論文の概要: When to Forget: Risk-Controlled Context Adaptation for Long-Horizon Agents
- arxiv url: http://arxiv.org/abs/2610.22897v1
- Date: Fri, 16 Oct 2026 04:01:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-20 00:56:07.760208
- Title: When to Forget: Risk-Controlled Context Adaptation for Long-Horizon Agents
- Title（参考訳）: 長期エージェントに対するリスク制御型コンテキスト適応の予測
- Abstract要約: 我々は、同じ履歴ブロックの保持、圧縮、削除の際の研究により、フルヒストリーKEEPに対するその後の実行が改善される。
本稿では、一致したコンテキスト介入、実行関連予測、独立ポリシー認定を組み合わせたフレームワークRECAPを紹介する。
- 参考スコア（独自算出の注目度）: 40.45399066651956
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Long-horizon agents learn from failure, but the value of a failure record can change as execution progresses. We study when retaining, compressing, or removing the same history block improves subsequent execution relative to full-history KEEP. We introduce RECAP, a framework that combines matched context interventions, execution-relational prediction, and independent policy certification. Matched environment states and rollout seeds measure success and continuation prompt-cost differences; prefix-only relations between a failure block and the current execution propose promising edits. Independent task bundles then select a policy subject to harmful-intervention and non-positive-benefit risk constraints under a fixed measurement protocol. A five-seed longitudinal case holds both the failure block and its summary fixed: compression fails at an early state and becomes a cost-saving intervention at a later state. Across five backbones, RECAP produces positive paired-success saving estimates with backbone-specific reliability-efficiency tradeoffs. On Hunyuan-A13B, it edits 43.24% of retained checkpoints while matching KEEP's observed 91.89% continuation success and reducing unconditional mean continuation prompt cost by 4,619.8 tokens (2.13%). The framework provides an execution-level reference for deciding when to forget: retain history by its value to what comes next.
- Abstract（参考訳）: 長距離エージェントは障害から学ぶが、実行が進むにつれて障害レコードの価値が変化する可能性がある。
我々は、同じ履歴ブロックの保持、圧縮、削除の際の研究により、フルヒストリーKEEPに対するその後の実行が改善される。
本稿では、一致したコンテキスト介入、実行関連予測、独立ポリシー認定を組み合わせたフレームワークRECAPを紹介する。
マッチした環境状態とロールアウトシードは成功と継続の急激なコスト差を測定し、障害ブロックと現在の実行の間のプレフィックスのみの関係は、有望な編集を提案する。
独立したタスクバンドルは、固定された測定プロトコルの下で有害な介入と非ポジティブな利益リスク制約の対象となるポリシーを選択する。
5列の長手ケースは、障害ブロックとその要約の両方を固定する:圧縮は早期に失敗し、後の状態ではコスト削減の介入となる。
5つのバックボーンにまたがって、RECAPは、バックボーン固有の信頼性-効率のトレードオフを伴う正のペア付きサスペンション推定を生成する。
Hunyuan-A13Bでは、保存されたチェックポイントの43.24%を編集し、KEEPが観測した91.89%の継続成功と無条件の平均継続コストを4,619.8トークン(2.13%)削減した。
このフレームワークは、いつ忘れるべきかを決めるための実行レベル参照を提供する。
関連論文リスト
- BRIDGE: Selective Boundary Repair with Dependency Graph Evidence in Multi-Agent Systems [59.26551527044981]
methodは、ハンドオフ修復を明示的な依存性の摂動に対する選択的介入として扱うランタイム制御フレームワークである。
SILO-BENCHでは12.3パーセンテージ、TeamBenchでは11.1ポイントまでタスクの成功を加速させる。
論文 参考訳（メタデータ） (2026-10-13T06:31:57Z) - Are We Measuring Anticipation? Auditing Privileged Information in Procedural Video Evaluation [0.0]
予測モデルのみでなく,評価プロトコルによってライセンスされた推論を監査する。
プロトコルは、特権のある中間表現を供給しながら、時間的に因果関係を保つことができる。
論文 参考訳（メタデータ） (2026-10-02T09:13:22Z) - Learning from Runtime Feedback through Failure-Bank Self-Evolution for Vision-Language-Action Models [29.06758511498909]
FailBankは、ランタイムフィードバックを永続的なポリシー改善に変換するフレームワークである。
VLA-Arenaベンチマークで2つの難易度と2つのVLAバックボーンで評価した。
論文 参考訳（メタデータ） (2026-09-30T14:23:36Z) - Reserve-Aware Contrast Certificates for Conservative Bandits with Uncertain Baselines [0.0]
保守的な盗賊は、所定の業績予算を浪費することなく、既存の政策を改善する必要がある。
我々はベースライン相対コントラスト自体を中心にReserve-C4Bを開発した。
論文 参考訳（メタデータ） (2026-09-30T06:46:36Z) - StateComp: Learning When to Compress History in Long Horizon Agents [55.84813053778976]
本研究では,現在エージェントの状態に応じて過去のインタラクションを安全に圧縮できるフレームワークであるState Conditioned Compression(StateComp)を提案する。
WorkBenchBuddyの実験では、StateCompはタスク性能を維持しながら総エージェントと要約トークンを52.27%削減し、表現抽出において12.67倍の高速化を実現している。
論文 参考訳（メタデータ） (2026-09-23T03:34:08Z) - DRSR: Learning Set-Level Deletion Risk for Efficient Long-Horizon Agents [55.84813053778976]
ロングホライゾン言語モデルエージェントは、現在の決定と関係が変化する推論の痕跡、ツール交換、観察を蓄積する。
直接セットリスクスコアは、削除セットの選択としてエージェント履歴圧縮リスクを定式化する。
メカニカル・アナリシスとアブリケーションは、決定に制約のある関係、保持されたコンテキスト情報、ペア・インタラクション、および棄権がそれぞれ信頼できるプルーニングに寄与していることを示している。
論文 参考訳（メタデータ） (2026-09-23T03:06:01Z) - REVISE: Validity-Guided Recovery for Online Revisions in Agent Workflows [5.5444120195759785]
textscReviseは構造化エージェントのきめ細かい回復に有効である。
無効な作業を止め、最初期の紛争を超えて有効に確立された進捗を保ち、影響を受けた地域のみを再計算する。
モデルコールをフルリスタートに対して40.6--56.0%、サフィックス再計算に対して31.3--43.6%削減する。
論文 参考訳（メタデータ） (2026-09-01T03:22:18Z) - ContinuityBench: A Benchmark and Systems Study of Stateful Failover in Multi-Provider LLM Routing [0.6117371161379209]
運用用の大規模言語モデル(LLM)デプロイメントでは、高可用性保証は会話の連続性に相当しない。
CPR(Continuity Preservation Rate)とCLO(Continuity Overhead)の2つの新しい指標を紹介します。
この結果は、堅牢で状態保存型マルチモデル推論システムを構築するための原則的な基盤を提供する。
論文 参考訳（メタデータ） (2026-07-17T12:12:38Z) - Making LLMs Reliable When It Matters Most: A Five-Layer Architecture for High-Stakes Decisions [51.56484100374058]
現在の大規模言語モデル(LLM)は、実行前にアウトプットをチェックできるが、不確実な結果を伴う高い戦略決定には信頼性が低い検証可能な領域で優れている。
このギャップは、人間と人工知能(AI)システムの相互認知バイアスによって引き起こされ、そのセクターにおける評価と投資の持続可能性の保証を脅かす。
本報告では、7つのフロンティアグレードLDMと3つの市場向けベンチャーヴィグネットの時間的圧力下での系統的質的評価から生まれた枠組みについて述べる。
論文 参考訳（メタデータ） (2025-11-10T22:24:21Z) - Strategically Conservative Q-Learning [89.17906766703763]
オフライン強化学習(RL)は、RLの実用性を拡張するための魅力的なパラダイムである。
オフラインRLの最大の難しさは、オフ・オブ・ディストリビューション(OOD)アクションに遭遇する際の近似誤差の影響を緩和することである。
本稿では, 予測が容易かつ困難であるOODデータを識別する, SCQ(Strategical conservative Q-Learning) という新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2024-06-06T22:09:46Z)
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。