論文の概要: Cross-entropy optimization with prioritized constraints

• arxiv url: http://arxiv.org/abs/2610.01319v1
• Date: Thu, 01 Oct 2026 08:48:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:24.013752
• Title: Cross-entropy optimization with prioritized constraints
• Title（参考訳）: 優先順位付き制約を用いたクロスエントロピー最適化
• Abstract要約: TierCEMは、厳密な制約優先順位を直接エリート選択に組み込むクロスエントロピー法の一種である。 2次元ナビゲーションとコンタクトリッチなプッシュタスクにおけるTierCEMの評価を行った。
• 参考スコア（独自算出の注目度）: 3.172528856958259
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: When constraints conflict, an optimizer must determine which requirements to preserve and which to relax. On the one hand, a priority ordering specifies which requirements take precedence. On the other hand, penalty-based formulations encode their relative importance through numerical weights. Depending on these weights, a solution can improve its weighted score while violating intended priorities. We introduce TierCEM, a variant of the cross-entropy method that incorporates strict constraint priorities directly into elite selection without requiring per-constraint importance weights. TierCEM works by sequentially filtering sampled candidates, from highest- to lowest-priority constraint. If and when a constraint eliminates all remaining candidates, TierCEM returns to the last nonempty set and selects elites with the smallest violations of that blocking constraint, recursively preserving satisfaction of all higher-priority constraints. We evaluate TierCEM on 2D navigation and contact-rich pushing tasks in proprioceptive and learned world-model settings. Experiments show that reversing the constraint ordering changes which constraints are violated under conflict. Prioritizing progress toward the task objective also enables TierCEM to relax lower-priority constraints when they would otherwise prevent further progress.
• Abstract（参考訳）: 制約が矛盾する場合、オプティマイザはどの要件を保存するか、どの要件を緩和するかを判断しなければならない。 一方、優先順序付けでは、どの要件が優先されるかを指定する。 一方、ペナルティに基づく定式化は、数値的な重みによってそれらの相対的な重要性を符号化する。 これらの重みによって、ソリューションは、意図した優先順位に違反しながら、重み付けされたスコアを改善することができる。 本稿では,制約ごとの重み付けを必要とせず,厳密な制約優先度を直接エリート選択に組み込むクロスエントロピー手法の変種であるTierCEMを紹介する。 TierCEMは、最も高い優先度の制約から最低限の制約まで、サンプル候補を逐次フィルタリングすることで機能する。 もし制約が残った全ての候補を排除した場合、TierCEMは最後の空でない集合に戻り、ブロックされた制約の最小限の違反でエリートを選択する。 2次元ナビゲーションとコンタクトリッチなプッシュタスクにおけるTierCEMの評価を行った。 実験では、制約が競合の下で破られるような制約順序の変更を逆転させることが示されている。 タスク目標に向けた進捗の優先順位付けにより、TierCEMは、さもなくばそれ以上の進捗を防げる場合に、低優先度の制約を緩和することができる。

関連論文リスト

• Learning Not to Optimize: Physics-Informed Action-Space Reshaping for Intent-Based Network Control [50.46501177871741]
  LNOQRD は小物候補を75.9% で削減し、90.8% でニアオラクルのカバレッジを維持している。 実験の結果、LNOQRDは実用性と意図の満足度が最も高く、かつ、法律違反が最低で、世代後レイテンシが低いことがわかった。
  論文  参考訳（メタデータ） (2026-08-02T00:27:01Z)
• CSPO: Constraint-Sensitive Policy Optimization for Safe Reinforcement Learning [9.011823422505378]
  本稿では,局所的制約感度をポリシー更新に組み込む一階法である制約感作政策最適化(CSPO:Constraint-Sensitive Policy Optimization)を提案する。 CSPOは、最も短い符号付き距離から安全境界までの制約に敏感な補正により、主目的を増強し、よりスマートな回復ステップを安全に戻すことができる。 ナビゲーションと移動ベンチマークの実験では、CSPOはより高速な安全回復と高い報酬保存を実現し、より高い制約付きリターンをもたらすことが示されている。
  論文  参考訳（メタデータ） (2026-06-12T12:48:56Z)
• FAIR-Calib: Frontier-Aware Instability-Reweighted Calibration for Post-Training Quantization of Diffusion Large Language Models [50.86041384789834]
  エンドツーエンドの拡散ロールアウトを必要とせずに、脆弱なフロンティア状態の保護を優先するdLLMのための2段階PTQフレームワークを提案する。 我々は、FAIR-CalibがLLaDAとDream(W4A4)の最先端ベースラインを一貫して上回り、フロンティア決定のフリップを減らし、様々なベンチマークにおけるコミット後のミスマッチを抑制することを示した。
  論文  参考訳（メタデータ） (2026-06-04T08:00:51Z)
• Supervised Fine-Tuning Needs to Unlock the Potential of Token Priority [26.24466194354444]
  本論文は, 監督微調整(SFT)の形式化をめざして, 踏剣優先性を必須の橋として提唱する。 我々は、この統合レンズによる最近のブレークスルーを分析し、ノイズ濾過の正の優先順位と、無学習の有毒なモードの符号付き優先順位の2つの異なる状態に分類する。
  論文  参考訳（メタデータ） (2026-02-01T13:39:34Z)
• Adaptive Neighborhood-Constrained Q Learning for Offline Reinforcement Learning [52.03884701766989]
  オフライン強化学習(RL)アルゴリズムは、通常、アクション選択に制約を課す。 本稿では,Bellmanターゲットにおける行動選択を,データセットアクションの近傍の結合に制限する新しい地区制約を提案する。 我々は,この制約を満たす目標動作を用いてQ学習を行うための,単純で効果的なアルゴリズムであるAdaptive Neighborhood-Constrained Q Learning(ANQ)を開発した。
  論文  参考訳（メタデータ） (2025-11-04T13:42:05Z)
• Finite-Time Information-Theoretic Bounds in Queueing Control [54.11376591632282]
  本稿では, 待ち行列の待ち行列を, 待ち行列と待ち行列の双方で処理するネットワーク上のスケジューリング問題において, 待ち行列の総長を求める新しいポリシーを導出する。 これらの結果は「ドリフトオンリー」な手法の基本的な制限を明らかにし、待ち行列制御における原則的、非漸近的最適性への道を示す。
  論文  参考訳（メタデータ） (2025-06-23T04:14:40Z)
• Beyond Primal-Dual Methods in Bandits with Stochastic and Adversarial Constraints [29.514323697659613]
  我々は,学習者が任意の長期制約を満たすことなく報酬を最大化することを目的とした,knapsacks問題によるバンディットの一般化に対処する。 私たちのゴールは、双方の制約の下で機能するベスト・オブ・ザ・ワールドのアルゴリズムを設計することです。
  論文  参考訳（メタデータ） (2024-05-25T08:09:36Z)
• SoFA: Shielded On-the-fly Alignment via Priority Rule Following [90.32819418613407]
  本稿では,各ダイアログにおけるルールを主制御機構として定義する,新たなアライメントパラダイムである優先ルールを提案する。 そこで本研究では,厳密な規則統合と固着性を確保するために,シミュレーションから優先信号に従う半自動蒸留手法であるプライオリティディスティルを提案する。
  論文  参考訳（メタデータ） (2024-02-27T09:52:27Z)
• A Unifying Framework for Online Optimization with Long-Term Constraints [62.35194099438855]
  我々は,意思決定者が長期的制約の対象となる一連の意思決定をしなければならないオンライン学習問題について検討する。 目標は、全報酬を最大化し、同時に、$T$ラウンド全体で小さな累積違反を達成することである。 本稿では,この一般クラス問題に対して,未知のモデルに基づいて報酬と制約が選択された場合と,各ラウンドで敵が選択した場合の双方において,最良世界型アルゴリズムを提示する。
  論文  参考訳（メタデータ） (2022-09-15T16:59:19Z)
• Scaling up Ranking under Constraints for Live Recommendations by Replacing Optimization with Prediction [0.0]
  本稿では,重み付き二部マッチング最適化をアルゴリズムの展開段階における予測問題に置き換えることで,制約下でのランク付けをスケールアップする新しい手法を提案する。 そこで我々は,提案した近似解が,制約コンプライアンスの犠牲を伴わずに必要計算資源の大幅な削減につながることを実証的に示す。
  論文  参考訳（メタデータ） (2022-02-14T23:18:40Z)

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。