論文の概要: Auditing LLM Program Search for Bermudan Stopping with Primal--Dual Certificates

• arxiv url: http://arxiv.org/abs/2610.14063v1
• Date: Wed, 07 Oct 2026 09:00:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.005957
• Title: Auditing LLM Program Search for Bermudan Stopping with Primal--Dual Certificates
• Title（参考訳）: 初等二段証明書を用いたバームダン停止のためのLLMプログラム探索の検討
• Abstract要約: ベルムダンオプションのためのPythonのエクササイズポリシーをLLMで探索する。 いずれのポリシーに対しても、0 le Vstar - L_le U - L_$; モンテカルロによる両方の境界の推定をサンプリング誤差で報告する。
• 参考スコア（独自算出の注目度）: 37.843374584522294
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: LLM program-search agents are usually judged by the score that drives their search. We study LLM-driven search over Python exercise policies for Bermudan options, an optimal stopping problem where a trusted evaluator owns the simulation and a dual upper bound~$U$. For any policy, $0 \le V^\star - L_π\le U - L_π$; we report Monte Carlo estimates of both bounds with their sampling error. We audit 24 generation attempts from two pipelines, a six-pair feedback-representation ablation, and a holdout evaluated after selection was frozen. No selected generated program improves on Ridge LSMC consistently or by more than Monte Carlo uncertainty; holdout gap scores lie within $0.002$ of it. On six one-dimensional puts, a high-precision binomial reference places Ridge within Monte Carlo noise of optimal and attributes 99\% of the estimated gap to dual-bound looseness, so this dual audits validity but cannot certify progress at the search's scale. Structured memory showed no benefit over score-only memory in this ablation. Whether search ``worked'' depends on reporting rules: retaining the initial reference, freezing selection before holdout, and counting failures.
• Abstract（参考訳）: LLMプログラム検索エージェントは通常、彼らの検索を駆動するスコアによって判断される。 LLMによるBermudanオプションのエクササイズポリシーの探索,信頼度評価器がシミュレーションを所有する最適な停止問題,および2つの上限~$U$について検討する。 任意のポリシーに対して、$0 \le V^\star - L_π\le U - L_π$; モンテカルロによる両方の境界の推定をサンプリング誤差で報告する。 2つのパイプラインからの24世代試験,6対のフィードバック表現アブレーション,選択後のホールドアウトの評価を行った。 選択された生成プログラムは、リッジLSMCを一貫して改善したり、モンテカルロ以上の不確実性によって改善することはない。 6つの1次元プットに対して、高精度な二項参照は、推定ギャップの99 % を双有界ゆるみに最適で属性のモンテカルロノイズの中に配置するので、この二重監査は妥当性を検査するが、探索の規模で進行を証明できない。 構造化メモリは、このアブレーションにおいてスコアのみのメモリよりも有益であった。 search ``worked'' は、最初の参照を保持すること、ホールトアウト前の選択を凍結すること、失敗をカウントすること、といったレポートルールに依存する。

関連論文リスト

• Pinocchio: Fast Uncertainty Estimates for Black-Box Language Models [73.50370994588927]
  ブラックボックスAPIモデルから応答の正しさを推定する外部キャリブレータであるPinocchioを紹介する。 我々のモデルは、不確実な推定を生成するために1つのフォワードパスしか必要とせず、ターゲットモデルのロジット、重み、または内部状態へのアクセスを必要としない。
  論文  参考訳（メタデータ） (2026-09-21T16:48:50Z)
• LLM-as-a-Verifier: A General-Purpose Verification Framework [74.40111651545979]
  本稿では,汎用検証フレームワーク LLM-as-a-Verifier を紹介する。 追加のトレーニングを必要とせずに、エージェントタスクに対してきめ細かいフィードバックを提供する。 いくつかのベンチマークで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-07-06T17:59:35Z)
• Data and Evaluation Closed-Loop for Model Capability Enhancement [8.245706308161504]
  評価は直感的ではなく,日常的,監査可能,実験的に検証可能であることを示す。 評価データ間推論は直感的ではなく,日常的,監査可能,実験的に検証可能であることを示す。
  論文  参考訳（メタデータ） (2026-06-26T14:45:57Z)
• When Is an LLM Worth It for Hyperparameter Optimization? A Budget-Matched Study on Tabular Data Finds the Warm-Start Is a Default Configuration, Not the Model [0.0]
  大規模言語モデル(LLM)は、事前知識から"ウォームスタート"検索を行うハイパーパラメータ最適化(HPO)アドバイザとして提案されている。 8つのPMLBベンチマークで、予算に適合したマルチシーズプロトコルで、この主張を検証します。
  論文  参考訳（メタデータ） (2026-06-19T17:52:36Z)
• Sequential Consensus for Multi-Agent LLM Debates: A Wald-SPRT compute governor with calibration-based failure detection [0.0]
  マルチエージェントの議論は事実と推論を改善するが、ほとんどのレシピは固定されたラウンドカウントを選択する。 我々は,LLM討論のプラグイン計算として,Wald's Sequential Probability Ratio Test (SPRT)を適用した。 GSM8Kでは、ルールは1.01ラウンド(4.06 LLMコール)で97.0%の精度で終了するが、15回のコールで固定5の討論では99.0%の精度で終了する。 MMLUでは、キャリブレーションされたKLは約0に崩壊し、ルール上限は2.1倍のコストで99.5%となる。
  論文  参考訳（メタデータ） (2026-05-18T23:43:12Z)
• Can Large Language Models Play Games? A Case Study of A Self-Play Approach [61.15761840203145]
  LLM(Large Language Models)は、インターネットからの広範なデータを利用して、幅広い事前知識を格納する。 Monte-Carlo Tree Search (MCTS)は、信頼性の高い意思決定ソリューションを提供する検索アルゴリズムである。 この研究は、ターンベースのゼロサムゲームを効率的に解決するために、MCTSセルフプレイでLLMを活性化させる革新的なアプローチを導入している。
  論文  参考訳（メタデータ） (2024-03-08T19:16:29Z)
• Learning Near Optimal Policies with Low Inherent Bellman Error [115.16037976819331]
  エピソード強化学習における近似線形作用値関数を用いた探索問題について検討する。 我々は,検討した設定に対して最適な統計率を達成するアルゴリズムを用いて,Emphbatch仮定のみを用いて探索を行うことが可能であることを示す。
  論文  参考訳（メタデータ） (2020-02-29T02:02:40Z)
• Leave-one-out least squares Monte Carlo algorithm for pricing Bermudan options [0.24578723416255754]
  最小二乗モンテカルロアルゴリズム(LSM)はベルムダンオプションの価格設定に広く使われている。 シミュレーションを2倍にすることなく、ルックアヘッドバイアスを除去するLOOLSMアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2018-10-04T06:49:50Z)

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。