論文の概要: GenCoord: Skill-Path Commitments under Private Information
- arxiv url: http://arxiv.org/abs/2608.22055v1
- Date: Sat, 22 Aug 2026 17:41:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-25 13:29:43.576219
- Title: GenCoord: Skill-Path Commitments under Private Information
- Title（参考訳）: GenCoord:私的情報によるスキルパスのコミットメント
- Abstract要約: GenCoordを紹介します。これは、そのようなプライベートな事実のタスクの結果を、実行可能なスキルパスのコミットメントに変換するものです。
ローカルQwen3.5-0.8Bモデルは、複数ステップのSELFプランとピアREQを出力する。
3つの独立して訓練された種子の中で、正しい能力フィードバックは、ペア化された局所情報ギャップを50%から100%に閉じる。
- 参考スコア（独自算出の注目度）: 3.5348314201494517
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Suppose one embodied agent knows what must be built, while its teammate alone knows which transformation its workcell can perform. Neither local view determines who should act, what should be handed off, or how the joint task should continue. We introduce GenCoord, which turns the task consequence of such private facts into an executable skill-path commitment. A local Qwen3.5-0.8B model emits a multi-step SELF plan and peer REQ; bounded feedback conditions route revision when the deciding capability is peer-local. The resolved commitment is parsed, checked, canonically materialized, compiled to Mineflayer skills, and verified by handoff and terminal state. Counterfactual interventions that hold the world, call schedule, and executor unchanged make requester revision and receiver execution follow the injected task consequence in both directions. Across three independently trained seeds, correct capability feedback closes the paired local-information gap from 50% to 100%. Multi-step commitments improve held-out-template success by 6.9 points while reducing model decisions by 32%. At matched closed-loop quality on 128 held-out semantic clusters, Short DSL reduces peer traffic by 92.8% and median time-to-commitment by 68.2% relative to controlled free-form communication. These results identify executable task consequences as the coordination unit connecting distributed local reasoning to verified joint action.
- Abstract（参考訳）: ひとつの具体的エージェントが何を作らなければならないかを知っていると仮定し、チームメイトだけがそのワークセルがどのトランスフォーメーションを実行できるかを知っています。
どちらのローカルな見解も、誰が行動すべきか、何を引き渡すべきか、共同作業をどのように継続するかは決定しません。
GenCoordを紹介します。これは、そのようなプライベートな事実のタスクの結果を、実行可能なスキルパスのコミットメントに変換するものです。
ローカルQwen3.5-0.8Bモデルは、複数ステップのSELFプランとピアREQを出力する。
解決されたコミットメントは解析され、チェックされ、列挙され、Mineflayerスキルにコンパイルされ、ハンドオフと端末状態によって検証される。
世界を保持し、スケジュールを呼び出し、エグゼクティブを変更せずにリフレクタをリビジョンし、レシーバの実行は、両方の方向に注入されたタスク結果に従う。
3つの独立して訓練された種子の中で、正しい能力フィードバックは、ペア化された局所情報ギャップを50%から100%に閉じる。
マルチステップのコミットメントは保留期間の成功を6.9ポイント改善し、モデル決定を32%削減する。
128のホールドアウトセマンティッククラスタで一致したクローズドループの品質では、Short DSLはピアトラフィックを92.8%削減し、中央値のタイム・ツー・コミットを68.2%削減した。
これらの結果は、分散局所推論と検証された共同動作を結合する調整単位として実行可能なタスク結果を特定する。
関連論文リスト
- Target-Independent Micro-Interventions for Predicting Training Response Across Language-Model Families [6.314493350744026]
ベンチマークスコアは、現在チェックポイントに何ができるかを記述しているが、次のトレーニングエピソードにどのように反応するかは定かではない。
同じチェックポイントから4つの短い、標準化された、ターゲット非依存のマイクロインターベンションを分岐することで、この欠落状態を測定する。
パルスブロックはフレキシブルな直接読み出しと構造保存演算子読み出しをサポートする。
論文 参考訳（メタデータ） (2026-09-08T11:54:09Z) - Ontology-Grounded World Models for Failure Diagnosis and Closed-Loop Repair in Physical AI Systems [0.815557531820863]
Onto-EV-WMは、EV-WMの上に重ねられた診断および検証-ゲート補正インタフェースである。
Onto-EV-WMは8,526のタスクで成功し、スイートレベルの成功率はLIBERO-10で65.98%、LIBERO-Goalで91.39%、LIBERO-ObjectとLIBERO-Spatialで91.38%であった。
論文 参考訳（メタデータ） (2026-08-14T03:13:57Z) - Convergent Detour Hijacking: Task-Preserving Resource Amplification in Skill-Based LLM Agents [15.526916927007049]
LLMエージェントは、選択のための自然言語記述と計画のための教示体を使用して、ますますサードパーティのスキルに依存している。
Convergent Detour Hijacking(CDH)を紹介します。
複数 LLM バックエンドと 491 のホールドアウトタスクを単一タスクおよび複数ターン条件下で評価した。
論文 参考訳（メタデータ） (2026-08-12T17:12:49Z) - Constrained Path Reasoning: Measuring When Committed Stages Earn Their Cost [2.9867974725783113]
Constrained Path Reasoning (CPR)は、ソース認識パス仮説とステージレベルの会計とをペアリングする。
CPRは、タスク互換のコミットメントは、移行を分解し、候補の質量を集中し、正規性を誘導し、そのゲインが宣伝されたエラーや実行コストを超えたときにフィードバックを公開することができると予測している。
論文 参考訳（メタデータ） (2026-07-19T13:11:18Z) - Efficient Visual Pointing for Embodied AI:Agent-Driven Data Synthesis, Cross-Block Attention, and Iterative Correction [55.11480729304395]
PointArena 2026は77.2%の精度でベンチマークで2位である。
ap proachは3つの障害モードをターゲットにしている。第一に、エージェント駆動のシンセシスは大きなセマンティクスとアンカー相対的な候補プールを構築する。
次に、determinis tic steerable-dataパイプラインは、認証された10,000サンプルのメインセットと、マスク、テンプレート、パス検証を使用するリザーブサンプルを生成する。
論文 参考訳（メタデータ） (2026-06-29T06:39:03Z) - Handoff Debt: The Rediscovery Cost When Coding Agents Take Over Interrupted Tasks [0.0]
他のエージェントやエンジニアが残した部分的な状態からタスクを中断し、再割り当てし、レビューし、再開するからです。
前任者の作業が不透明あるいは不完全である場合に課される再検討コスト。
我々の乗っ取りプロトコルは、決定論的ハンドオフポイントで符号化エージェントを中断し、リポジトリを凍結し、4つのハンドオフビューで後継エージェントを評価する。
論文 参考訳（メタデータ） (2026-06-01T20:40:38Z) - Converted, Not Equivalent: Benchmarking Codebase Conversion via Observational Equivalence [56.25095230687242]
コーディングエージェントは、しばしば自身のローカル検証ルーチンを過度に信頼し、表面チェックを満たすアーティファクトの成功を宣言する。
この問題は、事前評価が結果駆動である変換において特に深刻である。
ブラインド・コンバージョンは26.7-28.9%に達し、スペック・パスレートは91.1%まで上昇した。
このことは、失敗は限られた予算やバックボーンの強さよりも、契約ミスによる自己検証に起因していることを示唆している。
論文 参考訳（メタデータ） (2026-05-27T19:57:15Z) - OptiLoop: Coordination-in-the-Loop Verification and Repair for LLM-Generated Optimization Agents [0.9543827270223156]
分散された決定問題は、複数の当事者が共有された決定を調整する必要がある。
大規模言語モデル(LLM)は、ローカル最適化エージェントを生成することで参加障壁を低くする有望な方法を提供する。
LLM生成最適化エージェントのコーディネーション・イン・ザ・ループ検証と修復を提案する。
論文 参考訳（メタデータ） (2026-05-26T19:49:41Z) - MAIGO: Mitigating Lost-in-Conversation with History-Cleaned On-Policy Self-Distillation [51.32912774464992]
大規模な言語モデルは、しばしば完全に指定されたプロンプトからタスクを解くが、同じ要求が複数のターンに広がると分解する。
本研究は, モデル自体の方針から, 履歴をクリアした基準を用いて汚染を低減させる, オンライン自己蒸留法であるMAIGOを提案する。
ミドルターンの場合、MAIGOは、ユーザ可視のシャードプレフィックスを保持しながら、事前のアシスタント応答を削除します。
論文 参考訳（メタデータ） (2026-05-26T15:38:46Z) - EnactToM: An Evolving Benchmark for Functional Theory of Mind in Embodied Agents [75.01735520608075]
既存のベンチマークは、直観的信念を問うことで、主にリテラル・オブ・マインド(ToM)をテストする。
EnactToMは, 3D 家庭で設定された300個のマルチエージェントタスクの進化ベンチマークである。
ハードスプリットでは、7つの評価されたフロンティアモデルすべてが機能的なタスク完了時に0.0%のPass3を獲得し、リテラルな信念プローブでは平均45.0%であった。
論文 参考訳（メタデータ） (2026-05-11T00:04:19Z) - IMPACT-HOI: Supervisory Control for Onset-Anchored Partial HOI Event Construction [72.51952455865155]
我々は,エゴセントリックなプロシージャビデオに注釈を付けるための混合開始型フレームワークIMPACT-HOIを提案する。
IMPACT-HOIは、このタスクを部分的に指定され、オンセットされたイベント状態の漸進的な解決として捉えている。
9人の参加者によるユーザスタディでは、手動のアノテーションアクションが13.5%減少し、46.67%のイベントマッチレート、確認されたフィールド違反がゼロである。
論文 参考訳（メタデータ） (2026-05-03T01:37:40Z) - Towards a Science of Scaling Agent Systems [79.64446272302287]
エージェント評価の定義を定式化し,エージェント量,コーディネーション構造,モデル,タスク特性の相互作用として,スケーリング法則を特徴付ける。
協調指標を用いて予測モデルを導出し,R2=0をクロスバリデーションし,未知のタスク領域の予測を可能にする。
ツールコーディネーショントレードオフ: 固定的な計算予算の下では, ツールヘビータスクはマルチエージェントのオーバーヘッドから不均衡に悩まされ, 2) 能力飽和: 調整が減少または負のリターンを, 単一エージェントのベースラインが45%を超えると達成できる。
論文 参考訳（メタデータ） (2025-12-09T06:52:21Z)
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。