論文の概要: Selective Reasoning for Typed Decision Models: When to Start, Read, and Stop

• arxiv url: http://arxiv.org/abs/2610.19644v1
• Date: Wed, 14 Oct 2026 06:13:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.990016
• Title: Selective Reasoning for Typed Decision Models: When to Start, Read, and Stop
• Title（参考訳）: 型決定モデルの選択的推論:いつ開始、読み、停止するか
• Abstract要約: 凍結したQwen3.5-4Bのバックボーン上で、共有候補回答リーダーをトレーニングし、オンデマンドで割り込み可能な推論と直接決定を統一する。 ProofWriter, LogiQA 2.0, ARC-Challenge の 768 質問に対して, 直接読解の精度は 70.96% から84.38% に向上した。
• 参考スコア（独自算出の注目度）: 3.1338205029171426
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Typed decision models need an interface that can use additional reasoning while retaining candidate outputs. We train a shared candidate-answer reader on a frozen Qwen3.5-4B backbone to unify direct decisions with on-demand, interruptible reasoning. The reader returns distributions from empty and partial reasoning prefixes. A benefit gate starts reasoning, a natural-state trigger requests explicit reads, and an entropy rule accepts acquired answers and cancels generation. Measurements distinguish answer-query work, generated output, and pipeline time. Across 768 questions from ProofWriter, LogiQA 2.0, and ARC-Challenge, accuracy rises from 70.96% for direct reading to 84.38%. Relative to 512-token terminal reading, accuracy improves by 7.29 percentage points with 2.25% more mean output work. Relative to 1,024-token terminal reading, pipeline time falls by 46.30% with an accuracy difference of -1.17 points. Exact-prefix controls isolate the saving from interruption, while read-scheduling controls distinguish reduced observation work from shorter response time.
• Abstract（参考訳）: 型付き決定モデルは、候補出力を保持しながら追加の推論を使用できるインターフェイスを必要とする。 凍結したQwen3.5-4Bのバックボーン上で、共有候補回答リーダーをトレーニングし、オンデマンドで割り込み可能な推論と直接決定を統一する。 読み手は空の推論プレフィックスと部分的な推論プレフィックスから分布を返す。 利益ゲートは推論を開始し、自然状態トリガーは明示的な読み込みを要求し、エントロピールールは取得した回答を受け入れて生成をキャンセルする。 測定は、回答クエリの作業、生成されたアウトプット、パイプラインタイムを区別する。 ProofWriter, LogiQA 2.0, ARC-Challenge の 768 質問に対して, 直接読解の精度は 70.96% から84.38% に向上した。 512 token端末の読み上げと比較して、精度は7.29パーセント向上し、平均出力は2.25%向上した。 1,024 token端末の読み込みと比較して、パイプライン時間は46.30%減少し、精度は-1.17ポイントである。 Exact-prefixコントロールは割り込みから保存を分離するが、read-schedulingコントロールは短い応答時間から観察作業の短縮を区別する。

関連論文リスト

• 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)
• Fast Models, Slow Evidence: A Paired and Self-Audited Evaluation of System-1 Decision Models for LLM Agent Harnesses [6.778374627376906]
  System-1決定モデルは、クラス確率で単一のフォワードパスでそのような質問に答える。 オープンウェイト (Laya) モデルとホスト (Jev) System-1 モデルとのペア評価を行った。
  論文  参考訳（メタデータ） (2026-10-01T05:57:14Z)
• State of Thought Enables Endogenous Reasoning [48.902117018115256]
  大規模言語モデル(LLM)の能力向上のための主要なアプローチとして、テスト時推論が登場した。 LLMにおける内在的推論を可能にする新しい推論パラダイムであるState of Thoughtを提案する。 SoTは平均ベースライン精度を一貫して改善し,生成トークンを62.6%,エンドツーエンドのレイテンシを44.6%削減した。
  論文  参考訳（メタデータ） (2026-09-13T05:55:03Z)
• Operational Proto-Introspection in Looped Language Models: Process-Quality Taps, Executable Branching, and the Readout-Control Boundary [0.0]
  言語モデルは、進行中の計算の質を読み取ることができるか? 外部介入は、その読み出しをより良い結果に変えることができるか? 凍結した2.6Bループ変換器,Ouro-RLTTで両質問を検証した。
  論文  参考訳（メタデータ） (2026-07-20T22:40:36Z)
• Think Again or Think Longer? Selective Verification for Budget-Aware Reasoning [15.231928045776293]
  sevraは、凍結したソルバの初期応答を保存するか、アクティブな検証を実行するかを決定するサーブレイヤーコントローラである。 数学では、選択的検証は76.3%の精度で行われ、検証は常に75.5%である。 CommonsenseQAでは、常時オンの検証が問題になり、Self-Consistency@5では、実現したトークンコストの約5倍の精度が向上する。
  論文  参考訳（メタデータ） (2026-06-18T05:25:43Z)
• Off-the-Shelf LLMs as Process Scorers: Training-Free Alternative to PRMs for Mathematical Reasoning [51.88950852117154]
  Chunk-Level Guided Generationは、既製の大規模言語モデルをプロセススコアラとして使用する、トレーニング不要の代替手段である。 本研究では,系統的な長さバイアスのため,大モデル確率の可変長推論ステップが信頼できないことを示す。 Chunk-Level Guided Generation は PRM guided search よりもかなり短い推論トレースを生成する。
  論文  参考訳（メタデータ） (2026-06-01T04:43:36Z)
• Rethinking Dense Sequential Chains: Reasoning Language Models Can Extract Answers from Sparse, Order-Shuffling Chain-of-Thoughts [51.84894623128418]
  現代の推論言語モデルは、すべてのトークンが寄与し、ステップを順番に消費しなければならないと暗黙的に仮定して、シーケンシャルな連鎖トレースを生成する。 我々は、モデル生成推論連鎖に適用した、系統的な介入パイプライン、除去、マスキング、シャッフル、ノイズ注入により、両方の仮定に挑戦する。 解答抽出は, スパース, 秩序不感, 構造的に堅牢な情報基板上で行う。
  論文  参考訳（メタデータ） (2026-05-08T06:15:50Z)
• Large Language Models Decide Early and Explain Later [47.20810161393936]
  本研究では, 強制解の完成度を用いた推理段階における予測解の進化について検討する。 プローブベースの停止を含むシンプルさは、クエリ毎の推論トークン使用量を500トークン削減できることを示す。
  論文  参考訳（メタデータ） (2026-04-24T06:26:24Z)
• DLER: Doing Length pEnalty Right - Incentivizing More Intelligence per Token via Reinforcement Learning [134.03095505580276]
  Doing Length pEnalty Right (DLER)は、バッチワイド報酬正規化、高いクリッピング、ダイナミックサンプリング、単純なトランケーション長ペナルティを組み合わせたトレーニングレシピである。 DLERは最先端の精度-効率のトレードオフを実現し、出力長を70%以上削減し、以前のベースライン精度をすべて上回っている。
  論文  参考訳（メタデータ） (2025-10-16T20:05:57Z)
• VeriThinker: Learning to Verify Makes Reasoning Model Efficient [52.74493506816969]
  大型推論モデルは、Chain-of-Thought (CoT)推論を用いて複雑なタスクで優れている。 過度に考える傾向は、必然的に長い推論連鎖に繋がる。 我々は,CoT圧縮の新しい手法であるVeriThinkerを紹介する。
  論文  参考訳（メタデータ） (2025-05-23T14:17:56Z)

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。