論文の概要: AMEND: Constraint-Guided Multi-Agent Text Detoxification with Isolated Critics

• arxiv url: http://arxiv.org/abs/2610.23183v1
• Date: Fri, 16 Oct 2026 09:22:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 00:56:07.851541
• Title: AMEND: Constraint-Guided Multi-Agent Text Detoxification with Isolated Critics
• Title（参考訳）: AMEND: 独立した批評家による制約付きマルチエージェントテキストのデトックス化
• Abstract要約: 本稿では,毒性除去,セマンティック保存,フラエンシのバランスをとる推論時間フレームワークAMENDを提案する。 AMENDは、ロールブラインド批評家の様々な候補者を評価し、実用性によってランキングされる前に厳密なセマンティック・フラレンシーと実現可能性を適用している。 ParaDetoxでは、様々な役割に対する1ラウンドの選択により、最高のシングルロールに対して$0.0508$のジョイント評価基準が向上する。
• 参考スコア（独自算出の注目度）: 7.172359800088305
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Text detoxification requires balancing toxicity removal, semantic preservation, and fluency. Existing methods typically optimize an unconstrained scalar objective---enabling safety scores to mask semantic loss---or rely on open-ended iterative debate prone to semantic drift and high computational cost. We propose AMEND, an inference-time framework that decouples detoxification into role-conditioned proposal generation, isolated multidimensional criticism, and constraint-first selection. AMEND evaluates diverse candidates with role-blind critics and enforces strict semantic and fluency feasibility before ranking by utility. To maximize efficiency, AMEND Lite restricts subsequent search to at most one targeted repair round only when residual toxic spans remain. On ParaDetox, one-round selection over diverse roles improves the joint evaluation metric by $+0.0508$ over the best single role. On a frozen confirmation test set, AMEND Lite achieves a joint score of $0.6597 \pm 0.0062$, outperforming unconstrained multi-round loops by $+0.0489$ ($p < 0.05$) while reducing inference requests by 28.4%.
• Abstract（参考訳）: テキストの解毒には毒性の除去、意味保存、流布のバランスが必要である。 既存の方法は、通常、制約のないスカラーの目的 - セマンティックな損失を隠蔽するために安全スコアを誘導する -- を最適化する。 本稿では,解毒反応を役割条件付き提案生成,孤立多次元批判,制約優先選択に分解する推定時フレームワークAMENDを提案する。 AMENDは様々な候補をロールブラインド批判で評価し、実用性でランク付けする前に厳密な意味論と流布可能性を適用している。 効率を最大化するために、AMEND Liteは後続の探索を少なくとも1回の目標修理ラウンドに制限する。 ParaDetoxでは、様々な役割に対する1ラウンドの選択により、最高のシングルロールに対して$0.0508$のジョイント評価基準が向上する。 凍結した確認テストセットでは、AMEND Liteは0.6597 \pm 0.0062$のジョイントスコアを達成し、制約のないマルチラウンドループを$+0.0489$$(p < 0.05$)で上回り、推論要求を28.4%削減する。

関連論文リスト

• Learned Adaptive Multiresolution Diffusion Imaging [0.0]
  適応多分解能法は、必要に応じて微細な自由度を集中させることで表現コストを削減する。 本稿では,AMDI固定木プロパゲータと階層制約を保存したLearned Adaptive Multi resolution Diffusion Imaging (Learned AMDI)を紹介する。
  論文  参考訳（メタデータ） (2026-10-06T07:31:14Z)
• 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)
• How Many Iterations to Jailbreak? Dynamic Budget Allocation for Multi-Turn LLM Evaluation [22.523809021772802]
  大規模言語モデル(LLM)の多ターン会話設定における重要なイベントは、しばしば繰り返し対話の後にのみ現れる。 最近のコンフォメーションサバイバルフレームワークは、関心のイベントをトリガーするイテレーション数に基づいて、信頼できる低い予測境界(LPB)を構築している。 DAPROは,マルチターンインタラクションにおいて,時間と時間の境界を設定するための,理論上有効な動的予算配分フレームワークである。
  論文  参考訳（メタデータ） (2026-05-07T17:25:15Z)
• ODAR: Principled Adaptive Routing for LLM Reasoning via Active Inference [60.958331943869126]
  ODAR-Expertは、原則化されたリソース割り当てによる精度と効率のトレードオフを最適化する適応的なルーティングフレームワークである。 我々は、MATHの98.2%の精度、HumanityのLast Examの54.8%を含む、強く一貫した利得を示している。
  論文  参考訳（メタデータ） (2026-02-27T05:22:01Z)
• Optimistic Feasible Search for Closed-Loop Fair Threshold Decision-Making [0.0]
  バンディットフィードバックからの1次元しきい値ポリシーのオンライン学習について検討する。 我々は,報酬と制約残差に対する信頼境界を維持する単純なグリッドベース手法であるOptimistic Feasible Search (OFS)を提案する。
  論文  参考訳（メタデータ） (2025-12-26T10:44:40Z)
• Supervised Optimism Correction: Be Confident When LLMs Are Sure [91.7459076316849]
  教師付き微調整とオフライン強化学習の間には,新たな理論的関係が確立されている。 広く使われているビームサーチ法は、許容できない過度な最適化に悩まされていることを示す。 本稿では,トークンレベル$Q$-value推定のための簡易かつ効果的な補助的損失を導入したSupervised Optimism Correctionを提案する。
  論文  参考訳（メタデータ） (2025-04-10T07:50:03Z)
• LSDAT: Low-Rank and Sparse Decomposition for Decision-based Adversarial Attack [74.5144793386864]
  LSDATは、入力サンプルのスパース成分と対向サンプルのスパース成分によって形成される低次元部分空間における摂動を加工する。 LSDは画像ピクセル領域で直接動作し、スパース性などの非$ell$制約が満たされることを保証します。
  論文  参考訳（メタデータ） (2021-03-19T13:10:47Z)

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。