論文の概要: Jeva: System One Models from First Principles

• arxiv url: http://arxiv.org/abs/2610.18773v2
• Date: Sun, 18 Oct 2026 16:36:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 06:32:45.285587
• Title: Jeva: System One Models from First Principles
• Title（参考訳）: Jeva: 第一原理からシステム1モデル
• Abstract要約: 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要求状態のみを洗練する。 Jevとオープンソースモデルに対する評価全般において、Jevaは強力な型付き決定性能とほぼ完璧なnull検出を組み合わせる。
• 参考スコア（独自算出の注目度）: 58.432996881401415
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: System one models like Jev enable direct, low-latency decision-making. Yet recent open-source practice of predicting an answer from serialized text does not, by itself, respect the structure of a decision problem. We argue that current designs underemphasize four important structural requirements. (i) null-aware: Models should distinguish answer absence from uncertainty among candidates; (ii) permutation-invariant: Reordering alternatives should not change the decision; (iii) option-scalable: Growing candidate sets should not require redefining the output space; (iv) cacheable: Request-independent computation over recurring alternatives should be reusable across requests. We introduce Jeva, a decision-native architecture that addresses these requirements jointly. A shared encoder independently represents the request and each option, while a compact decision stack refines only the request state against immutable option memory. Symmetric aggregation yields permutation-equivariant probabilities; shared scoring accommodates variable-size candidate sets. A separate coverage estimate distinguishes answer absence from candidate competition, enabling explicit null outcomes. Request-independent option representations and layer projections support reuse across newly assembled sets. These mechanisms unify Choice, Noul, and Score outputs. Across evaluations against Jev and open source models, Jeva combines strong typed-decision performance with near-perfect null detection and no decision flips under any tested permutations. It scales to thousands of candidates and substantially reduces latency through cross-request reuse without changing decisions.
• Abstract（参考訳）: Jevのようなシステム1モデルは、直接的かつ低レイテンシな意思決定を可能にする。 しかし、直列化テキストから回答を予測する最近のオープンソースプラクティスは、それ自体は決定問題の構造を尊重していない。 現在の設計は4つの重要な構造的要件を強調している。 (i)ヌルアウェア:モデルは、候補者の不確実性から解答の欠如を区別すべきである。 (ii)置換不変性:代替品の発注は、決定を変更するべきではない。 (iii)オプションスケーリング可能: 候補集合を成長させるには、出力空間を再定義する必要はない。 (iv) キャッシュ可能: 繰り返し発生する代替品に対するリクエスト非依存の計算は、リクエスト間で再利用されるべきである。 私たちはこれらの要件に共同で対処する、意思決定ネイティブアーキテクチャであるJevaを紹介します。 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。 対称アグリゲーションは置換同変確率をもたらし、共有スコアリングは可変サイズの候補集合を許容する。 別個のカバレッジ推定は、回答の不在と候補競合を区別し、明示的なnull結果を可能にする。 リクエスト非依存のオプション表現とレイヤプロジェクションは、新しく組み立てられたセット間の再利用をサポートする。 これらのメカニズムはChoice、Noul、Scoreの出力を統一する。 Jevとオープンソースモデルに対する評価全般において、Jevaは強力な型付き決定性能とほぼ完璧なヌル検出を組み合わせ、テストされた命令の下では決定の反転は行わない。 数千の候補にスケールアップし、決定を変更することなく、クロスリクエストの再利用を通じてレイテンシを大幅に削減する。

関連論文リスト

• Permutation-Robust Decision Modeling with Candidate-Independent Block-Causal Attention [3.14496247732912]
  決定モデルは、しばしば単一のシーケンスで符号化された可変サイズの候補アクションの集合をスコアする。 標準的な因果的クロスエンコーディングは表現力に富むが、候補のスコアを根底にある決定問題よりも順序に依存させることができる。 本稿では,共用コンテキスト内における因果計算を保存するため,候補非依存のブロック因果アテンションを導入する。
  論文  参考訳（メタデータ） (2026-10-01T12:47:58Z)
• Aggregate Disambiguation Systems [0.0]
  タスクと候補ソリューションが与えられた場合、各評価者は、そのソリューションが受け入れられるべきかどうかについてバイナリ投票を行う。 ターゲットは、意味的真理ではなく、明示的に宣言された評価者参照に対するプロトコルである。 有限標本を用いて、有限パネルが宣言された評価値と同じ決定に達する頻度を推定する。
  論文  参考訳（メタデータ） (2026-08-31T13:55:14Z)
• 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)
• Never the Number: Structural Abstention for AI Systems Whose Answers Are Consumed as Fact [0.0]
  大規模言語モデルは、データベースに対する自然言語インターフェースを新たに信頼できるものにしたが、キャリブレーションされたテキストから集約されたシステムは、デプロイメントにおいて重要な方法で失敗している。 本稿では、生成シェルを持つ信頼カーネルである、そのようなシステムのためのアーキテクチャパターンを1つの不変量に基づいて提案する。 生成シェルは入力とフレーズの応答を解釈し、決定論的カーネルは、完全に指定された質問と解答可能な質問形状の有界集合とを一致させる。 この2つは、ユーザが何らかの値が計算される前に読む確認で一致し、カーネルが表現できない要求は、近似されるよりも減少する。
  論文  参考訳（メタデータ） (2026-08-14T03:53:21Z)
• From ambiguous utterances to governed reuse classes: canonicalization, quotient invariance, and conditional decidability [0.0]
  再利用は、解決された会話要求の数学的に特徴付けられた商に対して行われるべきである。 リユースIDは、管理されたクエリキーとその認定された応答空間をライセンスする。 支持層は、正確に証明された強度で記述される。
  論文  参考訳（メタデータ） (2026-07-11T01:49:04Z)
• Generative Recursive Reasoning [67.22973831501257]
  Generative Recursive ReAsoning Models (GRAM) は、潜在的推論を確率論的多軌道に変換するフレームワークである。 GRAMは$p_(y mid x)$で条件推論をサポートし、固定または欠落した入力では$p_(x)$で条件生成を行う。
  論文  参考訳（メタデータ） (2026-05-19T05:20:56Z)
• Can QPP Choose the Right Query Variant? Evaluating Query Variant Selection for RAG Pipelines [48.34524144147475]
  LLM(Large Language Models)は、現代の検索やRAG(Retrieval-Augmented Generation)パイプラインにおいて、クエリ再構成を至るところで実現している。 本稿では、アドホック検索とエンドツーエンドRAGをまたいで、クエリ性能予測(QPP)を異種選択のメカニズムとして検討する。
  論文  参考訳（メタデータ） (2026-04-24T15:36:40Z)
• Modularity in Reinforcement Learning via Algorithmic Independence in Credit Assignment [79.5678820246642]
  提案手法は, 事前決定の順序に対して, スパース変化のみを必要とする伝達問題に対して, 政策段階の手法よりも, より標本効率が高いことを示す。 我々は最近提案された社会的意思決定の枠組みをマルコフ決定プロセスよりもよりきめ細かい形式主義として一般化する。
  論文  参考訳（メタデータ） (2021-06-28T21:29:13Z)
• Optimal strategies for reject option classifiers [0.0]
  拒絶オプションの分類では、分類器は予測から逸脱する不確実なケースで許可される。 我々は、最小選択リスクと保証カバレッジを持つ分類器を求める有界被覆モデルという対称的な定義を作成した。 任意のブラックボックス分類器の例から適切な不確かさスコアを学習するための2つのアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-01-29T11:09:32Z)
• Adaptive Combinatorial Allocation [77.86290991564829]
  割り当てが繰り返し選択され、戻り値は不明だが学習可能であり、決定には制約が伴う。 我々のモデルは、複雑な制約があっても、両側のマッチングと一方のマッチングをカバーしています。
  論文  参考訳（メタデータ） (2020-11-04T15:02:59Z)

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。