論文の概要: A Closed-Loop Control Architecture for Reliable Constraint Satisfaction in LLM Text Generation
- arxiv url: http://arxiv.org/abs/2609.19710v1
- Date: Thu, 17 Sep 2026 05:03:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-20 08:55:54.113947
- Title: A Closed-Loop Control Architecture for Reliable Constraint Satisfaction in LLM Text Generation
- Title（参考訳）: LLMテキスト生成における信頼性制約満足度のための閉ループ制御アーキテクチャ
- Abstract要約: ソフトウェアシステムは、数値出力制約を満たさなければならない機能に、大きな言語モデルを組み込んでいる。
単一のプロンプトは、ターゲットを確実に満たさず、ソース内容も保存しない。
本稿では,この問題に対するクローズドループ制御アーキテクチャの提案と評価を行う。
- 参考スコア（独自算出の注目度）: 3.5421466056561304
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Software systems increasingly embed a large language model in features that must satisfy a numeric output constraint, that is, a requirement expressible as a number or an interval and checkable by code, such as a target word count or a target readability grade band. Because such a model is non-deterministic, is configured through natural-language instructions rather than a typed interface, and satisfies a stated requirement only approximately, a single prompt neither reliably meets the target nor preserves the source content. This paper presents and evaluates a closed-loop control architecture for this problem. It has five stages: generate, evaluate, adjust, archive, and analyze. The model is called only to write and to edit text, while deterministic code compares a composite readability value against a target band, rejects any edit that drops source entities, numbers, or keywords, and makes every accept decision. Over 114 single-shot generation jobs and 240 closed-loop runs on four commercial models, single-shot prompting met the target in 21.1 to 31.6 percent of cases and the closed loop in 92.5 to 98.8 percent, within two edit rounds on average and at a recall-based fidelity of 0.92 to 0.93; the two models common to both settings show the same effect. Because the controller optimizes the value on which success is scored, the result establishes reproducible control over a declared, computable metric and not validated human difficulty. The transferable practice is to declare the acceptance condition as code, bound the model to local edits, and gate every edit on a content check.
- Abstract（参考訳）: ソフトウェアシステムは、数値出力制約を満たさなければならない機能、すなわち、数またはインターバルとして表現でき、対象の単語数や対象の可読性グレードバンドなどのコードでチェック可能な要件に、大きな言語モデルを組み込んでいる。
このようなモデルは非決定論的であり、型付きインタフェースではなく自然言語命令によって構成され、記述された要件をほぼ満たしているため、単一のプロンプトはターゲットを確実に満たさず、ソースコンテンツを保存しない。
本稿では,この問題に対するクローズドループ制御アーキテクチャの提案と評価を行う。
生成、評価、調整、アーカイブ、分析の5つのステージがある。
モデルはテキストを書き、編集するためにのみ呼び出されるが、決定論的コードは、合成可読性値を対象のバンドと比較し、ソースエンティティ、数値、キーワードをドロップする編集を拒絶し、全ての受け入れ決定を行う。
114人以上のシングルショット世代ジョブと240人のクローズドループが4つの商用モデルで実行され、シングルショットプロンプトは21.1から31.6%、クローズドループは92.5から98.8%、平均2回の編集ラウンドとリコールベースの忠実度0.92から0.93の範囲で目標に到達した。
コントローラは成功値の最適化を行うので、結果は、宣言された計算可能なメトリックに対する再現可能な制御を確立し、人間の困難さを検証しない。
転送可能なプラクティスは、受け入れ条件をコードとして宣言し、モデルをローカル編集にバインドし、コンテンツチェックで各編集をゲートする。
関連論文リスト
- SemVerBench: Benchmarking LLM Comprehension of Version-Constraint Resolution Semantics [15.233613140316791]
SemVerBenchは、3つのエコシステムにわたるバージョン制約解決セマンティクスの最初のベンチマークである。
6つのフロンティアモデルを評価し,統計的に有意な自己評価は得られなかった。
タスクが検証可能で、100%正しいリゾルバが存在するため、ツールデリゲートは100%に達する。
論文 参考訳（メタデータ） (2026-09-10T07:34:44Z) - Diffs vs. Whole Files: An Empirical Comparison of Iterative Edit-Based and Direct Generation for Flutter/Dart Code Models [0.0]
直接生成と差分ベース生成という2つの出力方式で2つのコードモデルをトレーニングします。
直接生成は、測度毎に差分ベースの生成を大幅に上回る。
差分ベースの生成が勝つ条件の背後にある、アーキテクチャに依存しない単一のメカニズムを特定します。
論文 参考訳（メタデータ） (2026-09-05T00:13:49Z) - Verification-Aware Training for Speculative Decoding [57.84976863792784]
VAT(Verification-Aware Training)は、トレーニングステップ毎に検証をシミュレートし、その結果の受け入れパターンと拒否パターンを監督するプラグインフレームワークである。
VATはトレーニング対象のみを変更するため、ドラフトアーキテクチャやターゲットモデル、推論手順を変更することなく、既存のメソッドの上にレイヤー化することができる。
VATは平均受理期間を最大11.4%改善し、ウォールクロックのスピードアップを最大8.7%向上させ、数学、コード、チャットベンチマークで一貫した利益を得ている。
論文 参考訳（メタデータ） (2026-08-31T01:42:10Z) - Verication-driven closed-loop multi-agent large language modelframework for code-compliant structural design [4.011805372961053]
マルチエージェント大言語モデル(LLM)システムは構造設計に適用され、ほとんどの場合ワンショット生成を使用し、出力を検証できない。
このフレームワークは、外部物理ベースの検証器からのフィードバックをクローズドな修復ループに注入する。
論文 参考訳（メタデータ） (2026-08-08T07:26:44Z) - Constrained Decoding for Diffusion Language Models via Efficient Inference over Finite Automata [57.27430779838529]
有限オートマトンとして表現可能な任意の制約の下で,制約付き平均場後部からサンプリングする,正確かつトラクタブルなアルゴリズムを提案する。
このアプローチは、構築による制約満足度を保証し、欲求とサンプリングベースのデコーディングの両方をサポートし、並列およびブロックワイドデコーディングと互換性がある。
Dream-7B と LLaDA-8 の実証的な評価は、様々なタスクにおいてかなりの精度の向上を示した。
論文 参考訳（メタデータ） (2026-07-08T05:48:57Z) - Beyond Compilation: Evaluating Faithful Natural-Language-to-Lean Statement Formalization [10.775710068605006]
本稿では,評価問題とボトルネック帰属問題の両方として,忠実な文の形式化について検討する。
ツール拡張されたエージェントは89.5%のコンパイルに到達したが、コンセンサスの忠実度は60.5%に過ぎず、29.0ポイントのコンパイルパスを持つが、コンセンサスに反するギャップを露呈する。
論文 参考訳（メタデータ） (2026-06-30T00:27:53Z) - Beyond Pass Rate: A Multilingual, Execution-Grounded Evaluation of Open Code LLMs [0.0]
ベストモデルの平均正しさは23.64%に達し、人間受け入れベースラインは57.2%である。
Qwen2.5-Coder-14B-Instructは、難しい問題と明確なプロブレムカバレッジで最強である。
Gemma-2-27B-ITは全言語でのリント通過率が最も高い。
論文 参考訳（メタデータ） (2026-06-07T21:10:30Z) - OneDrive: Unified Multi-Paradigm Driving with Vision-Language-Action Models [69.2503510410147]
予め訓練されたVLM上に構築した統合自動運転フレームワークを提案する。
トレーニング済みのVLMアテンションは、純粋言語モデリング以上の強い伝達性を示すことを示す。
エンドツーエンドの自動運転ベンチマークの実験は、最先端のパフォーマンスを示している。
論文 参考訳（メタデータ） (2026-04-20T07:50:00Z) - vla-eval: A Unified Evaluation Harness for Vision-Language-Action Models [58.633451339058986]
VLAモデルは一般的に、各モデルリポジトリによって独立して維持されるベンチマークスクリプト毎に評価される。
本稿では、ベンチマーク実行からモデル推論を分離するオープンソースの評価ハーネスであるvla evalを紹介する。
完全な評価では、vla eval serveとvla eval runの2つのコマンドしか必要としない。
論文 参考訳（メタデータ） (2026-03-14T14:38:53Z) - AdapTrack: Constrained Decoding without Distorting LLM's Output Intent [53.75852524070165]
言語モデルに基づくコード生成と補完ツールは、時には必要な制約を満たさないコードを生成することがある。
制約に固執するコードを生成するために、制約付き復号法が開発された。
AdapTrackは、モデルの出力インテントを歪めるのを避けるため、制約に準拠するだけでなく、モデルの出力インテントと意味的に一致した結果を生成する。
論文 参考訳（メタデータ） (2025-10-20T10:11:34Z) - Every Step Counts: Decoding Trajectories as Authorship Fingerprints of dLLMs [63.82840470917859]
本稿では,dLLMの復号化機構をモデル属性の強力なツールとして利用できることを示す。
本稿では、デコードステップ間の構造的関係を捉え、モデル固有の振る舞いをよりよく明らかにする、DDM(Directed Decoding Map)と呼ばれる新しい情報抽出手法を提案する。
論文 参考訳（メタデータ） (2025-10-02T06:25:10Z)
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。