論文の概要: Dream2Discern: Learning from Hard Latent Variants for Runtime Failure Prediction in Multi-Agent Systems

• arxiv url: http://arxiv.org/abs/2610.16071v1
• Date: Mon, 12 Oct 2026 02:19:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.291371
• Title: Dream2Discern: Learning from Hard Latent Variants for Runtime Failure Prediction in Multi-Agent Systems
• Title（参考訳）: Dream2Discern: マルチエージェントシステムにおける実行時障害予測のためのハード潜在変数からの学習
• Abstract要約: 本研究では,暗黙的な拡張を通じて学習した実行時監査者であるDream2Discernを提案する。 ドリームの間、私たちは監査者の表現演算子の摂動を選択し、記録されたプレフィックスの予測損失を増大させ、頑強な潜伏変異をもたらす。 Dream2Discernは、予測精度とタイムラインのバランスをとりながら、両方のベンチマークで90%以上の軌道レベルの重み付け精度を達成する。
• 参考スコア（独自算出の注目度）: 25.8386342517896
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Reliable deployment of LLM-based multi-agent systems calls for runtime auditors that predict terminal outcomes from observed execution prefixes. These auditors typically learn from a limited corpus of trajectories with verified outcomes. Expanding this corpus requires costly execution and verification, yet broader failure coverage alone provides no explicit criterion for identifying prefixes that the current auditor finds difficult to classify. To this end, we propose Dream2Discern, a runtime auditor trained through implicit augmentation guided by its own prediction loss. During Dream, we select perturbations of the auditor's representation operators to increase prediction loss on recorded prefixes, yielding hard latent variants. During Discern, the auditor learns to predict execution outcomes from these variants using the original labels. The variants are regenerated as the auditor learns, turning a limited corpus into a renewable source of hard examples and requiring no additional trajectory collection or outcome verification. Extensive evaluations on AFTraj-2K and StepShield show that Dream2Discern outperforms competitive failure auditors and achieves over 90% trajectory-level weighted accuracy on both benchmarks while balancing prediction accuracy and timeliness. Project page: https://zbox1005.github.io/dream2discern-project/
• Abstract（参考訳）: LLMベースのマルチエージェントシステムの信頼性の高いデプロイでは、観察された実行プレフィックスから端末結果を予測するランタイム監査が求められる。 これらの監査人は典型的には、検証された結果を持つ限られた軌道のコーパスから学習する。 このコーパスを拡張するには、コストのかかる実行と検証が必要だが、より広範な障害カバレッジだけで、現在の監査官が分類するのが難しいプレフィックスを特定するための明確な基準は提供されない。 この目的のために我々は,暗黙の増強によって訓練された実行時監査者であるDream2Discernを提案する。 ドリームの間、私たちは監査者の表現演算子の摂動を選択し、記録されたプレフィックスの予測損失を増大させ、頑強な潜伏変異をもたらす。 Discernの間、監査人はオリジナルのラベルを使ってこれらの変種から実行結果を予測することを学ぶ。 これらの変種は監査人が学習すると再生され、限られたコーパスをハードサンプルの再生可能源とし、追加の軌跡収集や結果検証を必要としない。 AFTraj-2KとStepShieldの大規模な評価によると、Dream2Discernは競合する障害監査者より優れており、予測精度とタイムラインのバランスをとりながら、両方のベンチマークで90%以上の軌道レベルの重み付け精度を達成する。 プロジェクトページ: https://zbox1005.github.io/dream2discern-project/

関連論文リスト

• Beyond the Verdict: Agentic Code Judging with Verifiable Feedback [54.72977295521153]
  我々は,人間の専門家による受諾プログラムと受諾プログラムを用いて,USACO 2026コンテストからUSACO-JUDGEを構築した。 次に、35Bのエージェント検証器であるARBITERを、汎用的な実行サンドボックスで強化学習して訓練する。 トレーニングは、不正なプログラムを40.61%から62.67%に、二分判定の精度を71.41%から87.41%に引き上げる。
  論文  参考訳（メタデータ） (2026-10-13T17:22:58Z)
• When Normalization Selects the Sign: Auditing Robustness Ablations in Quantum Attention [0.17499351967216337]
  生成した電力グリッド軌道上の4量子量子アテンション検出器の問題点を実証する。 学習したスケーリングモジュールは、固定された物理的攻撃予算で有用であるように見えるが、エンコーダの摂動の上限値に一致すると順序が逆になる。 実践的な教訓は、どの摂動予算が固定されているかを特定すること、ラベルと介入が予測を保存することをチェックすること、探索的制御と確認的証拠を区別することである。
  論文  参考訳（メタデータ） (2026-10-02T00:57:53Z)
• Overwhelmed by Choice: Studying LLM Decision Making at Scale [70.45144023754595]
  候補数の増加に伴い,複数選択および候補選択の評価を体系的に評価した。 タスク間での相当な精度劣化、戦略の推進、モデルスケールが見られます。 階層分割と置換に基づく推論は、HotpotQAとMIMICで約20パーセントの精度をN=160$で向上する。
  論文  参考訳（メタデータ） (2026-09-26T17:33:04Z)
• Black-Box Auditing of Epistemic Reliability in Multi-Agent Debate Distillation [19.88070595796935]
  ディベート蒸留は、後続の議論における判断を改善するために、マルチエージェントの議論書き起こしを用いた弱い検証装置に適応する。 本研究では,隠れたタスクに対する正しい応答を抑えつつ,適応が監視性能を保ちながら,エピステマティックな信頼性劣化について検討した。 本研究では,2段階のブラックボックス監査フレームワークであるER-Auditを提案する。 実験の結果, 隠れタスクの精度は, 非劣化および低劣化境界に対する反例と共存できることがわかった。
  論文  参考訳（メタデータ） (2026-09-26T08:33:34Z)
• ResiSpec: Enhancing Multi-Candidate Speculative Sampling via Residual Distribution Shaping [79.1905186547363]
  ResiSpecは、検証中に提案の配布を戦略的に改革するフレームワークである。 候補の偏光を防止し、最先端のマルチ候補法よりも最大1.92$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)
• From Subjective Judgments to Auditable Standards:Protocol-Guided AI Auditing of Website Redundancy [2.2917707112773593]
  ウェブサイトの冗長性は、単一の固定された意味を持っていない。 我々は,繰り返し負荷,正規利用税,障害領域回復予備費を別々に測定するCORAを導入する。
  論文  参考訳（メタデータ） (2026-08-21T07:17:35Z)
• Bet on Features: Anytime-Valid and Feature-Aware Auditing of Conditional Quantile Forecasters [4.458834881246723]
  ブラックボックス条件量子予測は、非対称コストの下でのシーケンシャルな決定に広く用いられている。 フォアキャスターは、より豊かな情報を持つ監査役に誤診されたまま、粗い情報を持つ監査役に目を向けることができる。 非損失のブラックボックス条件付き量子化予測器を継続的に監査するための分布自由ゲーム理論テストフレームワークを開発した。
  論文  参考訳（メタデータ） (2026-07-13T15:04:24Z)
• What to Test Next: Interpretable Coverage Gap Discovery in Driving VLMs [52.50210189669399]
  視覚言語モデル(VLM)を駆動するには,操作設計領域(ODD)が定義する様々な条件のシーンを正確に理解する必要がある SliceScorerは、欠落したスライス推薦のための決定論的スコアリングルールである。 SliceNavは, 従来のスライス発見法よりも, 高リスクカバレッジギャップを効果的に表面化することを示す。
  論文  参考訳（メタデータ） (2026-06-01T03:18:01Z)
• Learning to Partially Defer for Sequences [24.421272397279484]
  本稿では,モデル全体のテキスト固有の出力を専門家に推論できるシーケンス出力のL2D設定を提案する。 また、旅行セールスマンソルバやニュース要約、天気予報などにおいて、こうした粒度のデリルが全デリルよりも高いコスト精度のトレードオフを実現することを実証的に実証した。
  論文  参考訳（メタデータ） (2025-02-03T15:50:11Z)
• Bridging Precision and Confidence: A Train-Time Loss for Calibrating Object Detection [58.789823426981044]
  本稿では,境界ボックスのクラス信頼度を予測精度に合わせることを目的とした,新たな補助損失定式化を提案する。 その結果,列車の走行時間損失はキャリブレーション基準を超過し,キャリブレーション誤差を低減させることがわかった。
  論文  参考訳（メタデータ） (2023-03-25T08:56:21Z)

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。