論文の概要: Complex Problem Solving in Large Language Models: A Statistical Control Survey and Diagnostic Framework

• arxiv url: http://arxiv.org/abs/2609.20973v1
• Date: Thu, 17 Sep 2026 18:28:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-21 18:40:16.748189
• Title: Complex Problem Solving in Large Language Models: A Statistical Control Survey and Diagnostic Framework
• Title（参考訳）: 大規模言語モデルにおける複雑な問題解決:統計的制御と診断フレームワーク
• Abstract要約: 大規模言語モデル(LLM)による複雑な問題解決は、しばしばより強い推論やより長い生成の問題としてフレーム化される。 しかし、早期のエラー増幅、迅速な脆さ、誤ったコミットメントを修正する失敗を説明するのは難しい。 本調査はCPSを潜在解状態上の逐次推定・決定問題と解釈する。
• 参考スコア（独自算出の注目度）: 52.886947585847594
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Complex problem solving (CPS) with large language models (LLMs) is often framed as a matter of stronger reasoning or longer generation. Yet early-step error amplification, prompt brittleness, and failures to revise incorrect commitments are difficult to explain by missing knowledge or expressive capacity alone. This survey interprets CPS as a sequential estimation-and-decision problem over a latent solution state. A controller maintains a belief about an unobserved solution trajectory, updates it as noisy intermediate evidence arrives, and decides whether to commit, verify, branch, roll back, or abstain to minimize expected loss. Reasoning supplies candidate transitions and interpretations, whereas process control shapes and evaluates those proposals and regulates subsequent transitions and observations. Within this framework, we organize existing methods around five components: explicit state representation, transition structuring, validation and constraint enforcement, search and rollback, and uncertainty management. We also interpret evaluation metrics according to the statistical quantities they estimate. The framework further yields a diagnostic hypothesis: interventions should be most effective when they target the error or uncertainty component implicated by an observed failure. We distinguish systematic, stochastic, and irreducible error together with epistemic and aleatoric uncertainty, and call this alignment problem-control fit and its failure control mismatch. For example, additional sampling may reduce sampling variability while leaving a shared systematic error unchanged. This perspective clarifies what current methods estimate and control, what remains uncontrolled, and why reliable validation, targeted recovery, calibrated uncertainty, and matched-budget evaluation are central open problems.
• Abstract（参考訳）: 大規模言語モデル(LLM)を持つ複雑な問題解決(CPS)は、しばしばより強い推論やより長い生成の問題としてフレーム化される。 しかし、早期段階のエラー増幅、迅速な不安定性、誤ったコミットメントを修正できないことは、知識の欠如や表現力の欠如によって説明が難しい。 本調査はCPSを潜在解状態上の逐次推定・決定問題と解釈する。 コントローラは、観測されていない解軌跡についての信念を維持し、ノイズのある中間証拠が到着するとそれを更新し、期待される損失を最小限に抑えるためにコミット、検証、分岐、ロールバック、または停止を決定する。 推論は候補の遷移と解釈を提供するが、プロセス制御はそれらの提案を形作って評価し、その後の遷移と観察を規制する。 このフレームワーク内では、明示的な状態表現、遷移構造化、検証と制約執行、検索とロールバック、不確実性管理の5つのコンポーネントを中心に既存の手法を編成する。 また,推定した統計量に応じて評価指標を解釈する。 介入は、観察された失敗によって引き起こされるエラーや不確実性コンポーネントをターゲットとする場合、最も効果的であるべきである。 我々は, 組織的, 確率的, 既約誤差と, 疫学的, 失語論的な不確実性とを区別し, このアライメント問題制御の適合と, その失敗制御ミスマッチを呼ぶ。 例えば、追加のサンプリングは、共有された体系的エラーをそのまま残しながらサンプリングのばらつきを減らすことができる。 この視点は、現在の手法の見積もりと制御、制御されていないもの、信頼性のある検証、ターゲットの回復、校正された不確実性、そして一致した予算評価が中心的なオープンな問題である理由を明らかにする。

関連論文リスト

• Conformal Changepoint Localization and Root Cause Analysis with Corrupted Observations [55.76952683833966]
  本稿では,データ破損時の信頼性設定サイズを低減するために,重み付きCONCH(W-CONCH)と重み付きCROC(W-CROC)を提案する。 画像ベースおよび実世界の変化点と根本原因ベンチマークの実験は、不確実性ベースの重み付けが信頼性セットのサイズを大幅に減少させることを示している。
  論文  参考訳（メタデータ） (2026-07-29T05:16:59Z)
• Verification of Adaptive Agentic Controllers through Finite Rule Revision [0.0]
  本稿では,有限記号規則で表される適応エージェント制御系に対する有界検証プロトコルを定式化する。 診断の失敗は、ルールの追加、ルール削除、優先度修正など、事前に定義されたルールレベルの編集にマップされる。 修理されたコントローラは、保持されたシミュレーションシードまたはクローンされた初期状態に基づいて評価される。
  論文  参考訳（メタデータ） (2026-07-07T13:38:01Z)
• Exploring Agentic Tool-Calling Decisions via Uncertainty-Aligned Reinforcement Learning [63.24624171679711]
  大規模言語モデル(LLM)ベースのエージェントは、しばしば最適なツール使用の決定を行う。 本研究では、不確実性分離を維持するための推進力として、不確実性定量化を報酬設計に組み込んだTRUSTを提案する。
  論文  参考訳（メタデータ） (2026-06-05T07:08:34Z)
• Detecting Is Not Resolving: The Monitoring Control Gap in Retrieval Augmented LLMs [20.59321114618083]
  単一ターン診断はRAGの安全性を体系的に過大評価し、矛盾は安全な解決法とは無関係であり、普遍的な即時修正は存在しないことを示した。 モデルが認識するものと何をするかのギャップは、検索強化されたシステムが高レベルな設定で信頼される前に測定され、クローズされなければならない。
  論文  参考訳（メタデータ） (2026-05-26T15:18:43Z)
• Discovery of Hidden Miscalibration Regimes [52.452902154360565]
  モデルは何らかの入力を体系的に過信し、他人を過信することがある。 対応する誤校正分野を定義し,それを推定するための診断フレームワークを提案する。 提案手法は,入力空間のキャリブレーションを意識した表現を学習し,学習幾何学におけるカーネルの平滑化による符号付き局所的誤校正を推定する。
  論文  参考訳（メタデータ） (2026-05-13T13:07:50Z)
• Machine Learning for Stress Testing: Uncertainty Decomposition in Causal Panel Prediction [2.289837306672451]
  規制ストレステストでは、仮説的なマクロ経済シナリオの下で信用損失を予測する必要がある。 パネルにおけるポリシーパスの反ファクト推論のためのフレームワークを提案する。 実失業データを用いたシミュレーションおよび半合成実験により,すべての結果を検証した。
  論文  参考訳（メタデータ） (2026-03-08T03:22:38Z)
• When Evaluation Becomes a Side Channel: Regime Leakage and Structural Mitigations for Alignment Assessment [0.0]
  高度なAIシステムの安全性評価は、評価の下で観察された振る舞いがデプロイメントの振る舞いを予測することを前提としている。 部分観測可能性下での情報流問題としてアライメント評価をリキャストする。 我々は、レギュラー・ブラインド・メカニズム、レギュラー・キューへのアクセスを制限する訓練時間介入について研究する。
  論文  参考訳（メタデータ） (2026-02-09T10:00:24Z)
• TrustLoRA: Low-Rank Adaptation for Failure Detection under Out-of-distribution Data [62.22804234013273]
  本稿では,共変量および意味的シフトの両条件下での拒絶による分類を統一し,促進する,単純な故障検出フレームワークを提案する。 キーとなる洞察は、障害固有の信頼性知識を低ランクアダプタで分離し、統合することにより、障害検出能力を効果的かつ柔軟に向上できるということです。
  論文  参考訳（メタデータ） (2025-04-20T09:20:55Z)
• Error-quantified Conformal Inference for Time Series [55.11926160774831]
  時系列予測の不確かさの定量化は、時系列データの時間的依存と分布シフトのために困難である。 量子化損失関数をスムースにすることで,iError-quantified Conformal Inference (ECI)を提案する。 ECIは有効な誤発見制御と、他のベースラインよりも厳密な予測セットを出力することができる。
  論文  参考訳（メタデータ） (2025-02-02T15:02:36Z)

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。