論文の概要: Local Edits, Global Ripples: Replay-Informed Policy Adaptation for Workflow Synthesis
- arxiv url: http://arxiv.org/abs/2609.12127v1
- Date: Thu, 10 Sep 2026 18:55:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-15 07:38:31.518688
- Title: Local Edits, Global Ripples: Replay-Informed Policy Adaptation for Workflow Synthesis
- Title（参考訳）: ローカル編集,グローバルリップル:ワークフロー合成のためのリプレイインフォームされたポリシー適応
- Abstract要約: RIPPLEを導入し、編集の場所と編集後の安全な場所を区別する。
RIPPLEは検証成功を最大23.1%改善し、2つの凍結した言語モデルバックボーンにプラスの利益をもたらす。
- 参考スコア（独自算出の注目度）: 10.148885694546777
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Prompt-policy editing offers a practical way to improve agents that synthesize executable workflows without updating the underlying model. However, persistent prompt editing has two coupled properties. First, edit locality does not imply effect locality: an edit confined to one policy segment can ripple through downstream execution, altering behavior beyond the edited segment. Second, edit effects are composition-sensitive: edits that work in isolation can interfere after composition, causing one or both to lose their benefit or become harmful. Persistent adaptation must therefore support two distinct decisions: identifying where the policy should change from execution feedback, and determining whether the resulting edit remains safe to persist after composition. To address these challenges, we introduce RIPPLE (Replay-Informed Persistent Policy Localization and Editing), which separates where an edit is made from whether it remains safe after composition. It diagnoses failed trajectories, maps each actionable failure to a predefined policy segment, and restricts the correction to that part of the policy. RIPPLE then evaluates candidates against the same iteration-start policy to compare their isolated gains, before replaying promising edits after previously accepted updates to expose downstream effects and interactions. Only edits that remain safe under composition are retained. We evaluate RIPPLE on Flow-HO, a synthetic held-out benchmark for executable workflow synthesis. RIPPLE improves validation success by up to 23.1% and yields positive gains on two additional frozen language-model backbones, while maintaining edit efficiency and low execution cost. Targeted interaction analysis further demonstrates both properties: a segment-local tool-use edit changes downstream resource resolution and validation, while an edit beneficial in isolation becomes harmful after composition.
- Abstract（参考訳）: Prompt-policy編集は、基礎となるモデルを更新することなく実行可能なワークフローを合成するエージェントを改善する実用的な方法を提供する。
しかし、永続的なプロンプト編集には2つの結合特性がある。
ひとつは、あるポリシーセグメントに制限された編集は、下流での実行を通じて波及し、編集されたセグメントを超えた振る舞いを変化させる。
第二に、編集効果は構成に敏感であり、単独で動作する編集は構成後に干渉し、1つまたは両方が利益を失うか有害になる。
したがって、永続的な適応は、ポリシーが実行フィードバックからどこを変えるべきかを識別し、結果の編集が構成後に安全かどうかを判断する、2つの異なる決定をサポートする必要がある。
これらの課題に対処するために、RIPPLE(Replay-Informed Persistent Policy Localization and Editing)を導入し、編集の場所を構成後の安全な場所から分離する。
障害の軌跡を診断し、各動作可能な障害を事前に定義されたポリシーセグメントにマッピングし、修正をポリシーのその部分に制限する。
RIPPLEは次に、同じイテレーション開始ポリシーに対する候補を評価して、分離した利得を比較し、前もって受け入れられたアップデートの後、有望な編集を再生して、下流のエフェクトとインタラクションを公開する。
構成上、安全な編集のみが維持される。
ワークフロー合成のための合成ホールドアウトベンチマークであるFlow-HO上でのRIPPLEの評価を行った。
RIPPLEは検証成功率を最大で23.1%向上させ、2つの冷凍言語モデルのバックボーンにプラスの利益をもたらすと同時に、編集効率と実行コストの低減を維持している。
セグメントローカルツールの使用による編集では、下流のリソースの解像度とバリデーションが変更される。
関連論文リスト
- TRACE: Transition-Aware Residual Control for Multi-Objective Materials Discovery [12.756590731591286]
既存のエージェントは評価された候補とそのスコアを格納するので、どの素材が成功したかはわかるが、どの編集が有用なプロパティ変更を引き起こしたかは分かっていない。
我々は、評価された編集をフィードバックの基本単位として扱う、トランジション対応残差制御フレームワークTRACEを提案する。
TRACEは、各ローカルリファインメントを、観測されたプロパティデルタによる親子移行として記録し、トランジションエビデンスを集約して再利用可能な編集効果を推定し、予測能力によって将来の編集をランク付けする。
論文 参考訳（メタデータ） (2026-08-23T13:20:35Z) - When Recovery Matters: The Blind Spot of Surrogate Privacy in MLLM Editing [61.80513991207956]
我々は、36のきめ細かいプライバシーカテゴリと65の編集手順をカバーする最初のリカバリ指向ベンチマークであるSPPE(Surrogate-based Privacy-Preserving Editing)を紹介する。
編集性評価のために、ERMAはSRCCで13.9%、PLCCで12.3%向上した。
SPPEとInstructPix2Pixの実験では、両方のタスクが一貫した改善が見られた。
論文 参考訳（メタデータ） (2026-06-05T11:40:03Z) - EditPropBench: Measuring Factual Edit Propagation in Scientific Manuscripts [0.0]
科学的写本のローカルな事実編集は、しばしば非ローカルな修正義務を創出する。
最近のarXiv cs.CLベンチマークとデータセット論文の監査では、37.2%の論文で事実に依存した質的主張が見つかった。
LLMエディタが依存する原稿クレームを通じて実際の編集を伝播するかどうかを測定するベンチマークであるEditPropBenchを紹介する。
論文 参考訳（メタデータ） (2026-05-03T22:46:47Z) - SWE-Edit: Rethinking Code Editing for Efficient SWE-Agent [17.74253780030394]
SWE-Editは、コード編集を2つの特別なサブエージェントに分解する。
SWE-bench Verifiedでは、SWE-Editは推論コストを17.9%削減し、解決率を2.1%改善する。
論文 参考訳（メタデータ） (2026-04-28T20:35:09Z) - CEI-3D: Collaborative Explicit-Implicit 3D Reconstruction for Realistic and Fine-Grained Object Editing [51.73433734209541]
既存の3D編集手法は、再構成ネットワークの深い統合性のために、非現実的で未精細な結果をもたらすことが多い。
本稿では,現実的できめ細かな編集を容易にするための,編集指向の再構築パイプラインであるCEI-3Dを紹介する。
提案手法は,最新技術(SOTA)手法よりも,よりリアルできめ細かな編集結果を実現すると同時に,編集時間を短縮する。
論文 参考訳（メタデータ） (2026-03-12T11:15:11Z) - CoEditor++: Instruction-based Visual Editing via Cognitive Reasoning [98.98349220451216]
CoEditor++は、編集を"編集する方法"と"編集方法"に分解する、トレーニング不要のフレームワークである。
我々は,CoEditor++が編集タスクと編集タスクの両方において,最先端のパフォーマンスを実現することを示す。
以上の結果から,認知中心型画像編集の可能性が示唆された。
論文 参考訳（メタデータ） (2026-01-31T12:20:46Z) - Beyond Hard Writes and Rigid Preservation: Soft Recursive Least-Squares for Lifelong LLM Editing [16.768713543557443]
モデル編集は、関係のない振る舞いを保持しながら、再トレーニングすることなく、新しい事実やルールで事前訓練された更新を行う。
長い逐次編集のための最小二乗エディタ RLSEdit を提案する。
複数のモデルファミリの実験は、10K編集への安定したスケーリングを示し、編集成功と全体安定性の両方において強力なベースラインを達成している。
論文 参考訳（メタデータ） (2026-01-22T06:11:44Z) - FlowDC: Flow-Based Decoupling-Decay for Complex Image Editing [52.54102743380658]
本稿では,複雑な編集を複数のサブ編集エフェクトに分離し,編集プロセス中に並列に重畳するFlowDCを提案する。
FlowDCは既存の方法に比べて優れた結果を示した。
論文 参考訳（メタデータ） (2025-12-12T09:08:39Z) - Quantifying Edits Decay in Fine-tuned LLMs [17.377278510871843]
本研究では,微調整が知識編集に与える影響について検討する。
我々は,2つの最先端編集手法(MEMIT,AlphaEdit)と3つの微調整手法を評価した。
以上の結果から,微調整後に編集が崩壊し,生存は構成によって異なることが明らかとなった。
論文 参考訳（メタデータ） (2025-11-08T04:58:03Z) - Optimisation-Based Multi-Modal Semantic Image Editing [58.496064583110694]
本稿では,複数の編集命令型に対応するために,推論時編集の最適化を提案する。
各損失関数の影響を調整することで、ユーザの好みに合わせてフレキシブルな編集ソリューションを構築することができる。
本手法は,テキスト,ポーズ,スクリブルといった編集条件を用いて評価し,複雑な編集を行う能力を強調した。
論文 参考訳（メタデータ） (2023-11-28T15:31:11Z) - Object-aware Inversion and Reassembly for Image Editing [61.19822563737121]
オブジェクトレベルのきめ細かい編集を可能にするために,オブジェクト認識型インバージョンと再アセンブリ(OIR)を提案する。
画像の編集時に各編集ペアに対して最適な反転ステップを見つけるために,検索基準を用いる。
本手法は,オブジェクトの形状,色,材料,カテゴリなどの編集において,特に多目的編集シナリオにおいて優れた性能を発揮する。
論文 参考訳（メタデータ） (2023-10-18T17:59:02Z)
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。