論文の概要: Visible but Not Avoided: State-Dependent Re-Proposal of Rejected Candidates in Catalog-Based LLM Optimization Loops

• arxiv url: http://arxiv.org/abs/2610.15738v1
• Date: Sun, 11 Oct 2026 16:18:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.242813
• Title: Visible but Not Avoided: State-Dependent Re-Proposal of Rejected Candidates in Catalog-Based LLM Optimization Loops
• Title（参考訳）: 可視だが避けられない: カタログに基づくLCM最適化ループにおける排除候補の状態依存的再帰
• Abstract要約: 提案者自身のループにおいて,クリーンなベースステートプローブは再帰を予測できないことを示す。 正確な編集IDを持つカタログベースのループの場合、ループが生成する拒否セットに対して拒否回避を測定する必要がある。
• 参考スコア（独自算出の注目度）: 16.242079464388805
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: LLM optimization loops often show the proposer the candidates it has already tried and rejected, but leave it to the proposer to avoid them. We ask whether avoidance measured in a static probe predicts avoidance in the states an optimizer's own trajectory produces. In catalog-based loops where three open LLMs improve a GUI agent by naming one of 40 edits, a re-proposal is identified exactly by the edit's name. Clean base-state probes underpredict re-proposal in the proposers' own loops (macro-averaged loop-minus-probe rate 0.32 [0.27, 0.37]), and proposals of already evaluated harness-edit pairs consume 28-63% of valid proposer iterations. The two settings reject different edits: a probe's rejected edits are mostly ones the proposer did not choose, whereas a loop's are its own earlier choices, which remain preferred when the history is removed. Ordinary history lowers re-proposal for two proposers but raises it for the third, and the effects of failure evidence are model-specific. Stating the rejection status in one sentence lowers re-proposal in every model (-0.16 [-0.22, -0.09] relative to a neutral list of the same IDs). For catalog-based loops with exact edit identities, rejection avoidance should be measured on the rejected sets the loop produces.
• Abstract（参考訳）: LLM最適化ループは、しばしば提案者が既に試し、拒否した候補を示すが、それを避けるために提案者に委ねる。 静的プローブで測定された回避は、最適化器自身の軌道が生成する状態の回避を予測できるかどうかを問う。 カタログベースのループでは、3つのオープンLLMが40の編集のうちの1つを命名することでGUIエージェントを改善する。 クリーンなベースステートプローブは、提案者自身のループ(マクロ平均ループ-ミナス-プローブレート0.32[0.27, 0.37])で再帰を予測し、すでに評価済みのハーネス-エジットペアの提案は、有効な提案者のイテレーションの28～63%を消費する。 2つの設定は異なる編集を拒否する: プローブの拒否された編集は、主にプロジェクタが選択しなかった編集である。 通常の歴史は、2つの提案者にとって再提案を低くするが、3つ目ではそれを高くし、失敗の証拠の効果はモデル固有のものである。 1つの文で拒絶状態を設定すると、すべてのモデルにおいて再帰的(-0.16[-0.22, -0.09])が低下する(同じIDの中立リストに対して)。 正確な編集IDを持つカタログベースのループの場合、ループが生成する拒否セットに対して拒否回避を測定する必要がある。

関連論文リスト

• Jeva: System One Models from First Principles [58.432996881401415]
  Jevaは4つの重要な構造的要件に対処する、決定ネイティブなアーキテクチャです。 共有エンコーダは独立して要求と各オプションを表現し、コンパクトな決定スタックはイミュータブルなオプションメモリに対してのみ要求状態を洗練する。 評価全体を通じて、Jevaは強い型付き決定性能とほぼ完璧なヌル検出を組み合わせ、テストされた置換の下では決定の反転は行わない。
  論文  参考訳（メタデータ） (2026-10-13T17:31:09Z)
• Do Prompt Optimizers Break Requirements They Are Not Scored On? A Preregistered Study [0.36013539748644224]
  プロンプトは1つの目標メトリックを上げるプロンプトを書き直しますが、メトリックが得点しない状態要件も示します。 事前登録された調査では、HotpotQA、SQu 2.0、IFEval上でGEPA、MIPROv2、TextGradを実行し、未承認要件のイテム単位の違反をカウントします。 事前登録された基準により、3つのプロンプトは全て、ほぼHotpotQA上で回帰を生成する。
  論文  参考訳（メタデータ） (2026-10-09T09:38:51Z)
• The Winner's Curse in LLM Self-Improvement Loops: Selection Noise, Lock-in, and Acceptance Rules [0.0]
  自己改善型LLMシステムは、自分自身に変化を提案し、小さな評価セットでスコアを良く保つ。 評価セットが再利用されるとどうなるかを実証的に研究する。
  論文  参考訳（メタデータ） (2026-10-07T00:05:23Z)
• Over-Personalization Is a Decision Failure: Generation-Induced Apply Bias in LLMs [12.943884009471871]
  LLMは、格納された各好みに対して、現在のコンテキストがそれを適用または抑制するよう求めるかどうかを判断しなければならない。 選好処理を3段階に分割し,それぞれを個別に測定する。
  論文  参考訳（メタデータ） (2026-09-28T04:29:25Z)
• ResiSpec: Enhancing Multi-Candidate Speculative Sampling via Residual Distribution Shaping [79.1905186547363]
  ResiSpecは、検証中に提案の配布を戦略的に改革するフレームワークである。 候補の偏光を防止し、最先端のマルチ候補法よりも最大1.92$times$スピードアップを達成する。
  論文  参考訳（メタデータ） (2026-08-25T11:25:55Z)
• Position Bias Undermines Preference Consistency in Listwise LLM-Based Reranking [2.5827686695037335]
  位置バイアスがLLMによるリランカーのランク付けプロセスにどのように影響するかを検討する。 本稿では、ペアワイズな選好不安定性、グローバルな選好不整合性、リストワイズな出力整合性を測定する評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-08-04T04:04:12Z)
• F-GRPO: Factorized Group-Relative Policy Optimization for Unified Candidate Generation and Ranking [79.49893545611779]
  大規模言語モデル(LLM)はサブセットを生成し、それを1つの自己回帰パス内で順序付けることができる。 この柔軟性は、新しい最適化課題をもたらす: モデルが出力空間を検索し、完全なランクリストが生成された後にのみユーティリティフィードバックを受けなければならない。 このクレジット割り当てギャップは、エンドツーエンドの最適化を不安定にし、サンプル非効率にする。 本稿では,単一自己回帰的ロールアウト内の両方を実行する統一フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-13T04:52:33Z)
• Self-Calibrated Listwise Reranking with Large Language Models [137.6557607279876]
  大規模言語モデル (LLM) はシーケンシャル・ツー・シーケンス・アプローチによってタスクのランク付けに使用されている。 この階調のパラダイムは、より大きな候補集合を反復的に扱うためにスライディングウインドウ戦略を必要とする。 そこで本稿では,LLMを用いた自己校正リストのランク付け手法を提案する。
  論文  参考訳（メタデータ） (2024-11-07T10:31:31Z)
• FIRST: Faster Improved Listwise Reranking with Single Token Decoding [56.727761901751194]
  まず、第1生成識別子の出力ロジットを活用して、候補のランク付け順序を直接取得する新しいリストワイズLLMリグレードアプローチであるFIRSTを紹介する。 実験結果から、BEIRベンチマークの利得により、FIRSTはロバストなランキング性能を維持しつつ、推論を50%高速化することが示された。 以上の結果から,LLMリランカーはクロスエンコーダに比べて強い蒸留信号を提供できることが示唆された。
  論文  参考訳（メタデータ） (2024-06-21T21:27:50Z)
• Union-over-Intersections: Object Detection beyond Winner-Takes-All [54.89876370237598]
  本稿では,オブジェクト検出アーキテクチャにおけるボックス位置の予測問題を再検討する。 提案手法は,提案と基礎的真理の交差領域のみに回帰する,より単純なアプローチを提案する。 勝敗戦略を採用する代わりに、地域内のすべてのボックスの後退した交差点をユニオンとして、最終的なボックス出力を生成する。
  論文  参考訳（メタデータ） (2023-11-30T12:40:23Z)

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。