論文の概要: CARE: Certifying Acceleration for Vision-Language-Action Inference

• arxiv url: http://arxiv.org/abs/2610.08917v1
• Date: Tue, 06 Oct 2026 18:00:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 21:58:22.530785
• Title: CARE: Certifying Acceleration for Vision-Language-Action Inference
• Title（参考訳）: CARE: Vision-Language-Action推論のためのアクセラレーション認定
• Abstract要約: CAREは認定アクセラレータ選択のためのアプローチである。 アクセラレーションによって引き起こされる障害リスクが、ユーザが指定した予算を下回ることを保証します。 OpenVLA-OFTの4つのLIBEROスイートでは、CAREは9.0$--10.8times$ speedupsを認定し、少なくとも8.8%の参照解決エピソードが保存されていることを保証している(95%$ confidence)。
• 参考スコア（独自算出の注目度）: 33.685162334412645
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: While vision-language-action (VLA) models have advanced rapidly, running them at every control step remains expensive. Prior work accelerates VLA inference using techniques like action chunking and visual-token pruning, typically evaluating based on latency and average task success. However, acceleration may discard information and break tasks the original policy would solve, a risk hidden by average metrics. Measuring these failures is challenging because action deviations compound over closed-loop trajectories, meaning task failure is only observable across full episodes. We therefore define an acceleration-induced failure via paired rollouts from identical initial conditions, tracking when the reference succeeds but the accelerated policy fails. To manage this, we introduce CARE, an approach for certified accelerator selection. CARE uses paired rollouts on a calibration set to provide finite-sample guarantees that acceleration-induced failure risk stays below a user-specified budget. It deploys the fastest certified candidate, falling back to the reference if none qualify. By relying only on terminal outcomes and measured compute, CARE applies unchanged across diverse acceleration mechanisms, while sequential testing and failure-triggered reference rollouts keep certification affordable. On four LIBERO suites with OpenVLA-OFT, CARE certifies $9.0$--$10.8\times$ speedups while guaranteeing (at $95\%$ confidence) that at least $85.8\%$ of reference-solved episodes are preserved. Under tight budgets, selectors without guarantees exceed the budget in up to $75\%$ of trials, whereas CARE stays within budget and its sequential form uses $78.9\%$ fewer rollouts than exhaustive evaluation. CARE further generalizes to flow-step reduction for $π_{0.5}$, and to Qwen3.5-9B and Llama-3.1-8B agents in Crafter.
• Abstract（参考訳）: 視覚言語アクション(VLA)モデルは急速に進歩しているが、全ての制御ステップでそれらを実行することは高価である。 従来の作業は、アクションチャンキングや視覚的なプルーニングといったテクニックを使用してVLA推論を加速し、一般的に遅延と平均タスク成功に基づいて評価する。 しかし、アクセラレーションは情報を破棄し、元のポリシーが解決するであろうタスクを壊す可能性がある。 これらの障害を測定することは、クローズドループ軌道上での行動偏差が複雑になるため、難しい。 したがって、同じ初期条件からのペアロールアウトによる加速誘導障害を定義し、基準がいつ成功したが、加速されたポリシーが失敗したかを追跡する。 これを管理するために、認定アクセラレータ選択のためのアプローチであるCAREを紹介する。 CAREはキャリブレーションセット上でペア化されたロールアウトを使用して、アクセラレーションによって引き起こされる障害リスクがユーザ指定予算を下回ることを有限サンプル保証する。 最速の認定候補を配置し、資格がなければ基準に戻る。 終末結果と測定された計算のみに依存することで、CAREはさまざまなアクセラレーションメカニズムにまたがって適用できなくなり、シーケンシャルなテストと障害トリガーによる参照ロールアウトは、認定を安価に保ちます。 OpenVLA-OFTの4つのLIBEROスイートでは、CAREは9.0$--$10.8\times$ speedupsを認定し、少なくとも85.8\%の参照解決エピソードが保存されていることを保証している。 厳格な予算の下では、保証のないセレクターは75 %の試験で予算を超過するが、CAREは予算内に留まり、そのシーケンシャルな形式は徹底的な評価よりも78.9 %のロールアウトを減らしている。 CAREはさらに、$π_{0.5}$のフローステップ還元と、クラフトにおけるQwen3.5-9BおよびLlama-3.1-8Bエージェントを一般化している。

関連論文リスト

• Dynamic Budget Allocation for LLM Evaluation under Hard Resource Constraints [22.523809021772802]
  予測キャリブレーション(HARP)のためのリフローを用いたハード予算割当の導入 HARPは、ハードリソースの制約を満たし、未使用の予算を適応的に再割り当てする予算配分である。 本稿では、HARPを用いて時間と時間で低い予測境界(LPB)を構築する方法を示し、固定ベンチマーク上でのジェイルブレイク率などの評価指標を推定する。
  論文  参考訳（メタデータ） (2026-10-05T20:31:22Z)
• SVR: Self-Verifying Refinement via Joint Verdict-Confidence Reinforcement Learning for Adaptive Test-Time Compute [62.3458279176813]
  自己検証リファインメント(Self-Verifying Refinement)は、オラクルフリーのマルチターン強化学習フレームワークである。 自己検証を計算制御ポリシとして使用することを学ぶ。 マクロ平均精度は0.563で、平均で2.99回しか推測できない。
  論文  参考訳（メタデータ） (2026-07-30T16:20:58Z)
• TRACE: Turn-level Reward Assignment via Credit Estimation for Long-Horizon Agents [51.523913302114266]
  TRACE(Turn-level Reward Assignment via Credit Estimation)は、エージェント強化学習のための高密度クレジットアサインメント手法である。 ツールコール境界における状態遷移としてロールアウトを表現し、凍結参照モデルからゴールド・アンサー・ログ確率を取得し、それらをログ比の状態値に変換し、それらの値の時間差変化としてアクション毎の報酬を導出する。 純粋なRLを用いたベースモデルツール使用能力を大幅に向上させ、冷間開始制御された微調整ステージ、エージェント訓練ステージ、ライブWebデータによるトレーニングを不要とした。
  論文  参考訳（メタデータ） (2026-07-15T16:16:42Z)
• Certified Speculative Execution for Untrusted AI Agents [5.864346468963738]
  Certificate-Gated Prefix Acceptance (CGPA)は、信頼できないAIエージェントの投機的実行契約である。 デプロイメントスケールの単位コミットインスタンスでは、凍結した8B LLMを2.96x/1エピソードのウォールクロックのスピードアップに2.1%の後悔で変換し、ドメイン(1.79x)と安全なリリーディング・ホライゾンベースライン(1.07x)を上回ります。
  論文  参考訳（メタデータ） (2026-06-30T01:45:56Z)
• A Stackelberg Framework for Resource-Aware LLM Agents: Learning, Repair, and Conditional Guarantees [1.9381445674403615]
  大規模言語モデル(LLM)エージェントは、マルチターンシステムがコンテキストを割り当て、冗長性を促し、有限の計算予算の下でツールアクセスを行なわなければならないため、ますます運用されるようになっている。 コントローラは品質目標とコストインセンティブにコミットし、エグゼキュータはコンテキスト、プロンプト、ツール使用に関するリソースアクションに応答します。 我々は条件付き応答モデルを学び、そのモデルに対してリーダーポリシーを最適化し、実際のAPIキャリブレーションとプロジェクションを用いて結果のポリシーを修復する。
  論文  参考訳（メタデータ） (2026-06-22T08:38:22Z)
• OVIG: Optimistic Verification of AI Training Integrity via Gradient Signals [12.13115443718909]
  アウトソーストレーニングは、トレーニング統合性ギャップを生み出します。 OVIGは、異種実行下でのトレーニング後のアウトソースAIに対して、実用的な整合性レイヤを提供する。
  論文  参考訳（メタデータ） (2026-06-19T02:22:28Z)
• Cascading Robustness Verification: Toward Efficient Model-Agnostic Certification [1.6105236927161437]
  不完全検証は効率よくスケールし、ロバスト性検証のコストを削減する。 CRVはモデルに依存しない検証器であり、堅牢性を保証することはモデルのトレーニングプロセスとは無関係である。 我々は,CRVが,強力だが計算コストのかかる不完全検証器と比較して,同等あるいは高い精度で検証可能であることを示す。
  論文  参考訳（メタデータ） (2026-02-04T05:54:08Z)
• Dynamic Speculative Agent Planning [57.630218933994534]
  大規模な言語モデルベースのエージェントは、遅延の禁止と推論コストのために、重要なデプロイメント課題に直面している。 本稿では,オンライン強化学習フレームワークである動的投機計画(Dynamic Speculative Planning, DSP)を紹介する。 2つの標準エージェントベンチマークの実験では、DSPは高速加速法に匹敵する効率を達成し、総コストを30%削減し、不要コストを60%まで削減している。
  論文  参考訳（メタデータ） (2025-09-02T03:34:36Z)

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。