論文の概要: ARBOR: Locating Reasoning Failures in Long Chains of Thought through Reasoning State Tracking

• arxiv url: http://arxiv.org/abs/2610.22717v1
• Date: Thu, 15 Oct 2026 22:39:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 00:56:07.691245
• Title: ARBOR: Locating Reasoning Failures in Long Chains of Thought through Reasoning State Tracking
• Title（参考訳）: ARBOR:Reasoning State TrackingによるLong Chains of ThoughtにおけるReasoning Failureの配置
• Abstract要約: ARBORは、各軌道を推論状態のツリーとして表現する推論障害属性フレームワークである。 3つの障害モードを、異なるメカニズムと異なるコストで推論を害する、異なるサブタイプに洗練します。
• 参考スコア（独自算出の注目度）: 32.20400012325381
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large reasoning models solve complex problems through long chains of thought, in which prior work has documented failure modes such as overthinking, underthinking, and unsupported deductions. Existing methods detect these failures from local signals: textual similarity to nearby steps, switch tokens, or an LLM's judgment of a step's correctness. However, what a step contributes to the solution depends on the state that earlier steps have established, so identifying failures requires a global view that tracks that state across the trajectory. Therefore, we propose ARBOR, a reasoning-failure attribution framework that represents each trajectory as a tree of reasoning states, built as each step creates, verifies, prunes, or revisits a state, and attributes each failure to a relation between a step and the state preceding it. Using ARBOR, we refine the three failure modes into distinct subtypes that harm reasoning through different mechanisms and at different costs. We find that the tree state ARBOR maintains before a step separates failure steps from the at-risk steps at which the failure did not occur. We discuss how ARBOR integrates with existing mitigations at inference time and in training data. Code, data and interactive examples are available at https://inklab.usc.edu/ARBOR.
• Abstract（参考訳）: 大規模な推論モデルは、考えの長い連鎖を通じて複雑な問題を解決する。 既存の方法は、近くのステップとテキストの類似性、トークンの切り替え、ステップの正しさのLCMの判断など、これらの障害をローカル信号から検出する。 しかしながら、このソリューションにどのようなステップが貢献するかは、以前のステップが確立した状態に依存するため、障害を特定するには、その状態を追跡するグローバルなビューが必要である。 そこで本稿では,各ステップが状態を生成し,検証し,検証し,再検討し,各障害をステップとそれ以前の状態の関係に関連付ける,推論状態のツリーとして,各トラジェクトリを表す推論障害属性フレームワークであるALBORを提案する。 ARBORを使用して、3つの障害モードを異なるメカニズムと異なるコストで推論を害する異なるサブタイプに洗練します。 ARBORのツリー状態は、障害が発生しないリスクのあるステップから障害ステップを分離する前に維持される。 ARBORが既存の緩和とどのように統合されるのかを推測時およびトレーニングデータで議論する。 コード、データ、インタラクティブな例はhttps://inklab.usc.edu/ARBORで公開されている。

関連論文リスト

• ReCast: Attribution-Oriented Step Representation Learning for LLM-Based Agent Systems [56.75145798590348]
  エージェントシステムの失敗は、後続の相互作用を通じて伝播する初期のステップから生じる可能性がある。 近年の手法では、内部シグナルを障害の帰属に利用し、通常、隠れ状態をステップ表現として利用する。 本稿では,凍結したLCMから属性指向のステップ表現に変換するステップ表現学習手法ReCastを提案する。
  論文  参考訳（メタデータ） (2026-10-08T06:31:37Z)
• Before They Can Solve: Predicting Post-Training Coding-Agent Performance from Base Models [87.94969284553706]
  エンド・ツー・エンドのpass@$K$は、成功した振る舞いがベースモデルのディストリビューションにすでに現れるかどうかをテストする。 コールドスタートからハーネスを駆動するために、ベースチェックポイントを必要としない3つのスクリーンを構築します。 3つの画面はいずれも、ポストトレーニング後のSWE-bench Verified pass@$1$と密接に一致して、コホートをランク付けする。
  論文  参考訳（メタデータ） (2026-10-07T17:37:19Z)
• DCFA: Dual-view Causal-inspired Attribution for Failure Reasoning in LLM-based Multi-agent Systems [61.11435469308521]
  大規模言語モデルシステムにおける障害帰属のためのトレーニング不要フレームワークDCFAを提案する。 DCFAは、システムトレースから構造化因果インスパイアされた依存性グラフを構築するグローバルモジュールを統合する。 実験の結果、DCFAは最先端のベースラインよりもステップレベルの精度を最大8.27%向上することが示された。
  論文  参考訳（メタデータ） (2026-09-04T05:29:31Z)
• Can We Break LLMs Out of Self-Loops? Fine-Grained Reasoning Control with Activation Steering [44.273459587532535]
  大規模言語モデルからの推論トレースにおける潜時遷移のダイナミクスを解析し,発見する。 フェールトラジェクトリが自己ループで立ち往生していることを示し、最終回答に向けて前進することなくトークン予算を浪費する。 隠れ状態干渉・活性化による推論過程のステアリングについて提案する。
  論文  参考訳（メタデータ） (2026-07-20T16:01:57Z)
• Can Transformers Learn to Verify During Backtracking Search? [5.709908922073304]
  バックトラック探索は古典的な制約解決者、プランナー、定理証明者の基礎となる。 最近の変圧器に基づく推論システムは, 探索木を自身の中間ステップで探索する。 累積トレースで訓練されたデコーダのみの変換器は、この要件を2つの方法で満たさないことを示す。
  論文  参考訳（メタデータ） (2026-05-21T09:26:01Z)
• LC-ERD: Mining Latent Logic for Self-Evolving Reasoning via Consistency-Regulated Reward Decomposition [55.572260012037084]
  本稿では, LC-ERD (Logic-Consistent Endogenous Reward Decomposition) を紹介する。 モデルの潜在論理エキスパートズ(Latent Logic Expertise)からのコンセンサスを集約することで、変分論理ポテンシャルを導出する。 LC-ERDは、論理の一貫性と正確性の間のトレードオフを明らかにする、堅牢な自己進化パスを提供する。
  論文  参考訳（メタデータ） (2026-05-19T07:27:50Z)
• Self-Awareness before Action: Mitigating Logical Inertia via Proactive Cognitive Awareness [7.845857636481423]
  大規模言語モデルは、しばしば現在の知識や推論状態が完成しているかどうかの認識を欠いている。 非対話型パズル設定では、物語は固定され、基礎となる構造は隠される。 欠落した施設の自己認識を明示的に導入する推論フレームワークであるSABAを提案する。
  論文  参考訳（メタデータ） (2026-04-22T10:33:24Z)
• Metacognitive Self-Correction for Multi-Agent System via Prototype-Guided Next-Execution Reconstruction [58.51530390018909]
  大規模言語モデルに基づくマルチエージェントシステムは、協調的な問題解決において優れているが、エラーのカスケードには脆弱である。 我々は,MASにリアルタイム,教師なし,ステップレベルの誤り検出と自己補正を付与するメタ認知フレームワークMASCを提案する。
  論文  参考訳（メタデータ） (2025-10-16T05:35:37Z)
• Abduct, Act, Predict: Scaffolding Causal Inference for Automated Failure Attribution in Multi-Agent Systems [20.846301581161978]
  マルチエージェントシステムにおける障害帰属は、批判的だが未解決の課題である。 現在の手法では、これを長い会話ログ上のパターン認識タスクとして扱う。 A2P Scaffoldingは、パターン認識から構造化因果推論タスクへの障害帰属を変換する。
  論文  参考訳（メタデータ） (2025-09-12T16:51:15Z)

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。