論文の概要: Dependency-Aware Chain-of-Thought Compression for Financial Reasoning
- arxiv url: http://arxiv.org/abs/2609.00413v1
- Date: Fri, 10 Jul 2026 04:07:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 05:09:55.431604
- Title: Dependency-Aware Chain-of-Thought Compression for Financial Reasoning
- Title（参考訳）: ファイナンシャル・推論における依存型チェーン・オブ・サート圧縮
- Abstract要約: 本稿では,階層型セマンティック蒸留ネットワーク(HSDN)を提案する。
このフレームワークはセマンティックセグメンテーション、依存性グラフの構成、二重エンコーダの重要度スコアリング、制約されたセグメント選択、および局所境界書き換えを組み合わせたものである。
AFAC2025ベンチマークでは、HSDNは68.4%の圧縮で91.0%の精度を達成した。
- 参考スコア（独自算出の注目度）: 5.703841236170348
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Chain of thought prompting improves complex reasoning, but its long intermediate traces create substantial inference cost and hinder practical deployment in financial settings. We present a Hierarchical Semantic Distillation Network, HSDN, for compressing reasoning chains while preserving answer accuracy and logical coherence. The framework combines semantic segmentation, dependency graph construction, dual encoder importance scoring, constrained segment selection, and local boundary rewriting. A frozen Qwen3 4B model is used only for feature extraction and final answer generation, while the compression process remains structured and interpretable. On the AFAC2025 benchmark, HSDN achieves 91.0% accuracy with 68.4% compression, outperforming strong compression baselines in overall score and reasoning coherence. The results show that graph guided compression is effective for high stakes financial reasoning tasks.
- Abstract（参考訳）: 思考促進の連鎖は複雑な推論を改善するが、その長い中間的トレースは、かなりの推論コストをもたらし、財務状況における実践的な展開を妨げる。
本稿では,解答精度と論理コヒーレンスを保ちながら推論鎖を圧縮する階層的セマンティック蒸留ネットワーク,HSDNを提案する。
このフレームワークはセマンティックセグメンテーション、依存性グラフの構成、二重エンコーダの重要度スコアリング、制約されたセグメント選択、および局所境界書き換えを組み合わせたものである。
凍結したQwen3 4Bモデルは特徴抽出と最終回答生成にのみ使用され、圧縮プロセスは構造化され、解釈可能である。
AFAC2025ベンチマークでは、HSDNは68.4%の圧縮で91.0%の精度を達成した。
その結果, グラフ誘導圧縮は, 高利得の財務推論タスクに有効であることが示唆された。
関連論文リスト
- CRISP: Compressing Redundancy in Chain-of-Thought via Intrinsic Saliency Pruning [25.840307083323456]
CoT(Long Chain-of-Thought)推論は最近の推論モデルの成功に欠かせないが、高い計算オーバーヘッドと遅延に悩まされている。
本稿では,本モデル固有のサリエンシを利用してCoTを圧縮するフレームワークであるtextbfCompressing textbfRedundancy in Chain-of-Thought について,textbfIntrinsic textbfSaliency textbfPruning (textbfCRISP)を提案する。
論文 参考訳（メタデータ） (2026-04-19T07:26:55Z) - Towards Efficient Large Language Reasoning Models via Extreme-Ratio Chain-of-Thought Compression [55.63153956934198]
Chain-of-Thought (CoT)推論はLarge Language Models (LLMs)の推論能力をうまく向上させる
既存のCoT圧縮法は、しばしば高い圧縮比で論理的忠実度が著しく低下する。
本稿では,Extra-CoTと呼ばれる新しいEXTreme-RAtio Chain-of-Thought Compressionフレームワークを提案する。
論文 参考訳（メタデータ） (2026-02-09T06:57:15Z) - Short Chains, Deep Thoughts: Balancing Reasoning Efficiency and Intra-Segment Capability via Split-Merge Optimization [68.89915707647138]
大規模推論モデル(LRM)は、長い推論連鎖の生成を通じて複雑なタスクを解く際、印象的な能力を示した。
textbfCoSMo(textbfSplit-textbfMerge textbfOptimization)を提案する。
論文 参考訳（メタデータ） (2026-02-03T05:54:28Z) - CoT-X: An Adaptive Framework for Cross-Model Chain-of-Thought Transfer and Optimization [5.857877898558651]
CoT(Chain-of-Thought)推論は、大規模言語モデル(LLM)の問題解決能力を高めるが、かなりの推論オーバーヘッドをもたらす。
本稿では、適応的推論要約フレームワークを用いて、異なるスケールとアーキテクチャのモデル間での効率的なCoT転送について検討する。
論文 参考訳（メタデータ） (2025-11-07T22:35:31Z) - Accelerating Chain-of-Thought Reasoning: When Goal-Gradient Importance Meets Dynamic Skipping [3.521097198612099]
Adaptive GoGI-Skipは、教師付き微調整によって動的CoT圧縮を学ぶ新しいフレームワークである。
CoTトークンの数を平均で45%以上削減し、1.6～2.0倍の推論スピードアップを実現している。
特に、高い効率の圧縮速度でも精度を保ち、既存のベースラインを著しく上回る。
論文 参考訳（メタデータ） (2025-05-13T09:39:18Z) - Scalable Chain of Thoughts via Elastic Reasoning [61.75753924952059]
Elastic Reasoningは、スケーラブルな思考の連鎖のための新しいフレームワークである。
推論は、独立して割り当てられた予算で、思考と解決の2つのフェーズに分けられる。
我々のアプローチは、制約のない設定でもより簡潔で効率的な推論をもたらす。
論文 参考訳（メタデータ） (2025-05-08T15:01:06Z) - ConCISE: Confidence-guided Compression in Step-by-step Efficient Reasoning [64.93140713419561]
大型推論モデル (LRM) は、Chain-of-Thought (CoT) による複雑な推論タスクで強く機能するが、しばしば冗長な出力に悩まされる。
既存の微調整ベースの圧縮手法は、ポストホックプルーニングを動作させるか、コヒーレンスを推論する破壊を危険にさらすか、サンプリングベースの選択に依存するかのいずれかである。
ConCISEは、簡潔な推論連鎖を生成するために設計されたフレームワークであり、信頼注入を統合して推論の信頼性を高める。
論文 参考訳（メタデータ） (2025-05-08T01:40:40Z)
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。