論文の概要: Counterfactual Regret for Reflective Agents with Lean-Verified Guarantees

• arxiv url: http://arxiv.org/abs/2610.14790v1
• Date: Sat, 10 Oct 2026 10:22:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.104695
• Title: Counterfactual Regret for Reflective Agents with Lean-Verified Guarantees
• Title（参考訳）: リーン検証保証付き反射エージェントのファクトファクトレグレクト
• Abstract要約: リフレクティブ言語エージェントは、モデルウェイトを更新することなく、タスク間で適応するためにフィードバックとメモリを再利用する。 既存のポリシー選択とアクション生成の保証は、ローカルリフレクションがリソース制約の下で完全なエージェントの長期的なパフォーマンス保証をもたらすときに、それ自体が確立しない。 ポリシの成長を繰り返し、不完全な検証を行うネイティブインスタンスを含む、13の番号付き理論結果の条件付き証明チェーンをLeanで形式化する。
• 参考スコア（独自算出の注目度）: 8.572415834472627
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reflective language agents reuse feedback and memory to adapt across tasks without updating model weights. However, existing guarantees for policy selection and action generation do not by themselves establish when local reflection yields long-term performance guarantees for the complete agent under resource constraints. In this paper, we address this gap by deriving sufficient conditions for sublinear counterfactual regret from local generation and deployment guarantees, while retaining the native controller. Specifically, we establish a resource-sensitive transfer that bounds full-state deployment discrepancies along actual execution paths and preserves the own-history laws of both learner and comparator. Besides, local generation reliability yields a cumulative generation opportunity bound, linking policy acquisition to long-term performance through an explicit quality, coverage, and hard-budget tradeoff. To verify these guarantees, we formalize the conditional proof chain for all thirteen numbered theoretical results in Lean, including a native instance with repeated policy growth and imperfect validation.
• Abstract（参考訳）: リフレクティブ言語エージェントは、モデルウェイトを更新することなく、タスク間で適応するためにフィードバックとメモリを再利用する。 しかし、政策選択と行動生成の既存の保証は、リソース制約の下では、局所的なリフレクションが完全なエージェントの長期的なパフォーマンス保証をもたらすときに、それ自体が確立されない。 本稿では,ネイティブコントローラを保ちながら,局所的な生成や配置保証からサブ線形の反事実的後悔の十分な条件を導出することにより,このギャップに対処する。 具体的には、実際の実行経路に沿って、フルステートデプロイメントの不一致をバウンドし、学習者とコンパレータの両方の自己史的法則を保存するリソースセンシティブな転送を確立する。 さらに、局所的な生成信頼性は累積生成機会バウンドとなり、明示的な品質、カバレッジ、ハード予算のトレードオフを通じて、政策取得と長期的なパフォーマンスをリンクする。 これらの保証を検証するために、我々はLeanの13の番号付き理論結果すべてに対して条件付き証明チェーンを定式化します。

関連論文リスト

• Reserve-Aware Contrast Certificates for Conservative Bandits with Uncertain Baselines [0.0]
  保守的な盗賊は、所定の業績予算を浪費することなく、既存の政策を改善する必要がある。 我々はベースライン相対コントラスト自体を中心にReserve-C4Bを開発した。
  論文  参考訳（メタデータ） (2026-09-30T06:46:36Z)
• IntroConformal: Conformal Factuality Guarantees for Large Vision-Language Models via Introspective Signals [2.623527845999313]
  モデル自体から派生したイントロスペクティブ信号を用いて,信頼性の高い事実性制御を実現することができると論じる。 IntroConformalはトレーニングフリーのコンフォーマルリスクコントロールフレームワークで、有限サンプルで配布不要な事実保証を提供する。
  論文  参考訳（メタデータ） (2026-09-01T15:09:56Z)
• HarnessEvolve: Learning from Reference Trajectories for Reliable Agent Self-Evolution [11.431479238875712]
  我々は、信頼できるエージェントの自己進化を実現するために、参照軌道から学習する自己進化フレームワークであるHarnessEvolveを紹介する。 私たちは、さまざまなモデルとエージェントフレームワークを使用して、オープンドメインとエンタープライズシナリオにまたがるいくつかのベンチマークで広範な実験を行います。 結果は、HarnessEvolveがすべてのベンチマークと設定で、最先端のベースラインを一貫して上回っていることを示している。
  論文  参考訳（メタデータ） (2026-09-01T07:31:18Z)
• SafeRedir: Prompt Embedding Redirection for Robust Unlearning in Image Generation Models [67.84174763413178]
  我々はSafeRedirを紹介した。SafeRedirは、迅速な埋め込みリダイレクトによる堅牢なアンラーニングのための軽量な推論時フレームワークである。 SafeRedirは,効果的な非学習能力,意味的・知覚的保存能力,堅牢な画像品質,対人攻撃に対する耐性の向上を実現している。
  論文  参考訳（メタデータ） (2026-01-13T15:01:38Z)
• COIN: Uncertainty-Guarding Selective Question Answering for Foundation Models with Provable Risk Guarantees [51.5976496056012]
  COINは、統計的に有効な閾値を校正し、質問毎に1つの生成された回答をフィルタリングする不確実性保護選択フレームワークである。 COINはキャリブレーションセット上で経験的誤差率を推定し、信頼区間法を適用して真誤差率に高い確率上界を確立する。 リスク管理におけるCOINの堅牢性,許容回答を維持するための強いテストタイムパワー,キャリブレーションデータによる予測効率を実証する。
  論文  参考訳（メタデータ） (2025-06-25T07:04:49Z)
• Guaranteed Generation from Large Language Models [28.157857382660563]
  大規模言語モデル(LLM)は、様々なアプリケーションでますます使われている。 本稿では, 自己回帰的提案分布と拒絶サンプリングを組み合わせた, 単純かつ効果的なアプローチであるGUARDを提案する。 これらの実験により、GUARDは予測効率を高く向上した理想分布をほぼ保ちながら、完全な制約満足度を達成することが示された。
  論文  参考訳（メタデータ） (2024-10-09T09:39:55Z)
• TRACE: TRansformer-based Attribution using Contrastive Embeddings in LLMs [50.259001311894295]
  TRACE と呼ばれるコントラスト埋め込みを用いた新しいTRansformer-based Attribution フレームワークを提案する。 TRACEは情報源の属性を精度良く改善し,大規模言語モデルの信頼性と信頼性を高める貴重なツールであることを示す。
  論文  参考訳（メタデータ） (2024-07-06T07:19:30Z)
• Jailbreaking as a Reward Misspecification Problem [80.52431374743998]
  本稿では,この脆弱性をアライメントプロセス中に不特定性に対処する新たな視点を提案する。 本稿では,報酬の相違の程度を定量化し,その有効性を実証する指標ReGapを紹介する。 ReMissは、報酬ミスの空間で敵のプロンプトを生成する自動レッドチームリングシステムである。
  論文  参考訳（メタデータ） (2024-06-20T15:12:27Z)

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。