Fugu-MT 論文翻訳(概要): Decomposition Buys Integrity, Not Yield

論文の概要: Decomposition Buys Integrity, Not Yield

arxiv url: http://arxiv.org/abs/2609.17464v1
Date: Tue, 15 Sep 2026 17:04:09 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-16 14:56:08.632339
Title: Decomposition Buys Integrity, Not Yield
Title（参考訳）: ディスカレーション、インテリジェンスを買収-利回りではなく
Abstract要約: マルチエージェントシステムは、タスクをエージェントのツリーに分割し、フォークロアで分割を正当化する。葉がどれだけ根に到達したかは、その分裂がどうなるのかを問う。
参考スコア（独自算出の注目度）: 0.304585143845864
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Multi-agent systems split a task across a tree of agents and justify the split with folklore: smaller contexts, cleaner separation, parallelism. We ask what the split does to how much of what the leaves discover reaches the root. Model a decomposition as a tree in which an agent handed $b$ items keeps any one with probability $r(b)$. If $r(b)=1/b$, every tree delivers exactly one finding, for every task size and every shape; we verify this to $2.4 \times 10^{-15}$ on 20,000 random irregular trees. If $r(b)=Cb^{-δ}$, a depth-$k$ tree over $N$ findings yields $C^k N^{1-δ}$: task size and architecture separate, and architecture contributes only $C \le 1$ per level, so flat is optimal for yield and no arrangement of agents escapes the exponent $δ$. On 600 production deep-research traces $δ= 0.34$ [0.30, 0.38], by three identifications that do not share a failure mode. At a hop where item boundaries come from the tool rather than a text heuristic, and where $b=1$ occurs 550 times, $C = 0.571$ [0.527, 0.615] is observed rather than extrapolated, over 16,082 hops. A tier also costs alignment: on 1,012 annotated multi-agent traces one brief in sixteen goes off-target, giving $μ= 0.939$ and a per-tier penalty $Cμ= 0.536$. Depth is bought on two other axes. The root context is the only state that persists and the only one that cannot cheaply forget, and depth cuts its exposure from $N$ items to $N^{1/k}$. Depth is also cheaper: production flat agents bill as $N^{1.39}$, not the $N^2$ an append-only context predicts, and at equal spend two tiers overtake flat at 403 findings. Across every parameter we measured the model says 0.7% to 11.3% of production sessions are worth delegating, against 7.8% that do. A hazard model on 743,819 production tool calls finds that delegation does not respond to a filling context and is instead an opening move.
Abstract（参考訳）: マルチエージェントシステムは、タスクをエージェントのツリーに分割し、より小さなコンテキスト、よりクリーンな分離、並列性といった、フォークロアで分割を正当化する。葉がどれだけ根に到達したかは、その分裂がどうなるのかを問う。エージェントが$b$アイテムを渡した木として分解をモデル化すると、確率$r(b)$を持つものを保持する。 1/b$$$r(b)=1/b$の場合、すべての木は、すべてのタスクサイズと全ての形に対して、正確に1つの発見を提供する。もし$r(b)=Cb^{-δ}$なら、深さ-$k$木は$N$の発見を導き、$C^k N^{1-δ}$:タスクサイズとアーキテクチャを分離し、アーキテクチャは1レベルあたり$C \le 1$しか寄与しない。 600のプロダクションでは、障害モードを共有しない3つの識別によって、δ=0.34$[0.30, 0.38]をトレースする。アイテム境界がテキストヒューリスティックではなくツールから来ているホップでは、$b=1$は550回発生し、$C = 0.571$ [0.527, 0.615]は外挿ではなく16,082ホップである。 10%12の注釈付きマルチエージェントでは16分の1がオフターゲットとなり、$μ=0.939$と1層あたりのペナルティが$Cμ=0.536$となる。奥行きは他の2つの軸で購入される。ルートコンテキストは、持続する唯一の状態であり、安くは忘れられない唯一の状態であり、深さは、その露出を$N$アイテムから$N^{1/k}$に削減する。生産用フラットエージェントは$N^{1.39}$で、追加専用コンテキストで予測される$N^2ではない。モデルで測定したすべてのパラメータで、プロダクションセッションの0.7%から11.3%は、その7.8%に対して、委譲に値する。 743,819生産ツールコールのハザードモデルは、デリゲートが充足コンテキストに応答せず、オープニング動作であることを示す。

関連論文リスト

The Value of Depth in Message Passing on Sparse Graphs: A Kesten-Stigum Dichotomy [0.0]
グラフニューラルネットワークがスパースグラフにどの程度の深さを持つ必要があるかを研究する。深さの値は、Kesten-Stigum比$=2$である。任意の深さの局所分類器は、孤立根によって設定された普遍床 $e-(-)$ を破ることはない。
論文参考訳（メタデータ） (2026-07-18T07:11:45Z)
Pruning Deep Neural Networks via the Marchenko--Pastur Distribution [0.0]
提案手法は,超小型の切削後微調整予算を持つ深層ニューラルネットワークにおけるランダム・マトリクス手法である。主な実用的貢献は、短いキャリブレーションと微調整スケジュールの下での精度維持である。
論文参考訳（メタデータ） (2026-05-23T19:44:02Z)
Near-Optimal Regret Bounds for Multi-batch Reinforcement Learning [54.806166861456035]
本研究では,有限水平マルコフ決定過程(MDP)によってモデル化されたエピソディック強化学習(RL)問題をバッチ数に制約を加えて検討する。我々は,$tildeO(sqrtSAH3Kln (1/delta))$tildeO(cdot)をほぼ最適に後悔するアルゴリズムを設計し,$(S,A,H,K)$の対数項を$K$で隠蔽する。技術的貢献は2つある: 1) 探索のためのほぼ最適設計スキーム
論文参考訳（メタデータ） (2022-10-15T09:22:22Z)
Near-Linear Time and Fixed-Parameter Tractable Algorithms for Tensor Decompositions [51.19236668224547]
テンソルの低階近似について検討し,テンソルトレインとタッカー分解に着目した。テンソル列車の分解には、小さなビクリテリアランクを持つビクリテリア$(1 + eps)$-approximationアルゴリズムと、O(q cdot nnz(A))$ランニングタイムを与える。さらに、任意のグラフを持つテンソルネットワークにアルゴリズムを拡張します。
論文参考訳（メタデータ） (2022-07-15T11:55:09Z)
On Computing Probabilistic Explanations for Decision Trees [4.406418914680962]
十分な理由は、決定木を$T$とインスタンスを$x$とすると、決定を$T(x)$とします。本稿では,決定木に対する$delta$sufficient-reasonsの計算複雑性について検討する。決定木の構造的制約を識別し,SATソルバがこれらの問題に実際にどのように対処できるかを示す。
論文参考訳（メタデータ） (2022-06-30T21:58:31Z)
Coresets for Decision Trees of Signals [19.537354146654845]
仮にそのような行列に対して$(k,varepsilon)$-coresetを出力する最初のアルゴリズムを提供する。これは、決定木と -- 機械学習から -- 計算幾何学における分割木の間のリンクをフォージすることで実現している。
論文参考訳（メタデータ） (2021-10-07T05:49:55Z)
Gap-Dependent Unsupervised Exploration for Reinforcement Learning [40.990467706237396]
タスクに依存しない強化学習のための効率的なアルゴリズムを提案する。このアルゴリズムは1/epsilon cdot (H3SA / rho + H4 S2 A) の$widetildemathcalOのみを探索する。情報理論上、この境界は$rho Theta (1/(HS))$と$H>1$に対してほぼ厳密であることを示す。
論文参考訳（メタデータ） (2021-08-11T20:42:46Z)
On the Power of Multitask Representation Learning in Linear MDP [61.58929164172968]
本稿では,線形マルコフ決定過程(MDP)におけるマルチタスク表現学習の統計的メリットについて分析する。簡単な最小二乗アルゴリズムが $tildeO(H2sqrtfrackappa MathcalC(Phi)2 kappa dNT+frackappa dn) というポリシーを学ぶことを証明した。
論文参考訳（メタデータ） (2021-06-15T11:21:06Z)
Optimal Spectral Recovery of a Planted Vector in a Subspace [80.02218763267992]
我々は、$ell_4$ノルムが同じ$ell$ノルムを持つガウスベクトルと異なるプラントベクトル$v$の効率的な推定と検出について研究する。規則$n rho gg sqrtN$ では、大クラスのスペクトル法(そしてより一般的には、入力の低次法)は、植込みベクトルの検出に失敗する。
論文参考訳（メタデータ） (2021-05-31T16:10:49Z)
Improved Sample Complexity for Incremental Autonomous Exploration in MDPs [132.88757893161699]
我々は $epsilon$-optimal 目標条件付きポリシーのセットを学び、$ L$ ステップ内で段階的に到達可能なすべての状態を達成します。 DisCoは、コストに敏感な最短経路問題に対して$epsilon/c_min$-optimalポリシーを返すことができる最初のアルゴリズムです。
論文参考訳（メタデータ） (2020-12-29T14:06:09Z)
Deep Learning Meets Projective Clustering [66.726500395069]
NLPネットワークを圧縮するための一般的なアプローチは、埋め込み層を行列 $AinmathbbRntimes d$ としてエンコードすることである。計算幾何学から遠射的クラスタリングに着想を得て、この部分空間を$k$部分空間の集合で置き換えることを提案する。
論文参考訳（メタデータ） (2020-10-08T22:47:48Z)
On $\ell_p$-norm Robustness of Ensemble Stumps and Trees [83.81523991945018]
我々は,アンサンブルスタンプの音響検証のための効率的なプログラムベースアルゴリズムを開発した。我々は,アンサンブル・スタンプや木を訓練するための最初の認証された防御法を,$ell_p$ノルム摂動に関して実証した。
論文参考訳（メタデータ） (2020-08-20T03:42:40Z)

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。