論文の概要: FLARE: Physics-Grounded Evaluation of Language-Model Agents for Feeder Restoration with Degraded Observations

• arxiv url: http://arxiv.org/abs/2610.23251v1
• Date: Fri, 16 Oct 2026 10:24:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 00:56:07.873345
• Title: FLARE: Physics-Grounded Evaluation of Language-Model Agents for Feeder Restoration with Degraded Observations
• Title（参考訳）: FLARE: 劣化観察によるフィード修復のための言語モデルエージェントの評価
• Abstract要約: FLARE(Feeder-Level Agent Restoration Evaluation)は、解離後フィードア修復のためのベンチマークである。 エージェントは証拠を収集し、スイッチを評価し、一定の操作制限下で復元行動を行うことができる。 我々は、トポロジ、分散世代、ロードシフトを含む、78,750エピソードにわたる5つの命令調整モデルを評価した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Restoring service after distribution-grid faults requires decisions from incomplete and conflicting information while respecting electrical constraints. Addressing this need, we introduce FLARE (Feeder-Level Agent Restoration Evaluation), a physics-grounded benchmark for post-isolation feeder restoration. FLARE con- tains 800 AC-feasible cases across five observation settings and allows agents to gather evidence, evaluate switches, and perform restoration actions under fixed operational limits. We evaluate five instruction-tuned models over 78,750 episodes, including topology, distributed-generation, and loading shifts. Mean normalized regret ranges from 0.082 to 0.148. Although every model has zero median regret, P95 regret ranges from 0.814 to 1.000, revealing an important failure tail. Shadow replay shows that 96.4% of 15,706 guard-rejected actions would have caused a physical violation. FLARE enables reproducible evaluation of language-model based restoration support while emphasizing the need for external safety checks.
• Abstract（参考訳）: 分散グリッド障害後のサービス復旧には、電気的制約を尊重しながら不完全で矛盾する情報から決定する必要がある。 このニーズに対処するため,本研究では,解離後フィードリカバリのための物理グラウンドベンチマークであるFLARE(Feeder-Level Agent Restoration Evaluation)を紹介する。 FLAREは5つの観測環境にまたがって800件のAC対応ケースを保管し、エージェントが証拠を収集し、スイッチを評価し、一定の操作制限下で復元動作を行うことを可能にする。 我々は、トポロジ、分散世代、ロードシフトを含む、78,750エピソードにわたる5つの命令調整モデルを評価した。 平均正規化後悔は0.082から0.148の範囲である。 どのモデルも中央値の後悔はゼロであるが、P95の後悔は0.814から1.000まで様々であり、重大な失敗の尾を現す。 シャドウ・リプレイは15,706人の警備員が退避した行動の96.4%が物理的に違反したことを示している。 FLAREは、外部安全チェックの必要性を強調しつつ、言語モデルに基づく復元支援の再現可能な評価を可能にする。

関連論文リスト

• Agent Error Dataset: Scaling 50,000 Error--Diagnosis Pairs for Failure Analysis and Error-Aware Post-Training [45.727227890697556]
  我々は,9,961のソースタスクから50,228のエラー診断ペアからなるエージェントエラーデータセット(AED)を紹介した。 5段階のAgenic Error-to-Trainingパイプラインは自然の故障を収集し、診断と修正案を生成し、記録された証拠と照合する。 アクタートレーニングのレシピの比較において、アクションオンリーの修復トレーニングは成功オンリーのトレーニングよりもWebShop-liteの方が6.67ポイント高い。
  論文  参考訳（メタデータ） (2026-09-30T16:40:22Z)
• Same World, Different Knowledge: When Isolated Audits Misjudge World-Model Repairs [4.081610854729677]
  分離された入力故障の下で好まれる修理は、デプロイされたモジュールが不良情報を共有した場合に劣る。 本稿では, 正確な入力が推定される不確実性ギャップと, 入力が欠落しているアベイラビリティギャップとを区別した, 世界モデルのための情報インターフェース監査を提案する。
  論文  参考訳（メタデータ） (2026-09-17T23:51:16Z)
• Target leakage, not model class, explains reported accuracy in survey-based cardiovascular screening: a leakage-tiered audit of glass-box and tabular foundation models [0.0]
  スクリーニングモデルは、レシーバー操作特性曲線(AUROC)の領域を0.89付近で定期的に報告する。 心臓梗塞に対するリニア,ツリーアンサンブル,ニューラル,ガラスボックス,タブ状ファンデーションにまたがる10種類の分類器をベンチマークした。 診断後の2つの特徴を取り除いたため、全てのモデル 0.049-0.051 AUROC はフィールドを0.0045幅のバンドに崩壊させた。 ある閾値では、男性の89.0%に対して女性の脳梗塞の75.4%が検出され、モデルの形状機能の編集により、ギャップは0.010に縮小された。
  論文  参考訳（メタデータ） (2026-09-10T17:29:15Z)
• Recovering Lesion Parameters from Aphasic Picture Naming Error Profiles in Large Language Models [6.5285083214226125]
  ニューラルネットワークをトレーニングして、エラープロファイルを摂動パラメータにマップします。 回収されたパラメータを持つ新しいモデルインスタンスは81.4%のケースでターゲットの振る舞いを再現した。 この低層回復と高反ファクト忠実度の間の摂動は、変圧器層間の機能的冗長性と一致している。
  論文  参考訳（メタデータ） (2026-08-05T20:58:49Z)
• Reason, Reward, Refine: Step-Level Errors Corrections with Structured Feedback for Physics Reasoning in Small Language Models [32.7643564019866]
  我々は,最初の推論誤差を特定し,対象とする構造化されたフィードバックを生成し,KL正則化によるポリシー勾配による解の修正を行うステップレベルの報酬フレームワークを提案する。 5つの物理ベンチマークで、我々のフレームワークはCoTのプロンプトよりも17-20%、最強のベースラインより10-16%の精度向上を実現し、計算誤差を56.9%から23.5%に削減し、最良のケースでは22.3%から12.0%に低減した。
  論文  参考訳（メタデータ） (2026-07-06T15:16:10Z)
• Conditional Co-Ablation: Recovering Self-Repair Backups in Transformer Circuits [47.668752416295185]
  条件付き共アブレーションは、各単位のアブレーション効果が一次集合が取り除かれたときにどれだけ増大するかを問う。 GPT-2の小型IOI回路では、CoAxはバックアップヘッドのリカバリを0.33から0.91 ROC-AUCに引き上げる。
  論文  参考訳（メタデータ） (2026-07-02T09:32:57Z)
• Models Recall What They Violate: Constraint Adherence in Multi-Turn LLM Ideation [0.0]
  DriftBenchは、科学的思考における制約の順守を評価するためのベンチマークである。 繰り返し圧力は構造的複雑さを確実に増加させ、しばしば元の制約への固執を減少させる。 オープンベンチマークとして、すべてのブリーフ、プロンプト、ルックス、書き起こし、スコアをリリースします。
  論文  参考訳（メタデータ） (2026-04-30T15:46:33Z)
• Robust Tool Use via Fission-GRPO: Learning to Recover from Execution Errors [41.78467154106763]
  本稿では,実行エラーをRLトレーニングループ内の修正監視に変換するフレームワークであるFission-GRPOを提案する。 私たちのコアメカニズムは、微調整されたエラーシミュレータの診断フィードバックによって、新しいトレーニングインスタンスへの各障害軌跡を増大させます。 BFCL v4 Multi-Turnでは、Fission-GRPOはQwen3-8Bのエラー回復率を5.7%改善し、その精度は4%向上した。
  論文  参考訳（メタデータ） (2026-01-22T03:57:35Z)
• RULSurv: A probabilistic survival-based method for early censoring-aware prediction of remaining useful life in ball bearings [39.58317527488534]
  Kullback-Leibler分散とRUL推定を用いた早期故障検出のための新しいフレキシブルな手法を提案する。 我々は,XJTU-SYデータセットにおいて,3つの異なる操作条件にまたがる5倍のクロスバリデーション戦略を用いてアプローチを実証する。 提案手法は,最大荷重下での5軸受の平均累積相対精度(CRA)を0.7586で達成し,複数の最先端ベースラインを改良する。
  論文  参考訳（メタデータ） (2024-05-02T16:17:29Z)
• Interpretable (not just posthoc-explainable) medical claims modeling for discharge placement to prevent avoidable all-cause readmissions or death [2.198760145670348]
  我々は回帰係数の変動を表現するために本質的に解釈可能な多レベルベイズフレームワークを開発した。 我々は,この枠組みを用いて,医療クレームを用いた生存モデルを定式化し,入院と死亡を予測した。 2009-2011年の入院エピソードに基づいて、2008年と2011年の医療受給者の5%のサンプルを用いてモデルを訓練し、2012年のエピソードでモデルを検証した。
  論文  参考訳（メタデータ） (2022-08-28T06:19:32Z)

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。