論文の概要: When to Ask for Help: A Decision-Theoretic Account and Measurement Standard for Slow-Module Scheduling in Dual-System Vision-Language-Action Models

• arxiv url: http://arxiv.org/abs/2610.21160v1
• Date: Thu, 15 Oct 2026 03:20:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 19:13:16.1575
• Title: When to Ask for Help: A Decision-Theoretic Account and Measurement Standard for Slow-Module Scheduling in Dual-System Vision-Language-Action Models
• Title（参考訳）: 助けを求めるとき:デュアルシステムビジョン・ランゲージ・アクションモデルにおけるスローモードスケジューリングのための決定論的説明と測定基準
• Abstract要約: 我々は、固定言語、固定予算、履歴付きスケジュールが1つの量の縮退したケースである介入の値(VoI)の校正決定問題として呼び出しを形式化する。 測定されたシステムは、$$の3桁の範囲で、直接テストは$$の低い予測を確認する。 LIBERO-SpatialとLIBERO-Goalでは、リライトの欠陥が13点から42点まで深くなっています。
• 参考スコア（独自算出の注目度）: 3.684249593489113
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Dual-system vision-language-action (VLA) models pair a high-frequency fast policy with a slow, expensive module, and published trigger mechanisms for invoking it lack a shared objective, measured costs, and any standard separating schedule quality from module quality. We provide the missing account: invocation is formalized as a calibrated decision problem whose fixed-ratio, fixed-budget, and history-gated schedules are degenerate cases of one quantity, the Value of Intervention (VoI); a renewal baseline proves the optimal schedule periodic under state-independent collapse, with adaptive gains governed by the cost ratio $ρ$ and the dispersion of collapse. Measured systems span three orders of magnitude in $ρ$ (FiS-VLA $0.95$; RoboICL about $10^3$), and a direct test confirms the low-$ρ$ prediction: calibrated gains vanish under homogeneous collapse and grow with heterogeneity. Fourteen closed-loop arms on LIBERO test the contested middle of the continuum ($ρ=1.53$): the adaptive trigger allocates its queries exactly as the threshold rule predicts, yet the language-rewrite channel cannot convert them into success on either suite, and a revert actuator that undoes a failed rewrite is the only intervention with zero net downside on both LIBERO-Spatial and LIBERO-Goal, where the rewrite deficit deepens from thirteen to forty-two points. A four-measure leak-free protocol cuts apparent early-warning AUC from $0.93$ to $0.62$ on $929$ deployment traces, a detection-limited frontier theorem converts detection quality into a schedulability statement, and a compilation loop turns measured value functions into per-task refresh periods within $2.4\%$ of the closed-loop oracle. Together these results turn slow-module invocation from a design opinion into a measured decision.
• Abstract（参考訳）: デュアルシステム・ビジョン・ランゲージ・アクション(VLA)モデルは、低速で高価なモジュールと高周波のファストポリシーを組み合わせ、それを呼び出すトリガー機構を公開し、共通の目標、測定コスト、およびモジュールの品質からスケジュール品質を分離する標準機構を欠いている。 固定率, 固定予算, 履歴付きスケジュールが1つの量で退化した場合, 干渉の値 (VoI) を定式化し, 更新ベースラインは, コスト比$ρ$と崩壊の分散に支配される適応利得で, 最適スケジュール周期を立証する。 測定されたシステムは、$ρ$(FiS-VLA $0.95$; RoboICL 約10^3$)の3桁にまたがる。 LIBEROの14個のクローズドループアームは、連続体(ρ=1.53$): 適応的なトリガーは、しきい値ルールが予測するとおりにクエリを割り当てるが、言語書き換えチャネルは、いずれかのスイートでそれらを成功させることはできない。 4段階のリークフリープロトコルは、AUCを929ドルのデプロイメントトレースで0.93ドルから0.62ドルに減らし、検出制限フロンティア定理は検出品質をスケジューリング可能性ステートメントに変換し、コンパイルループは、測定値関数を2.4\%の閉ループオラクルのタスクごとのリフレッシュ期間に変換する。 これらの結果は、設計の意見から遅いモジュール呼び出しを計測された決定へと変換します。

関連論文リスト

• Asynchronous LLM Post-Training: Group-Mass Capping and Convergence Analysis [59.80039032720308]
  非同期強化学習(RL)は、大規模言語モデルの訓練後の効率を改善するが、以前のポリシーによって生成された古いロールアウトを導入する。 勾配推定器の第2モーメントとバイアスのトレードオフを特徴付けるGRPO型アルゴリズムの収束バウンダリを導出する。 重み付き推定器のクラス内における比に基づくバイアスを最小化するグループマスキャッピングGRPO(GMC-GRPO)法を提案する。
  論文  参考訳（メタデータ） (2026-10-01T15:45:08Z)
• The Epistemics of Agent Memory: Measuring, and Governing, the Consolidation Decision in Long-Horizon LLM Agents [0.0]
  LLMエージェントは、蓄積した経験を耐久性のあるメモリに変換する必要がある。 フェーズ1は下流ユーティリティによってエージェントトレースからエピソード境界を学習する。 フェーズ2は、トークン予算の下で経験と抽象化のレベルを促進する方法を学ぶ。 フェーズ3では、3つの非円周軸上の既知の最適値に対する統合決定をスコアするオラクル・バイ・コンストラクション・ベンチマークが導入されている。
  論文  参考訳（メタデータ） (2026-09-26T23:10:45Z)
• Measurement Boundaries in LLM Financial Agent Evaluation: Fixed-Tape Execution and Multi-Defect Auditing [0.0635655952373977]
  本研究では,金融エージェントの評価において,実行性能の解釈と監査スコアの2つの限界について検討する。 StudyAでは、3つの合成セッティング上での独立実行とストレスのある実行を比較することで、実行ルールと新しいモデル応答とポートフォリオフィードバックが混在する。 StudyBでは,従来のタスクをゼロ,1,2の欠陥タスクに,明示的なマルチラベルプロンプトで置き換えることによって,1から2の欠陥からの目標違反リコールの減少は,監査と情報源の組み合わせの5つのうち5つにおいて肯定的である。
  論文  参考訳（メタデータ） (2026-09-26T08:54:21Z)
• SVR: Self-Verifying Refinement via Joint Verdict-Confidence Reinforcement Learning for Adaptive Test-Time Compute [62.3458279176813]
  自己検証リファインメント(Self-Verifying Refinement)は、オラクルフリーのマルチターン強化学習フレームワークである。 自己検証を計算制御ポリシとして使用することを学ぶ。 マクロ平均精度は0.563で、平均で2.99回しか推測できない。
  論文  参考訳（メタデータ） (2026-07-30T16:20:58Z)
• Scaling Laws for Agent Harnesses via Effective Feedback Compute [53.68149869349268]
  emphEffective Feedback Compute (EFC)は、情報的、有効、非冗長な場合にのみフィードバックを信用し、その後の決定のために保持するトレースレベルのスケーリング座標である。 EFCベースの座標は、生の計算ベースラインよりも失敗率を常に予測する。
  論文  参考訳（メタデータ） (2026-05-28T09:45:47Z)
• BAPR: Bayesian amnesic piecewise-robust reinforcement learning for non-stationary continuous control [19.34848029403215]
  現実の制御システムは、段階的な定常状態の下で動作し、状態が変化する前に、力学は長期にわたって安定している。 標準的なロバストなRL法は基本的なジレンマに直面しており、グローバルな保守的な政策は安定した期間にパフォーマンスを無駄にし、一方、局地的な適応的な政策は、体制変更が未検出であるときに破滅的な失敗を危険にさらす。 我々は,頑健なアンサンブルRLでベイズオンライン変化検出を統一するtextbfBAPRを提案する。
  論文  参考訳（メタデータ） (2026-05-15T16:49:05Z)
• IMPACT-CYCLE: A Contract-Based Multi-Agent System for Claim-Level Supervisory Correction of Long-Video Semantic Memory [73.22944697933603]
  既存のパイプラインは不透明でエンドツーエンドの出力を生成し、検査の中間状態は公開しない。 IMPACT-Cycleは,マルチモーダル反復クレームレベルのメンテナンスとして,長時間ビデオ理解を再構築するマルチエージェントシステムである。
  論文  参考訳（メタデータ） (2026-04-22T03:03:33Z)
• Correction and Corruption: A Two-Rate View of Error Flow in LLM Protocols [51.56484100374058]
  そこで本研究では,単一プロトコルステップを正確なマッチングタスクで監査するためのペアアウトカム計測インタフェースを提案する。 各インスタンスについて、インターフェースはベースラインの正当性ビットと後ステップの正当性ビットを記録する。 これらのレートは精度の変化を予測し、種、混合物、パイプライン間でテスト可能な再利用可能な経験的インターフェースを定義する。
  論文  参考訳（メタデータ） (2026-04-20T13:25:40Z)
• Large Language Models as Optimization Controllers: Adaptive Continuation for SIMP Topology Optimization [4.365822392824561]
  本稿では,SIMP最適化のためのオンラインコントローラとして,大規模言語モデルが機能するフレームワークを提案する。 ハードグレーネスゲートは未熟なバイナライゼーションを防止し、メタ最適化ループは第2パスを使用してエージェントの呼び出し周波数を調整する。 エージェントはすべてのベンチマークの最終的なコンプライアンスを達成する:$5.7%$から$-1%、すべてのソリューションが完全にバイナリである。
  論文  参考訳（メタデータ） (2026-03-26T07:14:31Z)

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。