論文の概要: Stable Geometry with Divergent Task Evidence for Efficient Long-Horizon Agent Compression

• arxiv url: http://arxiv.org/abs/2609.27332v1
• Date: Wed, 23 Sep 2026 04:09:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 00:05:17.880815
• Title: Stable Geometry with Divergent Task Evidence for Efficient Long-Horizon Agent Compression
• Title（参考訳）: 分散タスクエビデンスを用いた高効率長軸エージェント圧縮のための安定幾何法
• Abstract要約: 長い地平線エージェントは増大する相互作用履歴を蓄積し、コンテキストと推論コストを増大させる。 幾何学的冗長性だけでは安全な圧縮には不十分な基準であることがわかった。 幾何とエビデンスの間にあるこのギャップを動機として,Geometry Guided Evidence Preserving Memory (GEM)を紹介する。 GEMは平均の組み合わせトークン使用量を2.69Mから2.11Mに減らし、21.4%削減し、同等のタスク報酬を維持している。
• 参考スコア（独自算出の注目度）: 55.84813053778976
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Long horizon agents accumulate growing interaction histories that increase context and inference costs. We find that geometric redundancy alone is an insufficient criterion for safe compression. Although agent histories exhibit strong low dimensional structure, similar global geometry can preserve very different amounts of task evidence. At identical retained block counts, evidence aware selection raises next action Top 3 retention from 0.31 to 0.69, while centroid similarity remains 0.98. Controlled replacement further shows that action related information can be substantially altered while global geometric measures remain nearly unchanged. Motivated by this gap between geometry and evidence, we introduce Geometry Guided Evidence Preserving Memory (GEM), a training free compressor that protects task and execution evidence before using geometric residuals to complete coverage. GEM reduces mean combined token usage from 2.69M to 2.11M per task, a 21.4% reduction, while maintaining comparable task reward. Our results show that efficient agent history compression should optimize for preserved task evidence rather than geometric coverage alone.
• Abstract（参考訳）: 長い地平線エージェントは増大する相互作用履歴を蓄積し、コンテキストと推論コストを増大させる。 幾何学的冗長性だけでは安全な圧縮には不十分な基準であることがわかった。 エージェント・ヒストリーは強い低次元構造を示すが、同様のグローバルな幾何学は、非常に異なる量のタスク・エビデンスを保存できる。 同一の保持ブロック数では、選択を認識する証拠は次の行動トップ3の保持率を0.31から0.69に引き上げるが、セントロイドの類似性は0.98のままである。 制御された置換は、大域的な幾何学的測度がほとんど変化していない間、アクション関連の情報を実質的に変更できることをさらに示している。 幾何学的残差とエビデンスとのギャップに触発されたGeometry Guided Evidence Preserving Memory (GEM) は,幾何的残差を用いて完全なカバレッジを得る前に,タスクと実行のエビデンスを保護する訓練自由圧縮機である。 GEMは平均の組み合わせトークン使用量を2.69Mから2.11Mに減らし、21.4%削減し、同等のタスク報酬を維持している。 この結果から, エージェント履歴の効率的な圧縮は, 幾何学的カバレッジのみでなく, 保存されたタスクエビデンスに最適化されるべきであることが示唆された。

関連論文リスト

• Reliability-Aware 3D Geometric Injection for Universal Person Re-identification [47.874819213762926]
  本稿では,一貫性を考慮した信頼性ゲートとDual-Stream Residual Fusionによって駆動されるUniversal Monocular 3D-Enhanced ReIDフレームワークを提案する。 本手法は,クリーンドメイン上での競合性能を維持しながら,難易度,構造に敏感なシナリオを改善する。
  論文  参考訳（メタデータ） (2026-07-21T08:54:25Z)
• Draw2Think: Harnessing Geometry Reasoning through Constraint Engine Interaction [59.47026381165585]
  視覚言語モデルは精度を上げて幾何学的問題を解くが、その中間状態は潜伏し、検証できないままである。 我々は,GeoGebra制約エンジンとのエージェント相互作用に潜時空間推論から幾何推論を再キャストするフレームワークDraw2Thinkを提案する。
  論文  参考訳（メタデータ） (2026-05-20T05:46:14Z)
• Can LLM Agents Respond to Disasters? Benchmarking Heterogeneous Geospatial Reasoning in Emergency Operations [55.251494694783894]
  災害対応エージェントベンチマーク(DORA)は、エンド・ツー・エンドの災害対応のための最初のエージェントベンチマークである。 タスクは、災害認識、空間関係分析、救助・避難計画、時間的進化推論、マルチモーダルレポート合成という、災害対応パイプラインをカバーする5つの次元にまたがる。 DORAは、運用上の信頼性の高い災害対応エージェントのための厳格なテストベッドを確立する。
  論文  参考訳（メタデータ） (2026-05-12T06:57:41Z)
• Shorter, but Still Trustworthy? An Empirical Study of Chain-of-Thought Compression [19.669117846064562]
  ロングチェーン・オブ・ソート推論モデル(Long-CoT)は、推論コストを減らすために推論トレースを圧縮する取り組みの活発化を動機付けている。 我々は,CoT圧縮がモデル信頼性に与える影響について,最初の系統的研究を行った。 CoT圧縮は信頼度レグレッションを頻繁に導入し、異なる手法が寸法によって著しく異なる劣化プロファイルを示すことがわかった。
  論文  参考訳（メタデータ） (2026-04-05T13:43:12Z)
• Continual Learning as Shared-Manifold Continuation Under Compatible Shift [0.0]
  継続的な学習方法は、通常、パラメータの正規化、古い出力のマッチング、または以前の例の再生によって古い動作を保存する。 我々は、古いデータと新しいデータが同じ潜在的サポートに留まるべき体制に対して、より狭い幾何学的な代替手段について研究する。 本研究では, スパース再生, 出力蒸留, リレーショナル幾何保存, 局所平滑化, および古いアンカー上でのチャート割り当て正規化を組み合わせた幾何保存変種の評価を行った。
  論文  参考訳（メタデータ） (2026-03-20T15:21:19Z)
• Geometry OR Tracker: Universal Geometric Operating Room Tracking [61.399734016038614]
  手術室(OR)では、世界規模のマルチビュー3Dトラッキングは、外科医の行動認識のような下流のアプリケーションをサポートする。 カメラのキャリブレーションとRGB-Dの登録は常に信頼性が低く、幾何学的不整合が生じる。 我々は、不正確なキャリブレーションをスケール一貫性と幾何学的に整合したカメラ設定に修正する2段階パイプラインであるGeometry OR Trackerを紹介する。
  論文  参考訳（メタデータ） (2026-02-28T09:21:21Z)
• The Geometric Reasoner: Manifold-Informed Latent Foresight Search for Long-Context Reasoning [2.0392077945115052]
  Geometric Reasoner (TGR) は、厳密なメモリ境界の下で多様体インフォームト探索を行うトレーニングフリーフレームワークである。 TGRは、Pass@$k$ curve (AUC)の下で測定された領域によって、Qwen3-8Bで最大13ポイント、無視できるオーバーヘッドは約1.1--1.3倍の堅牢な軌道範囲を改善している。
  論文  参考訳（メタデータ） (2026-01-25T18:16:17Z)
• Exploring Data Geometry for Continual Learning [64.4358878435983]
  非定常データストリームのデータ幾何を探索することにより,新しい視点から連続学習を研究する。 提案手法は,新しいデータによって引き起こされる幾何構造に対応するために,基底空間の幾何学を動的に拡張する。 実験により,本手法はユークリッド空間で設計したベースライン法よりも優れた性能が得られることが示された。
  論文  参考訳（メタデータ） (2023-04-08T06:35:25Z)

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。