Fugu-MT 論文翻訳(概要): Constrained Multi-Agent Reinforcement Learning in Imagination

論文の概要: Constrained Multi-Agent Reinforcement Learning in Imagination

arxiv url: http://arxiv.org/abs/2610.21319v1
Date: Thu, 15 Oct 2026 06:09:04 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-16 19:13:16.211349
Title: Constrained Multi-Agent Reinforcement Learning in Imagination
Title（参考訳）: イマジネーションにおける制約付きマルチエージェント強化学習
Abstract要約: マルチエージェントの世界モデルでは、モデルフリーのベースラインは中央値のSMAC構成でCA-MAMBAのインタラクションを10ドルから20ドル、CA-MAMBAは同じ予算でMAMuJoCoの報酬の2.8ドルから12ドルである。ベンチマーク毎の1つのタスクに対する制御されたテストでは、モデルのコスト優位性は、コスト盲の学習者のコストを半減させ、学習した乗算器のミスを厳密な継続的制御に制限し、モデルのコスト見積がボトルネックではないことを示唆する。
参考スコア（独自算出の注目度）: 2.86921508156528
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Predicting cost in a multi-agent world model moves most constrained policy updates into imagination: the stronger model-free baseline needs $10$ to $20$ times CA-MAMBA's interactions on the median SMAC configuration, and CA-MAMBA earns $2.8$ to $12$ times the baselines' MAMuJoCo reward at equal budget. In controlled tests on one task per benchmark, pricing the model's cost advantages at parity more than halves a cost-blind learner's cost and meets a tight continuous-control limit the learned multiplier misses, suggesting the model's cost estimates are not the bottleneck.
Abstract（参考訳）: より強いモデルフリーのベースラインは、中央のSMAC構成におけるCA-MAMBAの相互作用に10ドルから20ドル、CA-MAMBAは、同じ予算でベースラインのMAMuJoCoの報酬の2.8ドルから12ドルを稼ぐ。ベンチマーク毎の1つのタスクに対する制御されたテストでは、モデルのコスト優位性は、コスト盲の学習者のコストを半減させ、学習した乗算器のミスを厳密な継続的制御に制限し、モデルのコスト見積がボトルネックではないことを示唆する。

関連論文リスト

Beyond Waypoint Regression: Query-Based Cost Learning over Reachable Ego Futures for End-to-End Driving [9.780106605452287]
ウェイポイント回帰に基づくエンド・ツー・エンドのプランナーは、強力なオープンループ精度を実現するが、主に専門家の幾何学を模倣することを学び、デプロイメント時の安全制約に適応することが困難である。本稿では,高密度なBEVセルや小さな回帰軌道ではなく,動的に到達可能なエゴ軌道クエリのバウンダリコストを推定するクエリベースのコスト学習フレームワークを提案する。 nuScenes では,ST-P3 や NMP などの事前のコスト推定プランナよりも向上し,L2 の競争力を維持しつつも,衝突速度でほとんどの回帰ベースラインを上回り,解釈可能なコストインターフェースを維持している。
論文参考訳（メタデータ） (2026-10-06T10:43:13Z)
Argus-Unified: Towards A Compact and Economical Unified Model for Image Understanding and Generation [57.22064715346608]
本稿では、計算とデータに対する低需要で構築されたコンパクトで効果的で統一されたマルチモーダルモデルであるArgus-Unifiedを提案する。具体的には、凍結した統合視覚エンコーダから生成のための離散トークンを学習しながら、理解のための連続トークンを保存するハイブリッド視覚トークンを紹介する。統合マルチモーダルモデルは、理解と生成の両方において高い性能を達成しつつ、経済的に訓練できることを実証する。
論文参考訳（メタデータ） (2026-07-28T10:12:06Z)
Dynamic Coalition Formation and Communication Pricing in Skill-Based Agentic AI Systems [0.0]
タスク条件付きネットユーティリティ$U(Cmid x)=V(Cmid x)-sum_iin Cc_i$との協調ゲームとしてエージェントの選択と通信をモデル化する。本稿では,限界値のアクティベーションルールとgreedyルータを提案し,そのモデルを拡張してエッジ毎のコストで通信エッジを最適化し,推定したShapley値を用いて,実行前後にどのエージェントが接触する価値があるかを推定する。
論文参考訳（メタデータ） (2026-07-24T19:25:21Z)
The Price Reversal Phenomenon: When Cheaper Reasoning Models End Up Costing More [76.93600828673503]
リストAPIの価格設定は、実際のコストに対する信頼性の低いプロキシである。思考トークンのコストの削減は、ランキングの反転を70%削減します。この結果から,コスト意識モデル選択と透過的な要求毎のコスト監視の必要性が示唆された。
論文参考訳（メタデータ） (2026-03-25T06:07:39Z)
In-Context Distillation with Self-Consistency Cascades: A Simple, Training-Free Way to Reduce LLM Agent Costs [15.204355975284658]
微調整に伴う開発コストを発生させることなく, LLMエージェント推論コストを削減するための簡易な手法を提案する。最も重要なことは、知識蒸留のアイデアを文脈内学習環境に適応させる$textitin-context distillation$を導入することである。提案手法では,各エージェントステップで関連する教師のデモンストレーションを検索し,インコンテキストの事例として学生に提供し,ハエの教師行動の模倣を可能にする。
論文参考訳（メタデータ） (2025-12-02T09:11:05Z)
Cost-Aware Contrastive Routing for LLMs [57.30288453580456]
我々は、プロンプトとモデルの両方を共有埋め込み空間にマッピングする軽量フレームワークであるコストスペクトルコントラストルーティング(CSCR)を紹介します。 CSCRはベースラインを一貫して上回り、精度とコストのトレードオフを最大25%改善した。
論文参考訳（メタデータ） (2025-08-17T20:16:44Z)
UniMatch: A Unified User-Item Matching Framework for the Multi-purpose Merchant Marketing [27.459774494479227]
1つのモデルでアイテムレコメンデーションとユーザターゲティングを同時に行うために,統合されたユーザイテムマッチングフレームワークを提案する。我々のフレームワークは、最先端の手法と比較して大幅に性能が向上し、計算資源や日々のメンテナンスにかかるコストが大幅に削減された。
論文参考訳（メタデータ） (2023-07-19T13:49:35Z)
Efficient Model-Based Multi-Agent Mean-Field Reinforcement Learning [89.31889875864599]
マルチエージェントシステムにおける学習に有効なモデルベース強化学習アルゴリズムを提案する。我々の理論的な貢献は、MFCのモデルベース強化学習における最初の一般的な後悔の限界である。コア最適化問題の実用的なパラメトリゼーションを提供する。
論文参考訳（メタデータ） (2021-07-08T18:01:02Z)
Model-Augmented Q-learning [112.86795579978802]
モデルベースRLの構成要素を付加したMFRLフレームワークを提案する。具体的には、$Q$-valuesだけでなく、共有ネットワークにおける遷移と報酬の両方を見積もる。提案手法は,MQL (Model-augmented $Q$-learning) とよばれる提案手法により,真に報いられた学習によって得られる解と同一のポリシ不変解が得られることを示す。
論文参考訳（メタデータ） (2021-02-07T17:56:50Z)

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。