Fugu-MT 論文翻訳(概要): Debate-to-Skill: Capability-Bound Process Supervision for Industrial Query-to-Agent Annotation

論文の概要: Debate-to-Skill: Capability-Bound Process Supervision for Industrial Query-to-Agent Annotation

arxiv url: http://arxiv.org/abs/2609.11176v1
Date: Thu, 10 Sep 2026 07:24:01 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-11 23:53:35.242625
Title: Debate-to-Skill: Capability-Bound Process Supervision for Industrial Query-to-Agent Annotation
Title（参考訳）: ディベート・トゥ・スキル:産業用クエリ・トゥ・アジェントアノテーションのための機能境界プロセススーパービジョン
Abstract要約: 我々は,アノテーションを実装不可能なプロセス管理として定式化し,それをDbate-to-Skillでインスタンス化する。我々は,Debate-to-Skillと直接ラベル管理,推論-SFT,構造改善を比較した。
参考スコア（独自算出の注目度）: 4.498816708264294
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Industrial query-to-agent matching fails when topical relevance is mistaken for executable capability, especially on long-tail and boundary-sensitive requests. We formulate annotation as \emph{capability-bound process supervision} and instantiate it with Debate-to-Skill, which uses reusable decision principles, structured deliberation, verifier-based verdict extraction, and disagreement-driven refinement. On an industrial Query2Agent benchmark, we compare Debate-to-Skill with direct-label supervision, reasoning-SFT, and structural ablations. The results test whether gains come from supervising the capability-critical decision process itself, especially on grey-zone cases where semantic relatedness and executable capability diverge.
Abstract（参考訳）: 産業的なクエリ・ツー・エージェントマッチングは、特にロングテールとバウンダリに敏感な要求において、トピックの関連性を実行可能能力と間違えると失敗する。本稿では, 再利用可能な決定原理, 構造化された検討, 検証者に基づく評定抽出, および不一致駆動による精査を利用するDebate-to-Skillを用いて, アノテーションを「emph{capability-bound process supervision}」として定式化し, インスタンス化する。産業用Query2Agentベンチマークでは、Debate-to-Skillと直接ラベル管理、推論SFT、構造改善を比較した。その結果、特に意味的関連性や実行可能な能力がばらばらなグレーゾーンの場合において、能力クリティカルな決定プロセス自体を監督することによって得られるものかどうかを検証した。

関連論文リスト

When Reasoning Hurts Legal Drafting: The Verbalization Bottleneck in Patent Claim Generation [3.536605202672355]
CoT(Chain-of-Thought)プロンプトは、大規模言語モデルの推論能力を改善するために広く使用されている。本稿では,CoTの特許請求生成促進効果について検討する。以上の結果から,推論の促進によりクレーム品質が向上する可能性が示唆された。
論文参考訳（メタデータ） (2026-07-11T21:19:39Z)
A Trace-Based Assurance Framework for Agentic AI Orchestration: Contracts, Testing, and Governance [0.22940141855172028]
本稿では,Large Language Models (LLM) を用いたエージェントAIシステムの保証フレームワークを提案する。実行は、明示的なステップとトレースコントラクトを備えたメッセージ・アクション・トレース(MAT)として実装される。このフレームワークは、有界摂動に対する予算付き反例探索として定式化されたストレステストを含む。
論文参考訳（メタデータ） (2026-03-18T10:23:48Z)
DRAFT: Task Decoupled Latent Reasoning for Agent Safety [59.46137757545185]
DRAFT(Task Decoupled Latent Reasoning for Agent Safety)を提案する。エクストラクターは、完全な軌跡をコンパクトな連続的な潜伏ドラフトに蒸留し、リゾナーはドラフトと元の軌跡に共同で参加して安全性を予測する。 DRAFTの精度は63.27%(LoRA)から91.18%に向上した。
論文参考訳（メタデータ） (2026-02-11T07:45:14Z)
AgenticSimLaw: A Juvenile Courtroom Multi-Agent Debate Simulation for Explainable High-Stakes Tabular Decision Making [0.6218206949753592]
我々はAgenticSimLawを紹介した。これは、透明で制御可能なテストタイム推論を提供するロール構造化マルチエージェントの議論フレームワークである。ブラックボックスアプローチとは異なり、裁判所スタイルのオーケストレーションでは、エージェントの役割を明確に定義しています。 NLSY97データセットを用いて、この枠組みを若者の復習予測にベンチマークする。
論文参考訳（メタデータ） (2026-01-29T16:26:10Z)
CoT-Seg: Rethinking Segmentation with Chain-of-Thought Reasoning and Self-Correction [50.67483317563736]
本稿では,段階的に考察し,必要な情報を検索し,結果を生成し,自己評価を行い,結果を洗練するシステムを提案する。 CoT-Segは、思考の連鎖推論と自己補正を組み合わせることで、推論セグメンテーションを再考する、トレーニング不要のフレームワークである。
論文参考訳（メタデータ） (2026-01-24T11:41:54Z)
Gaming the Judge: Unfaithful Chain-of-Thought Can Undermine Agent Evaluation [76.5533899503582]
大規模言語モデル(LLM)は、エージェントのパフォーマンスを評価するために、ますます裁判官として使われている。このパラダイムは、エージェントのチェーン・オブ・シークレット(CoT)推論が内部の推論と環境状態の両方を忠実に反映していることを暗黙的に仮定している。我々は、操作された推論だけで、様々なWebタスクにまたがる800の軌跡に対して、最先端のVLM審査員の偽陽性率を最大90%向上させることができることを実証した。
論文参考訳（メタデータ） (2026-01-21T06:07:43Z)
Project Ariadne: A Structural Causal Framework for Auditing Faithfulness in LLM Agents [0.0]
エージェント推論の因果的整合性を評価するための新しいXAIフレームワークである textbfProject Ariadne を紹介する。表面レベルのテキスト類似性に依存する既存の解釈可能性メソッドとは異なり、Project Ariadne は中間推論ノードに対して textbfhard の介入(do$-calculus)を行う。我々の最先端モデルに対する実証的な評価は、永続的なテクスチャフルネスギャップを明らかにします。
論文参考訳（メタデータ） (2026-01-05T18:05:29Z)
Fantastic Reasoning Behaviors and Where to Find Them: Unsupervised Discovery of the Reasoning Process [66.38541693477181]
本稿では, アクティベーション空間の方向として, 異なる推論挙動を符号化する, 推論ベクトルの発見のための教師なしフレームワークを提案する。思考の連鎖トレースを文レベルの「ステップ」にセグメント化することで、リフレクションやバックトラックのような解釈可能な振る舞いに対応する歪んだ特徴を明らかにする。本研究では,SAEデコーダ空間における信頼性関連ベクトルを同定し,応答信頼性を制御する能力を示す。
論文参考訳（メタデータ） (2025-12-30T05:09:11Z)
Laser: Governing Long-Horizon Agentic Search via Structured Protocol and Context Register [38.329346729947304]
本稿では,エージェント検索の安定化とスケーリングのためのフレームワークであるLaserを紹介する。レーザーはエージェントの振る舞いを計画、タスク解決、振り返りの3つの空間に整理する。レーザーは、プロンプトオンリーと微調整設定の両方で既存のエージェント検索ベースラインを一貫して上回る。
論文参考訳（メタデータ） (2025-12-23T15:53:33Z)
Few-shot Policy (de)composition in Conversational Question Answering [54.259440408606515]
本稿では,大規模言語モデル(LLM)を用いて数ショット設定でポリシーコンプライアンスを検出するニューラルシンボリックフレームワークを提案する。提案手法は,回答すべきサブクエストを抽出し,文脈情報から真理値を割り当て,与えられたポリシーから論理文の集合を明示的に生成することで,政策コンプライアンスに関する会話に対して健全な理由を示す。本手法は,PCDおよび会話機械読解ベンチマークであるShARCに適用し,タスク固有の微調整を伴わずに競合性能を示す。
論文参考訳（メタデータ） (2025-01-20T08:40:15Z)
Rationale-Augmented Ensembles in Language Models [53.45015291520658]
我々は、数発のテキスト内学習のための合理化促進策を再考する。我々は、出力空間における合理的サンプリングを、性能を確実に向上させるキーコンポーネントとして特定する。有理拡張アンサンブルは既存のプロンプト手法よりも正確で解釈可能な結果が得られることを示す。
論文参考訳（メタデータ） (2022-07-02T06:20:57Z)

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。