論文の概要: When the Score Becomes the Target: Rethinking Metric Validity in Autonomous Driving

• arxiv url: http://arxiv.org/abs/2609.34440v1
• Date: Mon, 28 Sep 2026 06:59:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 20:45:34.084491
• Title: When the Score Becomes the Target: Rethinking Metric Validity in Autonomous Driving
• Title（参考訳）: スコアが目標になったとき - 自動運転におけるメトリクスの妥当性を再考する
• Abstract要約: 評価プロセスは運転行動の変化に対してどのように反応し,その結果が繰り返し実行と再計画の下で継続されるかを検討する。 プロセスは実行、測定、サブスコアマッピング、集約に分解します。 これらの知見は、計量によって保存された行動の区別と、その利得が伝達される条件を結びつける。
• 参考スコア（独自算出の注目度）: 9.762652352382242
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Driving benchmark scores are increasingly used not only for evaluation but also as optimization targets. This raises a fundamental question: do score gains remain reliable evidence of driving improvement once the score itself is optimized? We address this question by examining how the scoring process responds to changes in driving behavior and whether the resulting gains persist under repeated execution and replanning. We decompose the process into execution, measurement, subscore mapping, and aggregation. Controlled interventions reveal substantial behavioral changes that receive little score response because distinctions are omitted, thresholded, or attenuated between requested and executed motion. Closed-loop comparisons further show that optimization gains can reverse when the execution interface changes, demonstrating their dependence on how requests are executed and returned as feedback. Together, these findings connect the behavioral distinctions preserved by a metric to the conditions under which its gains transfer. Metric validity under optimization therefore requires examining both what the scoring process measures and how the optimized behavior is executed.
• Abstract（参考訳）: ベンチマークスコアのドライビングは、評価だけでなく、最適化の目標にもますます使われています。 スコアのゲインは、スコア自体が最適化されると、改善を駆動する信頼できる証拠のままか? 評価プロセスが運転行動の変化にどのように反応し、その結果が繰り返し実行され、再計画されるかどうかを調べることで、この問題に対処する。 プロセスは実行、測定、サブスコアマッピング、集約に分解します。 制御された介入は、要求された動作と実行された動作の間に区別が省略されたり、閾値が保たれたり、減衰されたりするため、ほとんどスコア応答を受けない重大な行動変化を示す。 クローズドループ比較は、実行インターフェースが変更されると最適化のゲインが逆になる可能性を示し、リクエストの実行方法とフィードバックとして返される方法への依存性を示す。 これらの知見は、計量によって保存された行動の区別と、その利得が伝達される条件を結びつける。 したがって、最適化の下でのメトリクスの有効性は、スコアリングプロセスの計測方法と最適化された振る舞いの実行方法の両方を調べる必要がある。

関連論文リスト

• Optimizing the Score, Losing Sight of the Task: Reward Hacking Across Weights, Selection, and Prompts [0.0]
  プロキシエラーに対する到達可能な動作、最適化予算、永続的な適応形状の露出について示す。 正確な有限出力図示は、スコアリング欠陥の位置が各メソッドが好む振る舞いをどう変えるかを示す。 結果として得られるフレームワークは、最適化の選択と検証要件を結びつける。
  論文  参考訳（メタデータ） (2026-09-22T08:12:58Z)
• TROVE: Adaptive Agent Skill Orchestration via Trace-Grounded Route Validation and Editing [14.424308190797683]
  検証・編集(TROVE)によるトレーサグラウンドルートオーケストレーションを提案する。 オフライン, TROVE蒸留は, ワークフローのトレースから原子・複合技術, 結果条件遷移グラフまでの評価を行った。 オンラインでは、計画されたルートを暫定的に扱い、1つのトップレベルスキルをコミットした後、コントローラは有効な継続を保持し、トレースサポートされたローカルレスポンスを挿入し、無効な接尾辞のみを置き換える。
  論文  参考訳（メタデータ） (2026-09-04T11:38:13Z)
• Co-Evolving LLM Evaluators and Policies via DynamicRubric [67.2962847914162]
  政策によって引き起こされたサンプルに対する評価者フィードバックによるポストトレーニングは、大きな言語モデルを改善するための主要なメカニズムとなる。 反応条件付き評価器であるDynamicRubricを提案する。 8Bバックボーンを用いた実験では、DynamicRubricは評価器のパフォーマンスを改善し、ベースラインよりも強力なポリシー管理を提供する。
  論文  参考訳（メタデータ） (2026-07-22T12:35:40Z)
• Quotient DAGs for Off-Policy Evaluation:Forward-Flow Importance Sampling and Exact Slate Propensities [4.751925814658969]
  オフ政治評価は、異なる行動ポリシーによって収集されたデータを使用して、ターゲットポリシーがどのように実行されるかを推定する。 標準重要サンプリングは、ログされた軌跡ごとに重み付けを行うが、評価対象が無視した場合でも、生成プロセスの詳細を意味のあるものとして扱うことができる。 本稿では,評価に等価な履歴をマージし,目標-行動-前-フロー比を用いて重みを割り当てる商DAGビューを提案する。
  論文  参考訳（メタデータ） (2026-05-28T07:23:40Z)
• Interactive Evaluation Requires a Design Science [90.62695599188204]
  大規模言語モデル(LLM)は、ツールや環境、ユーザ、その他のエージェントを通じて、時間とともに機能するシステムとして、ますます多くデプロイされている。 フィールドはインタラクティブなベンチマークを構築し始めたが、その結果のランドスケープは断片化されている。 本論では,対話的評価は原則的評価パラダイムとして扱うべきであると論じる。
  論文  参考訳（メタデータ） (2026-05-18T04:03:18Z)
• Evaluate-as-Action: Self-Evaluated Process Rewards for Retrieval-Augmented Agents [24.080021799509847]
  textscEvalAct (Evaluate-as-Action) は暗黙的な検索品質評価を明示的なアクションに変換する。 textscEvalActは、マルチホップタスクにおいて最も高い平均精度を達成する。
  論文  参考訳（メタデータ） (2026-03-10T05:22:40Z)
• On the Role of Feedback in Test-Time Scaling of Agentic AI Workflows [71.92083784393418]
  エージェントAI(自律的な計画と行動を行うシステム)は広く普及しているが、複雑なタスクにおけるタスクの成功率は低いままである。 推論時のアライメントは、サンプリング、評価、フィードバックの3つのコンポーネントに依存します。 本稿では,様々な形態の批判から抽出されたフィードバックを繰り返し挿入するIterative Agent Decoding(IAD)を紹介する。
  論文  参考訳（メタデータ） (2025-04-02T17:40:47Z)
• RTracker: Recoverable Tracking via PN Tree Structured Memory [71.05904715104411]
  本稿では,木構造メモリを用いてトラッカーと検出器を動的に関連付け,自己回復を可能にするRTrackerを提案する。 具体的には,正負と負のターゲットサンプルを時系列に保存し,維持する正負のツリー構造メモリを提案する。 我々の中核となる考え方は、正と負の目標カテゴリーの支持サンプルを用いて、目標損失の信頼性評価のための相対的距離に基づく基準を確立することである。
  論文  参考訳（メタデータ） (2024-03-28T08:54:40Z)
• Pseudo-Convolutional Policy Gradient for Sequence-to-Sequence Lip-Reading [96.48553941812366]
  唇読解は唇運動系列から音声内容を推測することを目的としている。 seq2seqモデルの伝統的な学習プロセスには2つの問題がある。 本稿では,これら2つの問題に対処するために,PCPGに基づく新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-03-09T09:12:26Z)

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。