論文の概要: BudgetVerify: Budget-Tiered Verification for Financial QA

• arxiv url: http://arxiv.org/abs/2609.33052v1
• Date: Sun, 27 Sep 2026 00:33:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 10:57:20.669161
• Title: BudgetVerify: Budget-Tiered Verification for Financial QA
• Title（参考訳）: BudgetVerify:財務QAの予算付き検証
• Abstract要約: BudgetVerifyは、財務的な質問に答えるための予算階層のジェネレータ検証フレームワークである。 それぞれの生成した回答を3つの検証レベルのうちの1つにルーティングする。 有効である場合にのみ、より強力な検証を選択的に割り当てることにより、固定された検証ポリシーよりも効率の良い精度コストフロンティアを生成する。
• 参考スコア（独自算出の注目度）: 2.0134842677651084
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Financial question answering often requires precise numerical extraction, unit handling, and arithmetic over tables and text, but applying expensive verification uniformly wastes test-time compute. We propose BudgetVerify, a budget-tiered generator-verifier framework that routes each generated answer to one of three verification tiers: no verification, lightweight check-and-revise, or higher-cost solve-first-then-compare verification. The router is trained from offline correctness and token-cost outcomes and, at test time, selects a verification tier using information available before verification, including the question, context statistics, the generated answer, and associated generator metadata. The selected tier either returns the generated answer directly or invokes the corresponding verifier. Across six commercial and open-weight base models, BudgetVerify consistently produces more efficient accuracy-cost Pareto frontiers than fixed verification policies by selectively allocating stronger verification only when it is useful. Although absolute performance varies across models, these efficiency gains and the resulting qualitative frontier shape are consistent across generator models.
• Abstract（参考訳）: 財務的な質問に答えるためには、表やテキスト上の正確な数値抽出、単位処理、算術が必要であるが、高価な検証を適用するとテスト時間計算が一様に無駄になる。 本稿では,BudgetVerifyを提案する。BudgetVerifyは,各生成した回答を3つの検証層のうちの1つにルーティングする,予算階層のジェネレータ検証フレームワークである。 ルータはオフラインの正確性とトークンコストの結果からトレーニングされ、テスト時には、質問、コンテキスト統計、生成された回答、および関連するジェネレータメタデータを含む、検証前に利用可能な情報を使用して検証ティアを選択する。 選択された階層は、生成した回答を直接返するか、対応する検証者を呼び出す。 BudgetVerifyは6つの商用およびオープンウェイトベースモデルに対して、有効な場合にのみより強力な検証を選択的に割り当てることにより、固定された検証ポリシーよりも精度の高いパレートフロンティアを一貫して生産する。 絶対的な性能はモデルによって異なるが、これらの効率は向上し、結果として生じる定性的フロンティア形状はジェネレータモデル間で一貫性がある。

関連論文リスト

• AutoVerifier: Residual-Guided Non-Parametric Optimization for Reference-Based Answer Verification [5.990350746292239]
  AutoVerifierは繰り返し検証エラーから暗黙の仮定を学ぶ。 4つの検証器ベンチマークの実験により、AutoVerifierは最先端の検証器を大きなマージンで上回ることを示した。
  論文  参考訳（メタデータ） (2026-08-26T11:06:40Z)
• Bayesian control for coding agents [63.64172141184361]
  本稿では,コーディングエージェントのためのコスト依存型シーケンシャル仮説テストフレームワークを提案する。 ベイズ管制官は、正確性に対する信念を維持し、より多くの証拠を集め、候補者を精査し、検証し、停止するかを決定する。 本研究では, 信頼状態が, 不確実性定量化のためのトークン確率と生ツール・サクセスベースラインを上回り, 解釈可能な正当性スコアを得ることを示す。
  論文  参考訳（メタデータ） (2026-06-23T11:41:32Z)
• FineVerify: Scaling Test-Time Compute with Fine-Grained Self-Verification for Agentic Search [88.16262636915975]
  FineVerifyはエージェント検索のためのきめ細かい自己検証フレームワークである。 各質問をチェック可能なサブクエストに分解し、サンプル候補を検証し、最も高い集計スコアの候補を選択する。 FineVerifyは、標準のスケーリングベースラインを一貫して上回る。
  論文  参考訳（メタデータ） (2026-05-30T10:21:20Z)
• $V_1$: Unifying Generation and Self-Verification for Parallel Reasoners [69.66089681814013]
  $V_$は、効率的なペアワイドランキングを通じて生成と検証を統合するフレームワークである。 V_$-Inferはポイントワイド検証でPass@1を最大10%改善する。 V_$-PairRLは、標準のRLとポイントワイドのジョイントトレーニングよりも、テストタイムのスケーリングが7ドル--9%で向上する。
  論文  参考訳（メタデータ） (2026-03-04T17:22:16Z)
• PRIME: A Process-Outcome Alignment Benchmark for Verifiable Reasoning in Mathematics and Engineering [71.15346406323827]
  本稿では,プロセス・アウトカム・アライメント・アライメント・検証における検証結果を評価するベンチマークであるPRIMEを紹介する。 現在の検証器は、しばしば導出欠陥を検出するのに失敗する。 本稿では,PRIMEで選択した検証手法を利用したプロセス認識型RLVRトレーニングパラダイムを提案する。
  論文  参考訳（メタデータ） (2026-02-12T04:45:01Z)
• Adaptive Test-Time Compute Allocation via Learned Heuristics over Categorical Structure [1.8055130471307603]
  テスト時間計算は、大規模言語モデル(LLM)推論の進歩の原動力となっている。 我々は,検証作業が中間状態にまたがってどのように配置されるべきか,検証コストに制限のある環境下での推論について検討する。 本研究では, (i) 構造化された移動インタフェース上での確定可能性ゲーティング, (ii) 学習された状態距離と残差スコアのハイブリッドを用いた事前検証ランキング, (iii) 局所的不確実性に基づく検証呼び出しの適応的アロケーションを組み合わせた状態レベルの選択的検証フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-03T19:57:53Z)
• Learning to Route: A Rule-Driven Agent Framework for Hybrid-Source Retrieval-Augmented Generation [55.47971671635531]
  大言語モデル(LLM)は、一般質問回答(QA)において顕著な性能を示した。 Retrieval-Augmented Generation (RAG)は、LLMを外部知識で強化することで、この制限に対処する。 既存のシステムは、主に構造化されていないドキュメントに依存しているが、主にリレーショナルデータベースを見下ろしている。
  論文  参考訳（メタデータ） (2025-09-30T22:19:44Z)
• Shrinking the Generation-Verification Gap with Weak Verifiers [42.538675831498715]
  検証者は、生成された候補から応答をスコア付けしてランク付けすることで、言語モデル機能を改善することができる。 Weaverは、複数の弱い不完全な検証器を組み合わせることで、強力な検証器を設計するためのフレームワークである。
  論文  参考訳（メタデータ） (2025-06-22T23:38:15Z)
• WeCheck: Strong Factual Consistency Checker via Weakly Supervised Learning [40.5830891229718]
  本稿では,複数のリソースを集約して,正確かつ効率的な実測値(WeCheck)をトレーニングする,弱教師付きフレームワークを提案する。 様々なタスクに関する総合的な実験は、平均してTRUEベンチマークにおける従来の最先端手法よりも3.4%の絶対的な改善を実現するWeCheckの強い性能を示す。
  論文  参考訳（メタデータ） (2022-12-20T08:04:36Z)
• Generating Fact Checking Explanations [52.879658637466605]
  まだ欠けているパズルの重要なピースは、プロセスの最も精巧な部分を自動化する方法を理解することです。 本稿では、これらの説明を利用可能なクレームコンテキストに基づいて自動生成する方法について、最初の研究を行う。 この結果から,個別に学習するのではなく,両目標を同時に最適化することで,事実確認システムの性能が向上することが示唆された。
  論文  参考訳（メタデータ） (2020-04-13T05:23:25Z)

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。