論文の概要: Beyond Answer Voting: Fine-Grained Correction of LLM Reasoning through Graph Alignment across Sampled Traces
- arxiv url: http://arxiv.org/abs/2610.18606v1
- Date: Tue, 13 Oct 2026 15:58:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-15 21:06:15.668244
- Title: Beyond Answer Voting: Fine-Grained Correction of LLM Reasoning through Graph Alignment across Sampled Traces
- Title（参考訳）: 回答投票を超えて: サンプリングされたトレースを通したグラフアライメントによるLLM推論の微粒化補正
- Abstract要約: DDRGは、推論トレースの凍結バンクからの選択的修正のためのフレームワークである。
DDRGは、ソースグラウンドのクレームグラフを構築し、ローカライズされたコンフリクトを応答盲検者に送信する。
実験の結果,ネイティブゼロショットDDRGは8.65ポイントと15.83ポイントの直接応答よりもマクロ平均精度を向上させることがわかった。
- 参考スコア（独自算出の注目度）: 54.59897876520507
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Large language models increasingly tackle tasks that require multi-step reasoning, where errors in intermediate claims can affect the final answer. Self-consistency (SC) improves reasoning by voting over sampled final answers, but its vote leaves intermediate disagreements unresolved. To address this problem, we introduce DDRG (Disagreement-Driven Verification Guided by Reasoning Graphs), a framework for selective correction from a frozen bank of reasoning traces. Our insight is that graph alignment can expose claim-level disagreements and provide correction evidence without expanding the sampled trace bank. DDRG builds source-grounded claim graphs and sends localized conflicts to an answer-blind verifier. A verifier-supported refutation that reaches the majority answer's supporting path triggers one focused repair; otherwise, DDRG returns the exact SC vote. Experimental results across five benchmarks show that native zero-shot DDRG improves macro-average accuracy over direct answering by 8.65 and 15.83 percentage points for Qwen2.5-7B and Llama3.1-8B. It also exceeds CoT, the evaluated GoT and GoV question-answering adaptations, and SC on this macro metric. DDRG links local verification to selective correction without enlarging the initial candidate bank.
- Abstract（参考訳）: 大規模言語モデルは、中間クレームのエラーが最終回答に影響を与えるような、多段階の推論を必要とするタスクにますます取り組みます。
自己整合性(SC: Self-Consistency)は、サンプリングされた最終回答に対する投票によって推論を改善するが、その投票は中間的な意見の不一致を未解決のまま残している。
DDRG(Disagreement-Driven Verification Guided by Reasoning Graphs)は,解析トレースの凍結バンクから選択的な補正を行うフレームワークである。
我々の洞察では、グラフアライメントは、検定されたトレースバンクを拡張することなく、クレームレベルの不一致を露呈し、修正証拠を提供することができる。
DDRGは、ソースグラウンドのクレームグラフを構築し、ローカライズされたコンフリクトを応答盲検者に送信する。
多数回答の支持パスに到達した検証済みの反響は、集中的な修正を誘発する。
5つのベンチマークでの実験結果から、ネイティブゼロショットDDRGはQwen2.5-7BとLlama3.1-8Bの8.65と15.83の比率で、直接応答よりもマクロ平均精度を改善することが示された。
また、評価されたGoTおよびGoV質問応答適応であるCoTと、このマクロメトリック上のSCを上回ります。
DDRGは、初期候補銀行を拡大することなく、局所的な検証と選択的修正をリンクする。
関連論文リスト
- Compare to Correct: Pairwise-Guided Logit Adjustment for LLM Test-Time Scaling [86.37409257444484]
回答レベル比較の利点を捉えるために,異なる回答をサポートする経路間の相互信頼度比較を導入する。
提案したPairwise-Guided Logit Adjustment (PGLA) フレームワークは,より弱い投票支援と投票ベースのランキングエラーの補正を可能にする。
論文 参考訳（メタデータ） (2026-10-13T15:46:15Z) - From Sampled Evidence to Radiology Reports: Objectives, Constraints, and Realization [22.754207606222696]
我々は、意思決定信号を分離し、目的を判断し、実現可能な決定セットを作成し、続いてテキストの実現を行うフレームワークを使用する。
MIMIC-CXRとIU-Xrayでは、ベンチマーク毎に13のジェネレータ構成で比較を行った結果、3つの結果が示された。
発見は、決定規則、候補制約、そして実現された報告の別々の評価を動機付けます。
論文 参考訳（メタデータ） (2026-10-12T19:19:50Z) - DCGC: Draft-Conditioned Global Correction for Complex Reasoning with Masked Diffusion Models [5.2113270099125915]
大域的補正のためのMasked Diffusion Model (MDM) フレームワークは、上流ソルバからの不完全な解のドラフトを補助的文脈として利用する。
DCGCは、タスク固有のSupervised Fine-Tuning(SFT)と、Dynamic Dual-CFGと呼ばれる新しい推論時間メカニズムを組み合わせる。
論文 参考訳（メタデータ） (2026-08-26T06:35:26Z) - Beyond Teacher Likelihood: Group-Calibrated On-Policy Distillation for Long-Context Reasoning [19.29382518431932]
GC-OPD (Group-Calibrated On-Policy Distillation) は、強力な教師から高濃度のトークンレベルガイダンスを用いて生徒に独自の反応を訓練する。
GC-OPD(Group-Calibrated On-Policy Distillation)は、各ロールアウトグループ内の検証報酬と軌道レベルのPDスコアを正規化する。
相対アドバンテージベースの信用割当(RACA)は、相対的なOPDの利点に応じてトークン間でこの軌道レベルの残差を分配する。
論文 参考訳（メタデータ） (2026-08-19T17:54:58Z) - NormWorlds-CF: Solver-Verified Counterfactual Normative Reasoning with Metamorphic-Relation GRPO [1.5483078145498086]
NormWorlds-CFは、ルールの世界における反ファクト的規範的推論のための解決法として検証された環境である。
その決定論的解法は、最終回答、証明と偽造証明、引数ステータス、サポートセット、ペア化された世界変更ラベルを生成する。
論文 参考訳（メタデータ） (2026-07-04T17:11:21Z) - FineVerify: Scaling Test-Time Compute with Fine-Grained Self-Verification for Agentic Search [88.16262636915975]
FineVerifyはエージェント検索のためのきめ細かい自己検証フレームワークである。
各質問をチェック可能なサブクエストに分解し、サンプル候補を検証し、最も高い集計スコアの候補を選択する。
FineVerifyは、標準のスケーリングベースラインを一貫して上回る。
論文 参考訳（メタデータ） (2026-05-30T10:21:20Z) - A Single Revision Step Improves Token-Efficient LLM Reasoning [3.344806691289323]
大規模言語モデルのためのトレーニングフリーで推論のみのフレームワークであるPacket-Conditioned Revision (PACER)を紹介した。
PACERは、推論トレースを使用して、構造化された調整ステップを通じて結論を修正できる。
競争力のある数学のベンチマークでは、PACERは256サンプルの多数決の正確さと一致または超える。
論文 参考訳（メタデータ） (2026-02-02T21:28:42Z) - CARE What Fails: Contrastive Anchored-REflection for Verifiable Multimodal [84.71254539482369]
検証可能な報酬を伴うグループ相対的強化学習(RLVR)は、しばしば、すでに失敗している最も情報に富むデータを浪費する。
エラーを監督するマルチモーダル推論のための,障害中心のポストトレーニングフレームワークであるCAREを提案する。
CAREは正確さを改善し、スムーズさをトレーニングすると同時に、障害からの学習信号のシェアを明示的に増やします。
論文 参考訳（メタデータ） (2025-12-22T16:34:21Z) - Retrieval is Not Enough: Enhancing RAG Reasoning through Test-Time Critique and Optimization [58.390885294401066]
Retrieval-augmented Generation (RAG) は知識基底型大規模言語モデル(LLM)を実現するためのパラダイムとして広く採用されている。
RAGパイプラインは、モデル推論が得られた証拠と整合性を維持するのに失敗することが多く、事実上の矛盾や否定的な結論につながる。
批判駆動アライメント(CDA)に基づく新しい反復的枠組みであるAlignRAGを提案する。
AlignRAG-autoは、動的に洗練を終了し、批判的な反復回数を事前に指定する必要がなくなる自律的な変種である。
論文 参考訳（メタデータ） (2025-04-21T04:56:47Z)
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。