の高い境界認識を精度を損なうことなく育成する新しいRLフレームワークである。
BAPOは2つの重要な要素を導入する: (i) グループベースの境界対応報酬(i) 推論が限界に達したときのみIDK応答を促進させる) 適応報酬変調器(ii) 早期探索中にこの報酬を戦略的に停止させ、モデルがIDKをショートカットとして利用するのを防ぐ。
論文 参考訳（メタデータ） (2026-01-16T07:06:58Z) - Fact-Checking with Large Language Models via Probabilistic Certainty and Consistency [7.806516365113592]
大規模言語モデル(LLM)は、事実の正確性を必要とするアプリケーションでますます使われている。
事実チェックはこれらのエラーを軽減することができるが、既存の手法は通常、外的証拠を無差別に回収する。
本稿では,確率的確実性と一貫性(PCC)について紹介する。
論文 参考訳（メタデータ） (2026-01-05T21:57:41Z) - Modeling Uncertainty Trends for Timely Retrieval in Dynamic RAG [35.96258615258145]
本稿では,トークンレベルの不確実性のダイナミクスをモデル化し,最適検索タイミングを決定するトレーニングフリーな手法であるEntropy-Trend Constraint(ETC)を紹介する。
ETCは、検索周波数を減少させながら、強いベースラインを一貫して上回る。
プラグアンドプレイで、モデルに依存しず、既存のデコードパイプラインに簡単に統合できる。
論文 参考訳（メタデータ） (2025-11-13T05:28:02Z) - Robust Uncertainty Quantification for Self-Evolving Large Language Models via Continual Domain Pretraining [7.344577590113121]
Conformal Prediction (CP)は、大きな言語モデルに対して正確性を保証することを約束している。
適応的な拒絶と非交換可能なCPフレームワークを導入する。
本フレームワークは,CDPシナリオ下でのCPの有効性と信頼性を両立させる。
論文 参考訳（メタデータ） (2025-10-27T02:15:51Z) - COIN: Uncertainty-Guarding Selective Question Answering for Foundation Models with Provable Risk Guarantees [51.5976496056012]
COINは、統計的に有効な閾値を校正し、質問毎に1つの生成された回答をフィルタリングする不確実性保護選択フレームワークである。
COINはキャリブレーションセット上で経験的誤差率を推定し、信頼区間法を適用して真誤差率に高い確率上界を確立する。
リスク管理におけるCOINの堅牢性,許容回答を維持するための強いテストタイムパワー,キャリブレーションデータによる予測効率を実証する。
論文 参考訳（メタデータ） (2025-06-25T07:04:49Z)
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。