論文の概要: Network World Models as Environments for Algorithm Design on Complex Systems

• arxiv url: http://arxiv.org/abs/2610.01048v1
• Date: Thu, 01 Oct 2026 04:44:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:23.896577
• Title: Network World Models as Environments for Algorithm Design on Complex Systems
• Title（参考訳）: 複雑なシステムにおけるアルゴリズム設計環境としてのネットワーク世界モデル
• Abstract要約: 本稿では,ネットワークの拡散力学を時間とともに学習する行動条件付きネットワークワールドモデルを提案する。 それぞれのアクションをネットワークに適用し、次の結果を予測する。 アルゴリズム設計ループ内の高速評価器として機能する。
• 参考スコア（独自算出の注目度）: 8.320644284953145
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: World models, which simulate an environment and predict how it changes under actions, are increasingly used in real-world applications such as robotics. Complex systems call for the same tool because the effect of an action is not immediate. Seeding nodes for a campaign, or immunizing nodes against an epidemic, changes little on its own; what matters is the outcome that unfolds over the steps that follow. Designing an algorithm that selects such actions to maximize expected performance on a task is inherently iterative, and every candidate must be scored by the outcome it produces. Obtaining that outcome has relied on simulation, whose cost becomes a bottleneck when candidates are evaluated over many sampled trajectories. We propose an action-conditioned Network World Model that learns a network's diffusion dynamics under interventions over time, applies each action to the network, and predicts the outcome that follows. It serves as a fast evaluator inside an algorithm design loop in which a coding agent designs and refines executable algorithms using feedback from full rollouts, action-level credit, and counterfactual probes over alternative interventions. Across eight network tasks and five diffusion models, the designed algorithms match or exceed the strongest reported baseline in 138 of 141 settings while enabling up to 14.5 times faster rollouts than Monte Carlo simulation. Code will be released upon acceptance.
• Abstract（参考訳）: 環境をシミュレートし、行動下でどのように変化するかを予測する世界モデルは、ロボット工学のような現実世界の応用でますます使われている。 複雑なシステムは、アクションの効果が即時ではないため、同じツールを要求する。 キャンペーンのノードを探すか、疫病に対する予防接種ノードを探すことは、自分自身ではほとんど変化しない。 タスク上で期待されるパフォーマンスを最大化するためにそのようなアクションを選択するアルゴリズムを設計することは本質的に反復的であり、すべての候補はそれが生成する結果によって得点されなければならない。 この結果は、多くのサンプル軌跡に対して候補が評価されると、コストがボトルネックとなるシミュレーションに頼っている。 本研究では,時間的介入によりネットワークの拡散ダイナミクスを学習し,各動作をネットワークに適用する行動条件付きネットワークワールドモデルを提案する。 コーディングエージェントは、完全なロールアウト、アクションレベルクレジット、代替的介入に対する対実的なプローブからのフィードバックを使用して、実行可能なアルゴリズムを設計し、洗練するアルゴリズム設計ループの中で、高速な評価器として機能する。 8つのネットワークタスクと5つの拡散モデルにまたがって、設計アルゴリズムはモンテカルロシミュレーションの最大14.5倍高速ロールアウトを可能にしながら、141設定のうち138つの最強のベースラインと一致または超えている。 コードは受理時にリリースされる。

関連論文リスト

• Invertible Neural Network Adapter for One-Step Flow Matching in Robot Manipulation [48.77928097573051]
  本稿では,汎用ロボット操作のための可逆ニューラルネットワークアダプタを提案する。 フローマッチングの定式化に基づいて、提案したアダプタは、可逆潜在空間内のアクション生成軌跡を制約する。 提案手法の有効性を評価するため,様々なシミュレーションベンチマークと実世界のロボットプラットフォームを用いて実験を行った。
  論文  参考訳（メタデータ） (2026-06-17T15:35:27Z)
• TapSampling: Inference-Time Sampling with a Task-Progress-Understanding Verifier for Robotic Manipulation [61.35569005726248]
  既存の具体的制御研究は、トレーニングデータとモデルサイズをスケールすることで、顕著なパフォーマンス向上を示す。 拡散や自己回帰モデルのような非決定論的生成モデルは、エンボディドコントロールの分野で広く採用されている。 推測時間サンプリングのためのプラグイン・アンド・プレイフレームワークである textbfTapSampling を提案する。
  論文  参考訳（メタデータ） (2026-05-25T08:03:31Z)
• Planning in 8 Tokens: A Compact Discrete Tokenizer for Latent World Model [76.30055935418561]
  そこで我々は,各観測結果を最大8個のトークンに圧縮し,計算コストを大幅に削減し,計画に必要な情報を保存するためのトークンであるCompACTを提案する。 アクション条件付きワールドモデルは、CompACTトークンライザを占有し、桁違いの高速計画による競合計画性能を達成し、現実世界のワールドモデルの展開に向けた実践的なステップを提供する。
  論文  参考訳（メタデータ） (2026-03-05T18:00:02Z)
• Computer-Using World Model [58.59112582915026]
  我々は,次のユーザインタフェース(UI)状態を予測するデスクトップソフトウェアのための世界モデルであるComputer-Using World Model (CUWM)を紹介する。 CUWMはまずエージェント関連状態変化のテキスト記述を予測し、次に次のスクリーンショットを合成するために視覚的にこれらの変化を実現する。 テスト時間動作探索を用いてCUWMを評価し、凍結エージェントが世界モデルを用いて実行前の候補動作をシミュレートし比較する。
  論文  参考訳（メタデータ） (2026-02-19T13:48:29Z)
• Graph Neural Network-Based Collaborative Perception for Adaptive Scheduling in Distributed Systems [0.0]
  本稿では,GNNに基づくマルチノード協調認識機構を提案する。 メッセージパッシングと状態更新モジュールが導入される。 グローバルな特徴を持つ局所状態を融合させて認識表現法を設計する。
  論文  参考訳（メタデータ） (2025-05-22T05:34:02Z)
• Cellular Traffic Prediction Using Online Prediction Algorithms [5.416701003120508]
  本稿では,リアルタイムシナリオにおけるセルラーネットワークトラフィック予測におけるライブ予測アルゴリズムの有効性について検討する。 機械学習モデルに2つのライブ予測アルゴリズムを適用し,その1つは最近提案されたFast LiveStream Prediction (FLSP)アルゴリズムである。 本研究は,従来のオンライン予測アルゴリズムと比較して,FLSPアルゴリズムが非同期データレポートに必要な帯域幅を半減できることを明らかにする。
  論文  参考訳（メタデータ） (2024-05-08T17:36:14Z)
• Random Aggregate Beamforming for Over-the-Air Federated Learning in Large-Scale Networks [66.18765335695414]
  本稿では,アグリゲーションエラーを最小限に抑え,選択したデバイス数を最大化する目的で,共同装置の選択とアグリゲーションビームフォーミング設計について検討する。 コスト効率のよい方法でこの問題に取り組むために,ランダムな集合ビームフォーミング方式を提案する。 また, 得られた集計誤差と, デバイス数が大きい場合に選択したデバイス数についても解析を行った。
  論文  参考訳（メタデータ） (2024-02-20T23:59:45Z)
• On efficient computation in active inference [1.1470070927586016]
  計算量を大幅に減らした有限時間地平線に対する新しい計画アルゴリズムを提案する。 また、新規かつ既存のアクティブな推論計画スキームに対して適切な目標分布を設定するプロセスを簡単にする。
  論文  参考訳（メタデータ） (2023-07-02T07:38:56Z)
• Fast and computationally efficient generative adversarial network algorithm for unmanned aerial vehicle-based network coverage optimization [1.2853186701496802]
  移動ネットワークにおける動的な交通需要の課題は、無人航空機をベースとした移動セルに対処されている。 将来,無人航空機の膨大な可能性を考えると,カバー範囲最適化のための新しいアルゴリズムを提案する。 提案アルゴリズムは,一意の多層和プーリング損失関数を持つ条件付き生成逆ニューラルネットワークに基づいて実装された。
  論文  参考訳（メタデータ） (2022-03-25T12:13:21Z)
• Using Graph Neural Networks to model the performance of Deep Neural Networks [2.1151356984322307]
  グラフ表現を取り入れた新しいパフォーマンスモデルを開発した。 実験により,HalideモデルとTVMモデルと比較すると,予測誤差が7:75x,12x減少した。
  論文  参考訳（メタデータ） (2021-08-27T20:20:17Z)
• Fitting the Search Space of Weight-sharing NAS with Graph Convolutional Networks [100.14670789581811]
  サンプルサブネットワークの性能に適合するグラフ畳み込みネットワークを訓練する。 この戦略により、選択された候補集合において、より高いランク相関係数が得られる。
  論文  参考訳（メタデータ） (2020-04-17T19:12:39Z)

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。