論文の概要: DiMOS: Doob-Guided Inference-Time Multi-Objective Search for Scientific Design

• arxiv url: http://arxiv.org/abs/2610.05808v1
• Date: Mon, 05 Oct 2026 05:01:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 04:13:04.009137
• Title: DiMOS: Doob-Guided Inference-Time Multi-Objective Search for Scientific Design
• Title（参考訳）: DiMOS:科学設計のためのDoob-Guided Inference-Time Multi-Objective Search
• Abstract要約: DiMOSは多目的科学設計のためのトレーニング不要のフレームワークである。 同世代で最も高い成功率を達成している。
• 参考スコア（独自算出の注目度）: 42.25025751456809
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Scientific design often requires jointly satisfying multiple objectives and constraints. Pretrained masked diffusion models provide a generative foundation for this task, but fine-tuning them to meet these objectives and constraints incurs additional training costs, motivating inference-time guidance with frozen models. However, such guidance faces two challenges: pass-or-fail constraints and black-box reward models may provide no useful gradients, while jointly satisfying multiple requirements can leave a small feasible region, making feasible designs difficult to find within a limited inference budget. To address these challenges, we introduce DiMOS, a training-free framework for multi-objective scientific design. Using joint rewards from candidate completions, DiMOS performs approximate Doob-guided local resampling without requiring reward gradients. To allocate computation efficiently, it uses budget-efficient trajectory search to focus computation on promising continuations. Across six DNA, protein, and RNA tasks, DiMOS attains the highest joint success rate at comparable generation times, up to $1.98\times$ the strongest baseline on DNA and protein, while maintaining high sequence uniqueness and naturalness.
• Abstract（参考訳）: 科学的設計は、しばしば複数の目的と制約を共同で満たす必要がある。 事前訓練されたマスク付き拡散モデルは、このタスクの生成基盤を提供するが、これらの目的と制約を満たすように微調整することで、追加のトレーニングコストを発生させ、凍結モデルによる推論時間ガイダンスを動機付ける。 しかし、このようなガイダンスは2つの課題に直面している: パス・オー・フェイルの制約とブラック・ボックスの報酬モデルは有用な勾配を与えないかもしれない。 これらの課題に対処するために,多目的科学設計のためのトレーニングフリーフレームワークであるDiMOSを紹介する。 DiMOSは、候補完了からの合同報酬を用いて、報酬勾配を必要とせず、近似的なDoob誘導局所再サンプリングを行う。 計算を効率的に割り当てるために、予算効率のよい軌道探索を用いて、計算を有望な継続にフォーカスする。 6つのDNA、タンパク質、RNAタスクの中で、DiMOSは、高い配列の特異性と自然性を維持しながら、DNAとタンパク質の最も強力なベースラインである1.98\times$で、同世代で最も高い共同成功率を達成している。

関連論文リスト

• Thickening-to-Thinning: Reward Shaping via Human-Inspired Learning Dynamics for LLM Reasoning [22.245126662576435]
  Reinforcement Learning with Verifiable Rewards (RLVR) は、大規模言語モデルにおける推論を強化するための有望なパラダイムとして登場した。 既存の報酬体系は、問題解決における広範囲な探索の必要性と、熟達した知識に必要な効率とを区別することができない。 人間の学習プロセスにインスパイアされた動的報酬フレームワークであるT2Tを紹介する。
  論文  参考訳（メタデータ） (2026-02-04T06:55:58Z)
• Nemotron Elastic: Towards Efficient Many-in-One Reasoning LLMs [80.72350166388601]
  Nemotron Elasticは推論指向のLLMを構築するためのフレームワークである。 ネストしたサブモデルを単一の親モデルに組み込む。 これらのサブモデルはそれぞれ、親モデルと重みを共有し、デプロイ中にゼロショットを抽出できる。
  論文  参考訳（メタデータ） (2025-11-20T18:59:21Z)
• UC-MOA: Utility-Conditioned Multi-Objective Alignment for Distributional Pareto-Optimality [52.49062565901046]
  Reinforcement Learning from Human Feedback (RLHF) は、大きな言語モデルと人間の価値を整合させる基盤となっている。 既存のアプローチは、人間の好みの多次元、分布的なニュアンスを捉えるのに苦労している。 本稿では,これらの制約を克服する新しいフレームワークであるUtility-Conditioned Multi-Objective Alignment (UC-MOA)を紹介する。
  論文  参考訳（メタデータ） (2025-03-10T09:52:42Z)
• Beyond Autoregression: Discrete Diffusion for Complex Reasoning and Planning [89.96284387376119]
  拡散モデルが自己回帰的アプローチを損なう困難なサブゴールをどのように学習するかを示す。 本稿では,学習時の難易度に基づいてサブゴールを優先する多粒度拡散モデリング(MGDM)を提案する。 MGDMは検索手法を使わずに自己回帰モデルよりも優れていた。
  論文  参考訳（メタデータ） (2024-10-18T03:48:53Z)
• Limits of Deep Learning: Sequence Modeling through the Lens of Complexity Theory [15.24542569393982]
  彼らの成功にもかかわらず、ディープラーニングモデルは複雑な推論と機能構成を必要とするタスクに苦しむ。 本研究では,SSM(Structured State Space Models)とTransformer(Transformer)の制約に関する理論的および実証的研究を行う。 信頼性の高い多段階推論と構成課題解決を実現するための革新的なソリューションの必要性を強調した。
  論文  参考訳（メタデータ） (2024-05-26T19:33:23Z)
• Semantically Aligned Task Decomposition in Multi-Agent Reinforcement Learning [56.26889258704261]
  我々は,MARL(SAMA)における意味的アライズされたタスク分解という,新しい「不整合」意思決定手法を提案する。 SAMAは、潜在的な目標を示唆し、適切な目標分解とサブゴールアロケーションを提供するとともに、自己回帰に基づくリプランニングを提供する、チェーン・オブ・シントによる事前訓練された言語モデルを促進する。 SAMAは, 最先端のASG法と比較して, 試料効率に有意な優位性を示す。
  論文  参考訳（メタデータ） (2023-05-18T10:37:54Z)
• CIM: Constrained Intrinsic Motivation for Sparse-Reward Continuous Control [25.786085434943338]
  内因性モチベーション(intrinsicmotive)は、外因性報酬(extrinsic rewards)の不足や不足を伴う強化学習タスクを解決するための有望な手法である。 固有のモチベーションを実装するには2つの技術的課題がある。 本稿では,制約付き内在的目標を構築するために,容易に達成可能なタスク前処理を活用するための制約付き内在的モチベーション(CIM)を提案する。 我々はCIM手法が最先端手法よりも性能とサンプル効率を大幅に向上させることを実証的に示す。
  論文  参考訳（メタデータ） (2022-11-28T10:23:56Z)
• Multimodal Reward Shaping for Efficient Exploration in Reinforcement Learning [8.810296389358134]
  IRSモジュールは、学習手順を記録し解析するために、アテンダントモデルや追加メモリに依存している。 エントロピー正則化器を置き換えるために,ジャイナの公正度指数 (JFI) という新しい指標を導入する。
  論文  参考訳（メタデータ） (2021-07-19T14:04:32Z)

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。