論文の概要: The Unexpired Plan: A Free Monitor for Accelerated Diffusion Policies

• arxiv url: http://arxiv.org/abs/2610.05747v1
• Date: Mon, 05 Oct 2026 03:53:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 04:43:04.766169
• Title: The Unexpired Plan: A Free Monitor for Accelerated Diffusion Policies
• Title（参考訳）: 未経験プラン:加速拡散政策のための無料モニター
• Abstract要約: クローズドループの成功には、コントロールループのすべてのモニタに余裕があります。 2つのアクセラレーターはそれぞれのゲートバーをクリアし、すべての再利用を認証として記録する。 われわれの4家族のうち3家族のスケジュールだけでは、すでに前払いの$pm2$-pointのマージンを保っている。
• 参考スコア（独自算出の注目度）: 6.93744626953928
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Training-free acceleration of a diffusion policy is accepted when an internal similarity signal reports that the shortcut changed nothing. We price every monitor a control loop can afford in closed-loop success rather than feature distance, over $114$ accelerator configurations and four policy families: two accelerators each clear their own gate's bar and log every reuse as certified, while on one task one finishes every episode and the other none. A monitor is two designs, not one --- the statistic it reads, and what it does when that statistic fires. Published gates re-arm after every rejection, and under that response even an oracle handed every forward pass and the exact local action error loses twenty points; absorbing the same statistic costs one point, and most of its speed. What makes a response that never forgets affordable is a statistic that rarely fires, and what it must measure is deviation from the policy the accelerator replaced --- which a chunked policy has already paid for, its last plan not yet expired and free to read. Guarding every call this way cuts per-call compute by $1.55$--$3.09\times$, where any reference-requiring check at the same coverage would have to stop accelerating altogether. On three of our four families the schedule alone already holds the pre-stated $\pm2$-point margin. What the monitor is measurably worth shows in three places: on the fourth family, where it rescues the candidate selection landed on; on four configurations it did not select; and on a contact-rich fifth family, chosen where the schedule was expected to fail and run after every design choice was frozen, where no unmonitored arm at its speed holds the margin and the monitored one does.
• Abstract（参考訳）: 内部の類似性信号がショートカットが変化しないことを報告すると、拡散ポリシーのトレーニング不要な加速が受け入れられる。 2つのアクセラレーターがそれぞれのゲートのバーをクリアし、すべての再利用を認定としてログし、一方のタスクでは1つのエピソードが終了し、もう一方は終了します。 モニターは2つの設計であり、1つではありません。 拒絶のたびに発行されたゲートは再武装し、その反応の下では、オラクルでさえ全ての前方通過を手渡し、正確な局所的なアクションエラーは20ポイントを失い、同じ統計的なコストを1ポイント、その速度のほとんどを吸収する。 割高な政策がすでに支払っている政策から逸脱し、最終計画はまだ期限が切れておらず、自由に読むことができない」と述べた。 すべての呼び出しをこの方法でガードすることは、呼び出し毎の計算を1.55$--3.09\times$に削減する。 われわれの4家族のうち3家族のスケジュールだけですでに$\pm2$-pointマージンが設定されている。 モニターの価値があるのは、3つの場所で示される: 4番目のファミリーでは、候補者の選抜を救出し、4つの構成では、選抜されなかった。そして、コンタクトリッチな第5の家族では、スケジュールが失敗すると予測された場所を選択し、すべての設計選択が凍結された後に実行する。

関連論文リスト

• Don't Throw Away the Tail: Action Upcycling for Policy Acceleration [43.910503270915825]
  Action Upcyclingはトレーニング不要のアルゴリズムで、ポリシーが破棄されるアクションを再利用する。 政策コールを1.2-1.7倍に減らし、成功率を損なわない。 それは無視できるコストで、どんな政策にも当てはまる。
  論文  参考訳（メタデータ） (2026-09-28T11:13:18Z)
• Runtime Assurance Under Measurement Attack: Necessary and Sufficient Observability Conditions for Learned Control in Radio Access Networks [0.0]
  停止保証は、信頼できないコントローラとスイッチングモニタと検証済みのフォールバックをペアリングする。 この保証は、植物が2q$-sparseオブザーバブルである場合に限り、$q$チャネルを制御する敵に生存する。 ランクテストは予算を決定し、識別はそれを保持しないので、公表された予算はそのマージンフロアを名付けなければならない。
  論文  参考訳（メタデータ） (2026-09-25T04:03:05Z)
• Safety Does Not Compose: Non-Decaying Loop State for Autonomous LLM Agents [16.24087700490158]
  大規模言語モデルエージェントは、自律ループとしてますますデプロイされる。 これは実装の詳細ではなく、構成の失敗であることを示す。 LoopHarnessは、ループレベルでの永続的非遅延安全状態を復元する。
  論文  参考訳（メタデータ） (2026-08-27T13:52:31Z)
• The Low Frequency Trap: Video Language Models Fail at Simple Event Bookkeeping [70.07961857926377]
  3つの制御されたビデオタスクにおけるイベントカウントのためのトレーサグラウンドパラメトリックプロファイリングを導入する。 2,190本のビデオでは,レンダリングを保ちながらイベントカウントNと周波数Fが異なる。 80%の信頼性しきい値において、Gemini 3.6 Flashは、0.5Hzと1.0Hzの12イベントまでの永続的な状態遷移を確実にカウントするが、過渡的点滅イベントに対する信頼性の高い正カウント領域は示さない。
  論文  参考訳（メタデータ） (2026-08-06T17:57:06Z)
• STOCKTAKE: Measuring the Gap Between Perception and Action in LLM Agents with a Fair Oracle [0.0]
  LLMエージェントは、コストを駆動する状態が直接観察されない複数週間の意思決定タスクにおいて、ますます評価される。 一部観測可能なマルコフ決定プロセスとして構築された26週間のサプライチェーン補充ベンチマークであるSTOCKTAKEを紹介する。
  論文  参考訳（メタデータ） (2026-07-15T09:08:27Z)
• TraceGraph: Shared Decision Landscapes for Diagnosing and Improving Agent Trajectories [61.51984029109709]
  グラフベースのフレームワークであるTraceGraphを紹介した。 各タスクに対して、TraceGraphは、モデルIDが導入される前に、プールされたロールアウトから観測可能なアクション・オブザーブレーション状態のグラフを構築する。 次に、結果インフォームされた生産的なコアとトラップリージョンをオーバーレイし、各ロールアウトを3つのイベント – アクセス、トラップ露出、修復 – で要約する。
  論文  参考訳（メタデータ） (2026-05-29T13:40:31Z)
• SPIKE: An Adaptive Dual Controller Framework for Cost-Efficient Long-Horizon Game Agents [74.84742205422825]
  コスト効率のよい長軸ゲーム制御のための適応型デュアルコントローラフレームワークSPIKEを提案する。 Strategic Controllerは低周波のグローバル計画、障害解析、リカバリを実行し、Reactive Controllerは厳格なトークン予算の下で高速なローカル実行を処理する。 Event Triggerは、視覚的な変化、タスクの進捗、繰り返しアクション、障害信号を監視して、制御がいつ反応性を保つか、あるいは戦略的な推論にエスカレートするかを判断する。 この設計は、複数のリアクティブステップにまたがる戦略的な提案を再利用し、計画が不安定になると局所的なオーバライドをサポートし、余分な議論が役に立つ瞬間に高価な推論を予約する。
  論文  参考訳（メタデータ） (2026-05-18T16:43:32Z)
• Multi-Armed Bandits with Interference [39.578572123342944]
  スイッチバックポリシは,最高の固定アームポリシに対して,最適に期待された後悔のO(sqrt T)$を達成できることが示される。 提案するクラスタランダム化ポリシは,期待値に最適である。
  論文  参考訳（メタデータ） (2024-02-02T19:02:47Z)

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。