論文の概要: The Weight of Teamwork: Does Communication Structure Help LLM Scientists Search for Scientific Laws?
- arxiv url: http://arxiv.org/abs/2610.24131v1
- Date: Fri, 16 Oct 2026 19:02:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-26 10:48:44.477606
- Title: The Weight of Teamwork: Does Communication Structure Help LLM Scientists Search for Scientific Laws?
- Title（参考訳）: チームワークの重さ: コミュニケーション構造は科学者が科学法を検索するのに役立つか?
- Abstract要約: チームのパフォーマンスは、2段階のスコアでも1つの成果として報告されることが多い。
最終回答を返すルールが未特定のまま残されている場合、アーキテクチャのランキングは通信構造だけでは特定されないことを示す。
- 参考スコア（独自算出の注目度）: 7.161888704796254
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Team performance is often reported as one delivered score, even though that score is produced in two stages: a system generates candidate answers and a selection rule returns one of them. We use symbolic regression as an observable scientific-search setting and compare fixed-budget LLM teams that differ in peer visibility and update timing, evaluating both their frozen candidate archives and the expressions selected from those archives. Distributing the call budget across more independent trajectories produced the largest measured gain, improving mean held-out fitting score Q by 0.70 at the widest tested allocation. Under a common archive-wide selector, the implemented Ring policy reduced mean Q by 0.33 relative to Independent, while Star and Complete remained unresolved. Holding the generated archives fixed, changing the delivery rule changed the measured architecture gaps, including the sign of the Complete point estimate. These results support reporting candidate generation and final selection as separate endpoints. They do not identify a communication mechanism or a universally preferred topology; rather, they show that an architecture ranking is not identified by communication structure alone when the rule that returns the final answer is left unspecified.
- Abstract（参考訳）: システムは候補回答を生成し、選択ルールはそのうちの1つを返す。
観測可能な科学的検索設定としてシンボル回帰を用い、ピア可視性と更新タイミングが異なる固定予算LLMチームを比較し、凍結した候補アーカイブとそれらのアーカイブから選択した表現の両方を評価した。
より独立した軌跡にまたがって通話予算を分配すると、最も大きな利得が得られ、最も広くテストされたアロケーションにおいて平均ホールトアウトフィッティングスコアQを0.70改善した。
共通のアーカイブワイドセレクタの下では、実装されたリングポリシーにより、独立系に比べて平均Qは0.33減少し、スターとコンプリートは未解決のままであった。
生成されたアーカイブを固定し、デリバリルールを変更して、完全なポイント推定のサインを含む測定済みのアーキテクチャギャップを変更しました。
これらの結果は、レポート候補生成と最終選択を別々のエンドポイントとしてサポートする。
それらは、コミュニケーションメカニズムや普遍的に好まれるトポロジーを識別せず、最終回答を返すルールが未特定のままである場合に、アーキテクチャランキングが通信構造だけで識別されないことを示す。
関連論文リスト
- From Sampled Evidence to Radiology Reports: Objectives, Constraints, and Realization [22.754207606222696]
我々は、意思決定信号を分離し、目的を判断し、実現可能な決定セットを作成し、続いてテキストの実現を行うフレームワークを使用する。
MIMIC-CXRとIU-Xrayでは、ベンチマーク毎に13のジェネレータ構成で比較を行った結果、3つの結果が示された。
発見は、決定規則、候補制約、そして実現された報告の別々の評価を動機付けます。
論文 参考訳（メタデータ） (2026-10-12T19:19:50Z) - PRISM: PRIvileged Sibling-guided Multi-Agent Topology Design [52.60302464420127]
そこで我々はPRISMを提案する。PRISMは、特権情報を用いて学習することで、同一コーパスからクエリごとの信号を復元する。
PRISMは6つの異なるベンチマークで、トポロジ設計のベースラインを評価している。
論文 参考訳（メタデータ） (2026-09-29T17:22:16Z) - Overwhelmed by Choice: Studying LLM Decision Making at Scale [70.45144023754595]
候補数の増加に伴い,複数選択および候補選択の評価を体系的に評価した。
タスク間での相当な精度劣化、戦略の推進、モデルスケールが見られます。
階層分割と置換に基づく推論は、HotpotQAとMIMICで約20パーセントの精度をN=160$で向上する。
論文 参考訳（メタデータ） (2026-09-26T17:33:04Z) - Evaluating Real-Time Voice Agents: From Component Quality to Grounded Outcomes [0.0]
リアルタイム音声エージェントは、研究プロトタイプから製品展開へと移行してきたが、それらを記述する文献は断片化されている。
本稿では, TRG (Timing-Recovery-ed) について述べる。
論文 参考訳（メタデータ） (2026-09-25T04:22:20Z) - ARC: Augmented-Rank Conformalization for Changepoint Localization --- Finite-Sample Validity and Distribution-Robust Efficiency [7.648414136980082]
ARCは、データに依存するスコアのファミリーであり、インターセグメントのランクのみである。
各ARCスコアは、凍結重量構成ごとに有限サンプルカバレッジを継承する。
ARC信頼集合全体は、厳密に増大する辺変換の下でほぼ確実に不変である。
論文 参考訳（メタデータ） (2026-08-09T02:44:08Z) - SERPO: Self-Evolving Rubric Policy Optimization for Open-Ended Test-Time Reinforcement Learning [14.505575259468053]
テスト時強化学習(TTRL)により、ラベル付きフィードバックなしで推論時に言語モデルを自己進化させることができる。
SERPOを導入し、回答投票をクローズドループに置き換え、レスポンスエビデンス、クエリトケン、ポリシーパラメータを共進化させる。
新しいアクターロールアウトはアーカイブとルーリックの両方をリフレッシュし、3方向の進化ループを閉じる。
論文 参考訳（メタデータ） (2026-07-29T13:03:07Z) - F-GRPO: Factorized Group-Relative Policy Optimization for Unified Candidate Generation and Ranking [79.49893545611779]
大規模言語モデル(LLM)はサブセットを生成し、それを1つの自己回帰パス内で順序付けることができる。
この柔軟性は、新しい最適化課題をもたらす: モデルが出力空間を検索し、完全なランクリストが生成された後にのみユーティリティフィードバックを受けなければならない。
このクレジット割り当てギャップは、エンドツーエンドの最適化を不安定にし、サンプル非効率にする。
本稿では,単一自己回帰的ロールアウト内の両方を実行する統一フレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-13T04:52:33Z) - CARE What Fails: Contrastive Anchored-REflection for Verifiable Multimodal [84.71254539482369]
検証可能な報酬を伴うグループ相対的強化学習(RLVR)は、しばしば、すでに失敗している最も情報に富むデータを浪費する。
エラーを監督するマルチモーダル推論のための,障害中心のポストトレーニングフレームワークであるCAREを提案する。
CAREは正確さを改善し、スムーズさをトレーニングすると同時に、障害からの学習信号のシェアを明示的に増やします。
論文 参考訳（メタデータ） (2025-12-22T16:34:21Z) - Eigen-1: Adaptive Multi-Agent Refinement with Monitor-Based RAG for Scientific Reasoning [53.45095336430027]
暗黙的な検索と構造化された協調を組み合わせた統合フレームワークを開発する。
Humanity's Last Exam (HLE) Bio/Chem Goldでは,48.3%の精度を実現している。
SuperGPQAとTRQAの結果はドメイン間の堅牢性を確認した。
論文 参考訳（メタデータ） (2025-09-25T14:05:55Z) - Constructing interval variables via faceted Rasch measurement and
multitask deep learning: a hate speech application [63.10266319378212]
本稿では,教師付き深層学習と多面的ラッシュアイテム応答理論(IRT)構築手法を組み合わせることで,連続区間スペクトル上の複素変数を測定する手法を提案する。
われわれは、YouTube、Twitter、Redditから5万件のソーシャルメディアコメントを収集し、1万1000人の米国拠点のAmazon Mechanical Turkの労働者によってラベル付けされたデータセット上で、この新しい手法を実証した。
論文 参考訳（メタデータ） (2020-09-22T02:15:05Z)
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。