論文の概要: Collapse, Not Complexity: Failure-Conditioned Decomposition Repair for End-to-End Document Parsing
- arxiv url: http://arxiv.org/abs/2609.23592v1
- Date: Sun, 20 Sep 2026 12:23:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-22 20:29:00.865914
- Title: Collapse, Not Complexity: Failure-Conditioned Decomposition Repair for End-to-End Document Parsing
- Title（参考訳）: 崩壊、複雑ではない: エンドツーエンドの文書解析のための障害条件の分解修復
- Abstract要約: 推論により平均品質が2.21低下し、総じて1.54倍となる。
代わりに、通常のパストレースからの崩壊を検出し、プロジェクションによってページを分解し、各領域を再解析する。
- 参考スコア（独自算出の注目度）: 7.606018670436672
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: End-to-end document parsers increasingly offer an optional reasoning mode for complex pages. On a 180-page entropy-stratified discovery sample with one frozen 4B checkpoint, complexity is the wrong decision variable. Reasoning lowers mean quality by 2.21 Overall at 1.54x tokens; a preregistered input-only model cannot predict its signed benefit (held-out AUROC 0.47, indistinguishable from chance). The benefit concentrates on pages whose ordinary pass has already collapsed, and they do not look complex: shared collapses have lower layout entropy than healthy ones yet consume 19x the tokens as degenerate repetition that doubling the budget does not cure. Switching modes rarely repairs them: 83% recur under reasoning. We instead detect collapse from the ordinary-pass trace, decompose the page by projection, and re-parse each region. Repair gains 1.40 Overall (95% CI [0.68, 2.16]) at 1.13x tokens, replicates across three checkpoints, and, with all parameters frozen, gains 2.41 (CI [1.64, 3.46]) on the remaining 1,175 benchmark pages.
- Abstract（参考訳）: エンド・ツー・エンドのドキュメントパーサは、複雑なページに対してオプションの推論モードを提供するようになっている。
凍結した4Bチェックポイントを持つ180ページのエントロピー層発見サンプルでは、複雑さが間違った決定変数である。
事前登録された入力のみのモデルは、署名された利益を予測できない(AUROC 0.47は、偶然と区別できない)。
共有崩壊は、健全な崩壊よりもレイアウトのエントロピーが低いが、予算を倍増させるような退行的な反復として19倍のトークンを消費する。
モードの切り替えはめったに修復されない:83%は推論の下で再帰する。
代わりに、通常のパストレースからの崩壊を検出し、プロジェクションによってページを分解し、各領域を再解析する。
全体の1.40(95% CI [0.68, 2.16])は1.13xトークンで、3つのチェックポイントに複製され、全てのパラメータが凍結され、残りの1,175のベンチマークページで2.41(CI [1.64, 3.46])を得る。
関連論文リスト
- One Patch, Three Roles: What Is Actually Coupled in Autoregressive Time-Series Forecasting? [49.84472730204669]
凍結した親の軌道は, 軽量な平行出口で観測される未来よりも適合しやすいことを示す。
また、列車選択した周期的歴史方向に沿って補正可能な残射も見出す。
Tangentはこの修正を、ニューラルパラメータやTransformerコールを追加せずに適用する。
論文 参考訳（メタデータ） (2026-09-20T14:54:35Z) - When Graph-JEPA Learns the Wrong Thing: Diagnosing and Repairing Category-Conditional Collapse [3.0255780640228984]
共同埋め込み予測アーキテクチャは線形探索と有効ランクによってほぼ普遍的に選択される。
本報告では,表現中に使用可能なインスタンス情報がゼロである場合に,両者が正常に読まれる事例を報告する。
Graph-JEPAは、サブグラフの残りの側面から1つのマスクされたアスペクトを予測し、線形プローブ精度0.871と有効ランク18-47を達成する。
再現性監査とターゲットゲートを備えたハーネスをリリースする。
論文 参考訳（メタデータ） (2026-08-20T19:22:49Z) - Post-Grokking Collapse at the Representation-Readout Interface in Muon-Trained Transformers [2.7590644934977764]
a+b) bmod 113$ grok 上の9つの種子はすべて、後に種子を失う。
不安定性は2つのモジュラー、2つの幅、2つのトレーニング率、2つのサブトラクション、深さにわたって持続する。
43のチェックポイントが5つの種と3つのレシエーションにまたがっており、タスクアラインの家族は正確に100%に到達している。
論文 参考訳（メタデータ） (2026-08-07T17:21:49Z) - When Do Fewer Visual Tokens Accelerate Multimodal Inference? A Break-Even Study Across Decision Locations and Hardware [1.2103414068933553]
視覚トークンが少ないため、エンドツーエンドのレイテンシが低い。
我々は、意思決定のオーバーヘッド、共有作業、および各ポリシーが回避できるオペレータを考慮に入れた再現可能なプロトコルを用いて、ブレークフェアを評価する。
論文 参考訳（メタデータ） (2026-08-04T13:33:11Z) - Evidence-Grounded Constraint Checking in Construction Documents [1.3787753513429983]
抽出された事実を正規化し、4状態ルールを決定的に実行するエビデンス基底パイプラインを提案する。
我々は,29の建設プロジェクトから160の参照ベースタスクに対するPDFエビデンスアロケータの評価を行った。
論文 参考訳（メタデータ） (2026-07-31T06:25:41Z) - Stage-Replay Divergence Follows the KV Cache: Fixed-Prefix Precision Controls and Bidirectional Cache Transplantation [51.56484100374058]
Stage-replayは中間トークンプレフィックスを再構築し、プレフィックスに最初に到達したデコーダ状態からの継続として、新しいプリフィル継続を処理する。
一致した200itemの実験では、保持されたライブキャッシュと同一の整数トークンのワンショットプリフィルを比較し、両側に正確なレプリカを配置する。
論文 参考訳（メタデータ） (2026-07-30T16:41:40Z) - Narration-of-Thought: Inference-Time Scaffolding for Defeasible Ethical Reasoning in Large Language Models [6.628401122676601]
ナレーション・オブ・シント(NoT)は,思考の連鎖を5つのセクションにまとめるシステムである。
NoTはトレーニングやパラメータ、微調整を追加しない。
3つのベンダーから4つのジェネレータにまたがる100のDailyDilemmasシナリオにおいて、NoTは株主の崩壊を31%から1%以下に削減する。
論文 参考訳（メタデータ） (2026-06-24T20:23:16Z) - Right Makes Might: Aligning Verified Hidden States Empowers RL Reasoning [55.264863369127774]
現在の方法では、それぞれの正しいロールアウトを単一の報酬ビットに減らし、隠れた状態間で共有される幾何学的構造を無視している。
本稿では,RLトレーニングにおけるアンカートークンにおける正ロールアウトの最終層を,トレーニングと推論の両方においてゼロオーバーヘッドで整列する補助損失関数Hidden-Alignを提案する。
8つの数学的推論ベンチマークでは、Hidden-AlignはDAPOベースラインの平均パス@1をQwen3-1.7B, 4B, 14Bで3.8, 6.2, 5.4ポイント改善し、3つのスケールで一貫したパス@kゲインを得る。
論文 参考訳（メタデータ） (2026-06-02T06:51:15Z) - How Far Is Document Parsing from Solved? PureDocBench: A Source-TraceableBenchmark across Clean, Degraded, and Real-World Settings [56.70440596502351]
昨年は20以上のオープンドキュメントパースモデルが見られたが、ベンチマークはほぼOmniDocBenchにのみ依存している。
HTML/CSSのドキュメントイメージをレンダリングするベンチマークであるPureDocBenchは、10のドメイン、66ページ、1,475ページをカバーしています。
論文 参考訳（メタデータ） (2026-05-08T09:30:31Z) - TARG: Training-Free Adaptive Retrieval Gating for Efficient RAG [46.122203287541005]
トレーニングフリーのAdaptive Retrieval Gating (TARG) は、ベースモデルからの短い非遅延ドラフトのみを使用していつ取得するかを決定する、単発のポリシーである。
NQ-Open、TriviaQA、PopQAでは、TARGは一貫して精度と効率のフロンティアをシフトさせる。
論文 参考訳（メタデータ） (2025-11-12T23:09:52Z) - Attention Map Guided Transformer Pruning for Edge Device [98.42178656762114]
視覚トランスフォーマー (ViT) は, 全体的かつ隠蔽された人物再識別 (Re-ID) タスクにおいて, 有望な成功を収めた。
本稿では、冗長なトークンとヘッドの両方を除去する新しいアテンションマップガイド(AMG)トランスフォーマープルーニング法を提案する。
Occluded DukeMTMC と Market-1501 に関する総合的な実験により,提案手法の有効性が示された。
論文 参考訳（メタデータ） (2023-04-04T01:51:53Z)
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。