論文の概要: Sampling headroom is not selection gain: a compute-value audit of test-time scaling for video world models
- arxiv url: http://arxiv.org/abs/2609.13257v1
- Date: Sun, 06 Sep 2026 06:11:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 12:40:38.809674
- Title: Sampling headroom is not selection gain: a compute-value audit of test-time scaling for video world models
- Title（参考訳）: ヘッドルームのサンプリングは選択の得ではない:ビデオワールドモデルにおけるテスト時間スケーリングの計算値監査
- Abstract要約: テストタイムスケーリングは、より多くの計算がより良い候補を生成する場合にのみ生成を改善することができ、システムはそれらを確実に識別できる。
我々は,余分なサンプリングが機会を生み出すかどうかを問う連続的なフレームワークであるCompute-Value Audit(CVA)を紹介する。
192の物理IQのシーンでは、プールを4から16の候補に拡張すると、オラクルの品質は+9.23 IQ向上する。
12のアダプティブ・ディープス・ポリシーは、均一な計算よりも優れておらず、測定されたエントリー料金の42-69%しか回復しない。
- 参考スコア（独自算出の注目度）: 34.20907662027954
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Test-time scaling (TTS) can improve generation only when additional compute produces better candidates and the system can reliably identify them. This distinction is especially important for video world models, where a wider sample pool may contain stronger rollouts without improving the output that is ultimately selected. We introduce the Compute-Value Audit (CVA), a sequential framework that asks whether extra sampling creates opportunity, observable signals provide a reliable state, that state supports a beneficial action, and the resulting gain exceeds the full entry fee of generation and verification. On 192 Physics-IQ scenes, expanding the pool from 4 to 16 candidates increases oracle quality by +9.23 IQ (95% CI [+7.44, +11.14]), but Flow, Cycle, and VideoReward fail to recover this headroom reliably. Across three generators, none of twelve adaptive-depth policies outperforms uniform compute; they recover only 42-69% of the measured entry fee. A matched-60-NFE Predict-and-Perturb intervention on VideoPhy2 is likewise negative across three fresh-seed replicas. These negative results are not universal: anchor-explorer passes all four stages in a sparse PRM800K setting, MMLU-Pro exposes the gap between predictive state and useful action, and a privileged paired future establishes a positive video upper bound. Together, these results show that sampling headroom has deployment value only when it can be converted into a reliable decision whose benefit survives the complete compute charge. Code is available at https://github.com/YuhuaJiang2002/sampling-headroom-is-not-selection-gain.
- Abstract（参考訳）: テストタイムスケーリング(TTS)は、追加の計算がより良い候補を生成する場合にのみ生成を改善することができ、システムはそれらを確実に識別できる。
この区別は、より広いサンプルプールが最終的に選択される出力を改善することなくより強力なロールアウトを含む、ビデオワールドモデルにとって特に重要である。
我々は、余分なサンプリングが機会を生み出し、観測可能な信号が信頼できる状態を提供し、状態が有益なアクションをサポートし、結果として得られるゲインが生成と検証の完全なエントリー料金を超えているかどうかを問うシーケンシャルなフレームワークであるCompute-Value Audit(CVA)を紹介する。
192の物理IQシーンでは、プールを4から16の候補に拡張すると、オラクルの品質は+9.23 IQ(95% CI [+7.44, +11.14])向上するが、フロー、サイクル、ビデオリワードは確実にこのヘッドルームを回復できなかった。
3つの発電機全体では、12の適応深度ポリシーが一様計算を上回っておらず、測定された入場料の42-69%しか回収できない。
Matched-60-NFE Predict-and-PerturbによるVideoPhy2の介入も同様に3つの新しいレプリカに対してネガティブである。
これらの負の結果は普遍的ではない: アンカー・エクスプローラは、スパースPRM800K設定で4段階全てを通過し、MMLU-Proは予測状態と有用なアクションの間のギャップを露呈し、特権化されたペア化された未来は、ポジティブなビデオ上界を確立する。
これらの結果から, ヘッドルームのサンプリングは, 完全計算電荷に耐えうる信頼性の高い決定に変換できる場合にのみ, 配置値を有することが示された。
コードはhttps://github.com/YuhuaJiang2002/sampling-headroom-is-not-selection-gainで入手できる。
関連論文リスト
- BLOOM-WILT: Logit Tilting for Behaviour Elicitation in Automated LLM Auditing [0.898478290216692]
BLOOM-WILTは、トレーニングコストやターゲットの次のトーケン分布を越えてアクセスすることなく、レアな振る舞いの自然なマルチターンインスタンスを提供する。
WILTを4つのターゲットモデルと8つの動作で評価し、32設定のうち30設定でベースライン監査を破る。
論文 参考訳（メタデータ） (2026-08-31T17:10:59Z) - Test-Time Scaling in the Wild: Why Exploitation, Not Exploration, Is the Bottleneck [1.4991111518581999]
テストタイムスケーリング(TTS)は、追加の推論計算を使用することで、言語モデルの出力を改善する。
5世代ベンチマークで5つのTSファミリーの計算正規化比較を行った。
論文 参考訳（メタデータ） (2026-08-19T13:59:53Z) - Sample-Adaptive Latent Rewards for Uncertainty-Guided Diffusion Post-Training [51.18425726646089]
我々は、画像とビデオの拡散モデルのための統合潜在空間フレームワークであるtextscSUREを提案する。
報酬分布を学習し、信頼性を直接利用して、密集したポストトレーニングをガイドする。
textscSURE-REFLは評価手法の中で最も高いVBench品質、セマンティック、総得点を達成する。
論文 参考訳（メタデータ） (2026-08-06T14:55:42Z) - Oracle Gap and Signal Fidelity: A Fixed-Pool Diagnostic for Test-Time Collaboration [8.515185888009833]
テストタイムのコラボレーションはLLM推論の改善と評価されることが多いが、その利益は不均一であり、時にはネガティブである。
固定候補プールに対しては、セレクタまたは検証器のネットゲインを測定可能な要素に分解する。
このことは、マルチエージェントトポロジーの本質的な性質としてではなく、候補選択問題として協調を再構築する。
論文 参考訳（メタデータ） (2026-07-20T04:09:19Z) - Towards Fast and Effective Long Video Understanding of Multimodal Large Language Models via Adaptive Quasi-Gaussian Sampling [71.62893745623526]
ビデオフレーム選択は準ガウスサンプリングの問題である。
我々はAdaQと呼ばれる適応的でトレーニングなしのアプローチを提案する。
論文 参考訳（メタデータ） (2026-06-23T06:13:30Z) - Selective Test-Time Compute Scaling for Click-Through Rate Prediction via Uncertainty-Triggered Feature Path Exploration [9.542597285477683]
テスト時間計算のスケーリングは言語モデルに非常に効果的であることが証明されているが、この機会は産業用クリックスルーレート(CTR)予測では探索されていない。
UTTSI(Uncertainty-Triggered Test-Time Selective Inference)は、トレーニング不要なモデルに依存しないフレームワークで、推論深度をインスタンスごとの不確実性に比例して拡張する。
論文 参考訳（メタデータ） (2026-05-24T10:29:10Z) - The Surprising Universality of LLM Outputs: A Real-Time Verification Primitive [0.0]
CPUのみのスコアリングプリミティブはトークン当たり2.6マイクロ秒で動作する。
トークンのランク周波数分布は同じ2パラメータのMandelbrotランキング分布に収束する。
利用可能な場合にモデルログの確率で構成し、クローズドAPIで使用可能なランクオンリーモードに分解するシングルパススコアリングプリミティブを導出する。
論文 参考訳（メタデータ） (2026-04-28T13:35:31Z) - ODAR: Principled Adaptive Routing for LLM Reasoning via Active Inference [60.958331943869126]
ODAR-Expertは、原則化されたリソース割り当てによる精度と効率のトレードオフを最適化する適応的なルーティングフレームワークである。
我々は、MATHの98.2%の精度、HumanityのLast Examの54.8%を含む、強く一貫した利得を示している。
論文 参考訳（メタデータ） (2026-02-27T05:22:01Z) - dVoting: Fast Voting for dLLMs [71.572316901001]
拡散大言語モデル(dLLMs)は自己回帰モデリングを超えた新しいパラダイムである。
dLLMは任意の位置で任意のトークンを並列に生成できるため、並列テストタイムスケーリングには大きな可能性がある。
トレーニングなしで推論能力を高める高速投票手法であるdVotingを導入する。
論文 参考訳（メタデータ） (2026-02-12T16:35:05Z) - Adaptive Inference-Time Compute: LLMs Can Predict if They Can Do Better, Even Mid-Generation [51.127054971591924]
本稿では,生成サンプル数を適応的に削減する新たな自己評価手法を提案する。
平均1.2サンプルだけで16サンプルの使用による改善の74%が達成できることを実証した。
論文 参考訳（メタデータ） (2024-10-03T17:47:29Z)
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。