論文の概要: SEPAL: Separated Expert Pairs with Answer-Level Fusion for Reliable LLM Collaboration

• arxiv url: http://arxiv.org/abs/2609.39645v1
• Date: Wed, 30 Sep 2026 12:49:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:27.786117
• Title: SEPAL: Separated Expert Pairs with Answer-Level Fusion for Reliable LLM Collaboration
• Title（参考訳）: SEPAL : LLMの信頼性向上を目的としたアンサー・レベル融合型エキスパートペアの開発
• Abstract要約: マルチエージェントコラボレーションにより、大規模な言語モデル(LLM)は、議論とフィードバックを通じて質問応答を改善することができる。 自己整合性(Self-Consistency)はフィードバックなしで多様性をサンプリングする。 SEPALは3つのプライベート・アクター・クリティカル・チームに対して、推論、根拠付け、検証を行う。
• 参考スコア（独自算出の注目度）: 7.947611649764756
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multi-agent collaboration lets large language models (LLMs) improve question answering through deliberation and feedback. Yet shared discussion couples correction with exposure to the same mistakes, which can erode the diversity needed for voting. Self-consistency offers sampling diversity without feedback, while single-pair Actor-Critic collaboration refines only one candidate. We introduce SEPAL, which assigns three private Actor-Critic teams to direct reasoning, evidence grounding, and verification. Role-specific training gives the teams different reasoning objectives beyond sampling variation. Each Critic guides revisions within its own team, preventing feedback from carrying errors across candidates. Once revision ends, majority voting combines only the final answers, keeping the reasoning histories separate until the decision. Across five open-weight backbones and five question-answering benchmarks, SEPAL improves mean accuracy by 1.81 percentage points over a matched single Actor-Critic pair, with improvements across all five backbones. Code is available at https://github.com/zhansan114514/SEPAL.
• Abstract（参考訳）: マルチエージェントコラボレーションにより、大規模な言語モデル(LLM)は、議論とフィードバックを通じて質問応答を改善することができる。 しかし、共有された議論は、同じ誤りを暴露して修正をし、投票に必要な多様性を損なう可能性がある。 自己整合性(Self-Consistency)はフィードバックなしで多様性をサンプリングする。 SEPALは3つのプライベート・アクター・クリティカル・チームに対して、推論、根拠付け、検証を行う。 役割固有のトレーニングは、サンプリングのバリエーション以外の理由付けの目的をチームに与えます。 各批評家は自身のチーム内でリビジョンをガイドし、候補間のエラーをフィードバックするのを防ぐ。 改定が終わると、過半数の投票は最終回答のみを組み合わせ、意思決定まで推論履歴を分離し続ける。 5つのオープンウェイトバックボーンと5つの質問応答ベンチマークで、SEPALは一致した1つのアクター・クリティカルペアに対して平均精度を1.81ポイント改善し、5つのバックボーン全体で改善する。 コードはhttps://github.com/zhansan114514/SEPALで入手できる。

関連論文リスト

• Available but Unclaimed: An Empirical Study of Human-AI Synergy [27.380163033481015]
  人々は大きな言語モデル(LLM)でますます理にかなっている 研究では、参加者はマトリックス推論、メンタルローテーション、シロジズム、レターストリングの類似、GPT-5.6-ルナ、クロード・オプス4.8、ジェミニ3.6フラッシュ、キミK3の40イットのバッテリーを解いた。 補聴器の精度差は項目レベルのLCM能力に比例して増大した。
  論文  参考訳（メタデータ） (2026-09-15T08:01:37Z)
• SEER: A Self-Grounded Evidence Interface for Controlled Spatial Relation Classification [71.9783246097687]
  SEERは、ペアローカライゼーション中の候補関係を隠蔽し、明示的な主観的/対象的役割を持つクエリ固有ビューを構築し、補完的な証拠として完全なイメージとスパースボックス幾何学を保持する。 正確な逆サポートを持つ関係選択プロトコルでは、オプションリファインメントがエンティティロールを交換し、正確に1つの視覚状態が対応する逆関係に従う場合にのみ前方決定を変更する。 変更されていないプロトコルは、3つのモデルにまたがる2,434個のフィルター付きEmbSpatialペア関係質問に対して +4.35 から +11.79 を得る。
  論文  参考訳（メタデータ） (2026-08-04T13:16:15Z)
• Reasoning Consensus: Structural Ensembling of LLM Reasoning via Weighted DAG Aggregation [17.1797342726399]
  我々は,複数の大規模言語モデル(LLM)の回答だけでなく,推論構造を組み込むフレームワークを提案する。 我々は「合意推論」を返すために、何つのトレースが独立して証明されているかによって各ステップを重み付けする。 法解釈、大学院レベルの科学、物語的マルチホップ推論、一階述語論理にまたがる6つのベンチマークで、我々のアンサンブルは一致した予算の多数決投票基準よりも優れています。
  論文  参考訳（メタデータ） (2026-07-30T07:14:50Z)
• A Single Revision Step Improves Token-Efficient LLM Reasoning [3.344806691289323]
  大規模言語モデルのためのトレーニングフリーで推論のみのフレームワークであるPacket-Conditioned Revision (PACER)を紹介した。 PACERは、推論トレースを使用して、構造化された調整ステップを通じて結論を修正できる。 競争力のある数学のベンチマークでは、PACERは256サンプルの多数決の正確さと一致または超える。
  論文  参考訳（メタデータ） (2026-02-02T21:28:42Z)
• Reinforcing Video Reasoning with Focused Thinking [65.85683941058916]
  本稿では,集中的思考と深い報酬の粒度で視覚的推論を強化する新しいフレームワークであるTW-GRPOを提案する。 具体的には,高情報密度のトークンを優先するトークン重み付け機構を用いる。 また,シングルチョイスからマルチチョイスQAタスクにシフトすることで,RLトレーニングを再構築する。
  論文  参考訳（メタデータ） (2025-05-30T15:42:19Z)
• Collective Reasoning Among LLMs: A Framework for Answer Validation Without Ground Truth [0.0]
  いくつかの先進的な大規模言語モデルが複雑で博士レベルの確率問題を生成・解き出す新しいアプローチを導入する。 本研究は, 多様なモデル間の合意が, アウトプットの信頼性を如何に示すかに焦点を当てる。
  論文  参考訳（メタデータ） (2025-02-28T06:20:52Z)
• When Disagreements Elicit Robustness: Investigating Self-Repair Capabilities under LLM Multi-Agent Disagreements [56.29265568399648]
  我々は、不一致が早期のコンセンサスを防ぎ、探索されたソリューション空間を拡張することを主張する。 タスククリティカルなステップの相違は、ソリューションパスのトポロジによってコラボレーションを損なう可能性がある。
  論文  参考訳（メタデータ） (2025-02-21T02:24:43Z)
• MAgICoRe: Multi-Agent, Iterative, Coarse-to-Fine Refinement for Reasoning [80.15393178083607]
  大規模言語モデル(LLM)推論は、テストタイムアグリゲーション戦略、すなわち、複数のサンプルを生成し、生成されたサンプル間で投票することで改善することができる。 Refinementは、LLM生成したフィードバックを使ってソリューションの品質を改善する方法を提供する。 本稿では,問題の難易度を,難易度や難易度に分類することで,過度な改善を回避するMagICoReを提案する。
  論文  参考訳（メタデータ） (2024-09-18T17:12:41Z)
• Sentiment Analysis through LLM Negotiations [58.67939611291001]
  感情分析の標準的なパラダイムは、単一のLCMに依存して、その決定を1ラウンドで行うことである。 本稿では,感情分析のためのマルチLLMネゴシエーションフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-11-03T12:35:29Z)
• SCREWS: A Modular Framework for Reasoning with Revisions [58.698199183147935]
  我々は、リビジョンを伴う推論のためのモジュラーフレームワークであるSCREWSを紹介する。 我々は、SCREWSが、共通のフレームワークの下で、いくつかの以前のアプローチを統合することを示す。 我々は,多種多様な推論タスクに基づいて,最先端のLCMを用いてフレームワークの評価を行った。
  論文  参考訳（メタデータ） (2023-09-20T15:59:54Z)

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。