論文の概要: RASSG: Repair-Aware Semantic Survival Gating for Streaming Tool Execution

• arxiv url: http://arxiv.org/abs/2610.14659v1
• Date: Sat, 10 Oct 2026 07:17:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.086968
• Title: RASSG: Repair-Aware Semantic Survival Gating for Streaming Tool Execution
• Title（参考訳）: RASSG:ストリーミングツール実行のための修復型セマンティックサバイバルゲーティング
• Abstract要約: 本稿では,ストリーミング音声中におけるツールの起動とキャンセルを協調的に制御するための補修型セマンティックサバイバルゲーティングを提案する。 RASSGは、キャリブレーションされた引数無効リスクと実行コストを組み合わせて、最後の可能な機会でキャンセルを決定する。 ReCAST、FDB-v3、Audio2Toolの評価は、ツールランタイムとキャンセルパラメータを固定した制御された実行クロックを使用する。
• 参考スコア（独自算出の注目度）: 5.53956665729313
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Streaming speech assistants can launch tools before users finish speaking, overlapping execution with incoming speech to reduce user waiting time. However, subsequent self-corrections can invalidate apparently stable arguments, causing stale execution whose irreversible effects persist even after the final call is corrected. We propose Repair-Aware Semantic Survival Gating (RASSG) to jointly control tool launch and cancellation during streaming speech. RASSG launches a tool when three consecutive speech recognition results arrive with identical nonempty arguments, then combines calibrated argument invalidity risk with execution costs to decide cancellation at the last feasible opportunity before effects become irreversible. Evaluation on ReCAST, FDB-v3, and Audio2Tool uses a controlled execution clock with fixed tool runtimes and cancellation parameters. On ReCAST's prospective-repair subset, RASSG reduces the stale execution rate from LocalAgreement-2's 50.00% to 3.15%, with a mean delay of 3.676s across successful trajectories. The stale reduction also holds against every early-execution baseline on both public speech datasets. Ablations with identical initial launches support active cancellation, showing the value of controlling ongoing calls before their effects become irreversible. Code and data are available at https://github.com/daijinhu/RASSG.
• Abstract（参考訳）: 音声アシスタントのストリーミングは、ユーザーが話す前にツールを起動する。 しかし、その後の自己訂正は明らかに安定した引数を無効にすることができ、最終呼び出しが修正された後も不可逆的な効果が持続する古い実行を引き起こす。 本稿では,ストリーミング音声中におけるツールの起動とキャンセルを協調的に制御するためのRASSG(Re repair-Aware Semantic Survival Gating)を提案する。 RASSGは、3つの連続した音声認識結果に同じ空白の議論が現れるとツールを起動し、キャリブレーションされた議論の無効性リスクと実行コストを組み合わせて、効果が不可逆になる前の最後の可能な機会でのキャンセルを決定する。 ReCAST、FDB-v3、Audio2Toolの評価は、ツールランタイムとキャンセルパラメータを固定した制御された実行クロックを使用する。 ReCASTの予測再生サブセットでは、RASSGは古い実行速度をLocalAgreement-2の50.00%から3.15%に削減し、軌道上での平均遅延は3.676秒である。 古いリダクションは、両方の公開音声データセットの早期実行ベースラインに対しても有効である。 同一のイニシャルローンチによるアブレーションはアクティブキャンセルをサポートし、その効果が不可逆になる前に継続中の呼び出しを制御する価値を示す。 コードとデータはhttps://github.com/ Ministerhu/RASSG.comで公開されている。

関連論文リスト

• RESETTLE: Robotic Recovery through Disagreement-Triggered Retrieval and Efficient Corrective Control [92.47481295713227]
  本稿では,凍結ロボットポリシーのアクション・エグゼクティブ・インタフェースにおいて,効率的なリカバリのためのモデルに依存しないフレームワークであるRESETTLEを紹介する。 適応されたV-JEPAエンコーダを使用して、同じタスクのデモ参照を取得する。 LIBERO-Plus、Meta-World、RoboCasaでは最大8.70%、6.28%、絶対的な成功率6.83%に達する。
  論文  参考訳（メタデータ） (2026-10-08T15:49:03Z)
• PACE: Provenance-Aware Capability Enforcement for Tool-Using LLM Agents [27.303145899045074]
  本稿では、PACE(Provenance-Aware Capability Enforcement)を紹介し、実行直前にすべてのツールコールを仲介する。 PACEは、提案されたブロックの後に認証された呼び出しを復元したり、宣言された修復を適用することができる。 スケールの縮小された適応探索は、0/30の不正なターゲットで防御に成功している。
  論文  参考訳（メタデータ） (2026-10-01T09:18:05Z)
• REVISE: Validity-Guided Recovery for Online Revisions in Agent Workflows [5.5444120195759785]
  textscReviseは構造化エージェントのきめ細かい回復に有効である。 無効な作業を止め、最初期の紛争を超えて有効に確立された進捗を保ち、影響を受けた地域のみを再計算する。 モデルコールをフルリスタートに対して40.6--56.0%、サフィックス再計算に対して31.3--43.6%削減する。
  論文  参考訳（メタデータ） (2026-09-01T03:22:18Z)
• ROPE: Routed Origin Policy Enforcement against Indirect Prompt Injection [61.4148196085256]
  本稿では,信頼という構造概念に根ざしたROPE(Routed Origin Policy Enforcement)について述べる。 提案手法では,(1)軌道の各段階において,攻撃可能コンテンツのみを起点とする値が,原点保護パラメータに到達しない,(2)注入のリワードがない,という2つの保証が認められている。
  論文  参考訳（メタデータ） (2026-08-27T01:22:14Z)
• Resume Means Resume: A Machine-Checked Conformance Contract for Checkpoint, Interrupt, and Resume Semantics in Workflow Persistence Layers [0.0]
  実行状態を維持して、実行を中断し、クラッシュを生き残るためのフレームワークは、すでに発生した影響に対して、再開が何を意味するのかを判断し続けなければなりません。 5つの広くデプロイされたエージェントワークフローフレームワークがそれぞれ異なる答えを出し、マシンチェック可能なコントラクトを公開することはない。 LangGraph 1.2.9は2度目の履歴書値を記録し、それを参照せず、無意味な状態を静かに持続し、実際のSIGKILLの後、永続的に記録された作業を再実行する。
  論文  参考訳（メタデータ） (2026-08-04T15:45:31Z)
• Temporal Backtracking Search for Test-time Generative Video Reasoning [51.4821857044108]
  生成的ビデオ推論は、シングルショットのパラダイムによってボトルネックになっている。 本稿では,検索空間を時間軸にシフトさせるTBS(Temporal Backtracking Search)を提案する。 厳格なアウト・オブ・ディストリビューション設定では、TBSは22.7%を達成し、解決された各エピソードは再起動されたブランチから始まる。
  論文  参考訳（メタデータ） (2026-06-11T19:41:18Z)
• Getting Better at Working With You: Compiling User Corrections into Runtime Enforcement for Coding Agents [99.67681154381803]
  Test-time Rule Acquisition and Compiled Enforcement (TRACE)は、コーディングエージェントランタイムのためのスキル層パイプラインである。 開発者が事前に記述した実行時チェックとは異なり、TRACEスキルはユーザのチャット修正に由来する。
  論文  参考訳（メタデータ） (2026-06-11T10:43:40Z)
• SHANKS: Simultaneous Hearing and Thinking for Spoken Language Models [158.18422855768756]
  現在の大規模言語モデル (LLM) と音声言語モデル (SLM) は、ユーザがターンを終えた後にのみ、思考と行動を取る。 これにより、モデルがユーザのターン中に対話するのを防ぎ、考えるのを待つ間、レスポンスのレイテンシが高くなります。 SHANKSは,ユーザ入力を聴きながら,無意味な連鎖推論をSLMが生成できるフレームワークである。
  論文  参考訳（メタデータ） (2025-10-08T11:48:59Z)

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。