論文の概要: NumericJev: Jev-like LLM Numerical Decoding with Multiway Decision Trees

• arxiv url: http://arxiv.org/abs/2609.28587v1
• Date: Wed, 23 Sep 2026 13:53:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 21:10:09.425483
• Title: NumericJev: Jev-like LLM Numerical Decoding with Multiway Decision Trees
• Title（参考訳）: NumericJev: マルチウェイ決定木を用いたJev-like LLM数値デコーディング
• Abstract要約: Jevライクなモデルは構造化された選択を公開しているが、これらのインタフェースは要求された精度で数値を直接提供しない。 本研究では,NUMERICJEVを提案する。 正しい答えを含む候補リストからの直接選択を2.93ポイント上回る。
• 参考スコア（独自算出の注目度）: 15.580786558697335
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Large language models can interpret natural lan- guage, yet robust decisions remain challenging. Jev-like models expose structured choices, but these interfaces do not directly provide numeri- cal values at a requested precision. We propose NUMERICJEV, a training-free numerical decod- ing algorithm that enables numerical output from any LLM with a Jev-like structured-choice in- terface. Surprisingly, on our arithmetic bench- mark, it outperforms direct selection from a can- didate list containing the correct answer by 2.93 percentage points (Figure 1). Our motivation comes from the observation that numerical range selection is itself a decision problem that Jev- like LLMs can address. NUMERICJEV recur- sively refines a range through a multiway deci- sion tree while retaining the original question in context, without parameter updates or hidden- state access. On a 100-value grid, a ten-way tree requires only two decision rounds. Range- normalized MAE is 1.84% versus 5.18% for di- rect choice. A separate three-date historical- index study yields 4.58% mean relative recall er- ror and 0% readout error when the value is sup- plied. Code is available at https://github. com/Bring-AI/jev-numeric.
• Abstract（参考訳）: 大きな言語モデルは自然なランゲージを解釈できるが、堅牢な決定は難しいままである。 Jevライクなモデルは構造化された選択を公開しているが、これらのインタフェースは要求された精度で数値を直接提供しない。 本稿では,Jev-like structured-choice in-terface を用いた任意の LLM から数値出力が可能な,学習不要な数値デオード入力アルゴリズム NUMERICJEV を提案する。 意外なことに、私たちの算術ベンチマークでは、正しい答えを含むキャンドレートリストから直接選択を2.93ポイント上回っている(図1)。 我々のモチベーションは、数値範囲の選択自体が、JevのようなLLMが対応できる決定問題である、という観察から来ている。 NUMERICJEVは、パラメータ更新や隠れ状態アクセスなしに、元の質問をコンテキストに保持しながら、マルチウェイ・デシ・ションツリーを通して範囲を選択的に洗練する。 100値のグリッドでは、テンウェイツリーは2つの決定ラウンドしか必要としない。 レンジ正規化MAEは1.84%、直立選択は5.18%である。 異なる3日間のヒストリインデックス調査では、値がsup-pliedの場合、4.58%の平均相対リコール er-ror と 0% の読み出し誤差が得られる。 コードはhttps://github.comで入手できる。 は、Bring-AI/jev-numeric。

関連論文リスト

• Likelihood Ranking doesn't Scale Like Prompting in LLMs [91.56564968539271]
  多重選択QAでは、質問セットと回答セットに標準確率ベースのスコアがまだ条件付けられている。 我々は,同じ質問対から構築された宣言文の確率ランキングに基づく補完的プロトコルについて検討する。
  論文  参考訳（メタデータ） (2026-09-24T11:16:53Z)
• Check The Scoreboard: An Analysis of Scoring Schemes on Multiple-Choice Evaluation [52.58737865652009]
  NLPにおけるMultiple-choice Question answering (MCQA)ベンチマークは、数右スコアリング(精度)を用いる。 教育試験において、スコアリング方式は、応答モードモデルが従うこと、および応答のグレーディングルールの組み合わせであり、どの能力に報酬を与えるかを規定する重要な設計選択である。 我々は、MCQAが6つの教育にインスパイアされた6つのスキームで、正確性を超えた能力を評価することで、数字右の代替手段がどのように変化するかを検討する。
  論文  参考訳（メタデータ） (2026-08-30T16:35:22Z)
• You May Speak Freely: Improving the Fine-Grained Visual Recognition Capabilities of Multimodal Large Language Models with Answer Extraction [24.029138898778626]
  nlg2choiceは、最小限の制約を持つタスクに対してMLLMにオープンな質問をする単純な2段階の手法である。 我々は、スループットを大幅に向上させるために、早期停止法を用いて、その選択を受ける制約応答の確率を計算する。 その結果,分類と検索の点から評価すると,7種類の細粒度視覚データセットに対して改善が見られた。
  論文  参考訳（メタデータ） (2025-10-16T17:04:25Z)
• SciML Agents: Write the Solver, Not the Solution [69.5021018644143]
  敵の"ミスリーディング"問題の診断データセットと,1,000種類のODEタスクの大規模ベンチマークという,2つの新しいデータセットを紹介した。 オープンおよびクローズドソース LLM モデルについて, (i) 誘導型とガイド型, (ii) オフ・ザ・シェルフ対微調整型という2つの軸に沿って評価した。 予備的な結果は、慎重なプロンプトと微調整により、単純なODE問題を確実に解決できる特殊なLLMエージェントが得られることを示唆している。
  論文  参考訳（メタデータ） (2025-09-12T02:53:57Z)
• None of the Others: a General Technique to Distinguish Reasoning from Memorization in Multiple-Choice LLM Evaluation Benchmarks [0.9831489366502301]
  本稿では,これまで見られたトークンや概念から正解を完全に解離する,複数選択質問に対する一般的な変分手法を提案する。 この手法を用いて、英語とスペイン語で利用可能な2つのデータセットに基づいて、最先端のプロプライエタリおよびオープンソースLLMを評価する。 その結果, MMLUでは平均57%, UNED-Access 2024では50%の精度低下がみられた。
  論文  参考訳（メタデータ） (2025-02-18T14:32:44Z)
• EquiBench: Benchmarking Large Language Models' Reasoning about Program Semantics via Equivalence Checking [58.15568681219339]
  大規模言語モデル(LLM)を評価するための新しいベンチマークであるEquiBenchを紹介する。 このタスクは、プログラムのセマンティクスについて推論するモデルの能力を直接テストする。 19の最先端LCMを評価し、最も難しいカテゴリでは、最高の精度は63.8%と76.2%であり、50%のランダムベースラインよりわずかに高い。
  論文  参考訳（メタデータ） (2025-02-18T02:54:25Z)
• Large Language Models Are Not Robust Multiple Choice Selectors [117.72712117510953]
  複数選択質問(MCQ)は、大規模言語モデル(LLM)の評価において、一般的なが重要なタスク形式として機能する。 この研究は、現代のLLMが、その固有の「選択バイアス」によるオプション位置変化に対して脆弱であることを示している。 そこで本研究では,オプションIDに対する事前バイアスを全体予測分布から分離するPriDeという,ラベルのない推論時間脱バイアス手法を提案する。
  論文  参考訳（メタデータ） (2023-09-07T17:44:56Z)
• Improving Selective Visual Question Answering by Learning from Your Peers [74.20167944693424]
  VQA(Visual Question Answering)モデルは、間違っていた場合の回答を控えるのに苦労する可能性がある。 本稿では,複数モーダル選択関数の学習におけるLearning from Your Peers (LYP) アプローチを提案する。 提案手法では,学習データの異なるサブセットに基づいて訓練されたモデルの予測を,選択的VQAモデルの最適化のターゲットとして利用する。
  論文  参考訳（メタデータ） (2023-06-14T21:22:01Z)

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。