論文の概要: Answer Delivery Under a Shared Token Budget: An Audited Study of Stopping and Finalization

• arxiv url: http://arxiv.org/abs/2610.26384v1
• Date: Mon, 19 Oct 2026 13:35:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 18:07:17.218728
• Title: Answer Delivery Under a Shared Token Budget: An Audited Study of Stopping and Finalization
• Title（参考訳）: 共用戸建予算下における解答 : 停止と最終化に関する調査研究
• Abstract要約: 本研究では,第1次バリッドボックス停止とチャージファイナライゼーションキューを組み合わせた固定予算政策について検討する。 モデル毎に独立に監査された100個のGSM8Kテスト質問では、ファーストボックスの停止よりもエンドポイントの精度が8.0ポイント向上した。
• 参考スコア（独自算出の注目度）: 20.439799569753234
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: An inference budget is useful only when the system delivers an answer within it. We study a fixed-budget policy combining first-valid-box stopping with a charged finalization cue. On 100 fresh, independently audited GSM8K test questions per model, it improves delivered endpoint accuracy over first-box stopping by 8.0 percentage points for Qwen3-4B-Thinking-2507 and 7.0 for DeepSeek-R1-Distill-Llama-8B. A prelocked repeat on the same questions gives 7.0 and 10.0 points; neither seed shows a gross harm relative to first-box stopping. The point estimates of incremental physical-slot savings are below one percent. A finalization-only ablation separates cue recovery from stopping, and a fixed scalar reader tests extraction as an alternative explanation. The cue is prior art; the contribution is a component and readout analysis with charged injections and verified paths. Results cover two checkpoints, one task, one prompt family, and two fixed seed conditions.
• Abstract（参考訳）: 推論予算は、システムがその内部で回答を提供する場合にのみ有効である。 本稿では,第1次バリッドボックス停止とチャージファイナライゼーションキューを組み合わせた固定予算政策について検討する。 モデルごとに独立に監査された100個のGSM8Kテスト質問では、Qwen3-4B-Thinking-2507では8.0ポイント、DeepSeek-R1-Distill-Llama-8Bでは7.0ポイント、ファーストボックスよりもエンドポイントの精度が向上した。 同じ質問でプリロックされた繰り返しは7.0点と10.0点を与えるが、いずれの種も第1ボックスの停止に対してひどい害を示さない。 インクリメンタルな物理スロットの削減のポイントは1%以下である。 ファイナライゼーションのみのアブレーションはキューの回復を停止から切り離し、固定スカラーリーダーが別の説明として抽出をテストする。 コントリビューションは、荷電注入と検証パスによるコンポーネントと読み出し分析である。 結果は2つのチェックポイント、1つのタスク、1つのプロンプトファミリー、2つの固定されたシード条件をカバーする。

関連論文リスト

• StopLoss: Teaching Agents to Predict Failure and Stop Early [58.46247112300993]
  StopLossは、完成した軌跡とその検証結果から障害認識を学ぶ小さな外部モニタである。 StopLossは、実行が失敗する可能性がある場合に早期に実行を終了し、リソースを節約します。
  論文  参考訳（メタデータ） (2026-10-18T20:39:02Z)
• ProbePO: Sparse Probes, Redistributed Credit for Critic-Free LLM Reinforcement Learning [55.716259164434234]
  検証可能な報酬からの強化学習は、個々の推論ステップが結果にどのように貢献するかを解明し、すべての推論軌道に1つの終末報酬を割り当てる。 GRPOは、すべてのレスポンストークンに対してグループ正規化された利点をブロードキャストする一方、よりきめ細かいアプローチは、ポリシー更新に使用されるデータを変更可能な、高密度な補助的なロールアウトや分岐スキームに依存することが多い。 限定的なロールアウト予算で、どの部分的なソリューションを評価すべきで、どのように価値を評価すればよいのか。 ProbePOは報酬のない不確実性スコアで部分解法状態を選択し、上限条件下で期待された検証者報酬を推定する
  論文  参考訳（メタデータ） (2026-10-17T07:19:05Z)
• Learning When to Withdraw: Curriculum Coverage and Rule-Specific Failures in Fine-Tuned Language Agents [0.0]
  NAQD-Envにおける教師付き微調整について検討した。 Qwen2.5-3B-Instructの4つのLoRAチェックポイントは、オリジナルのカリキュラムをリッチなカリキュラムと比較する。
  論文  参考訳（メタデータ） (2026-10-15T00:38:39Z)
• The Price of Peeking: Anytime-Valid Leakage Detection on ML-KEM EM Traces [45.88028371034407]
  本研究は, ベットによる検査に基づく漏洩検出について検討する。 13000～20000のサンプルに対して繰り返し表示される$|t|>4.5$は2.7-12.9%の複製で誤報を発生させた。
  論文  参考訳（メタデータ） (2026-09-27T14:14:10Z)
• Verification Pulses and the Cost of Escaping Wrong Consensus [2.731113456484581]
  外的検証は、誤ったコンセンサスの盆地に自衛集団を残しながら、個々のアウトプットを補正することができる。 固定された検証予算のタイミングと対処が非同期バイナリレジスタの回復に与える影響について検討する。
  論文  参考訳（メタデータ） (2026-09-24T03:29:27Z)
• A Leakage-Safe, Cost-Aware Regression Testing Methodology for the Quantum Transpiler [0.0]
  継続的インテグレーション(CI)は、固定予算の下で、大規模でコストの不均一なスイートからテストを選択および優先順位付けする必要があります。 本稿では,Qiskit量子トランスパイラに対するリークセーフでコストを考慮した回帰-テスト-選択手法を提案する。
  論文  参考訳（メタデータ） (2026-09-24T01:32:28Z)
• The Undetected Damage of Quantization on Retrieval and How to Fix It [51.02977749156532]
  分類精度を保った量子モデルでは,トップ1検索結果の14ドルから46%の値がまだ変化していることを示す。 この失敗を2つの上位モデルスコア間のギャップに結び付け、そのギャップを使用して、定量化された回答をいつ信頼するかを決めます。 この差が最大の丸め誤差の2倍を超える場合にのみ、トップ1結果が量子化を継続することが保証されていることを示す。
  論文  参考訳（メタデータ） (2026-09-21T09:26:35Z)
• When Does Learning to Stop Help? A Cost-Aware Study of Early Exits in Reasoning Models [4.8190992438931035]
  LearnStopは、プレフィックスオブザーバブルな機能の上に隠された状態のないロジスティックストッパーである。 学習は、答えが振動し、正しさの証拠が広がる場所を給与する。 コスト計算は、KVキャッシュでトークンを32%節約するのと同じ方針で、ブラックボックスの繰り返しプリフィルで121%余分なコストがかかる。
  論文  参考訳（メタデータ） (2026-06-29T19:33:42Z)
• Right Makes Might: Aligning Verified Hidden States Empowers RL Reasoning [55.264863369127774]
  現在の方法では、それぞれの正しいロールアウトを単一の報酬ビットに減らし、隠れた状態間で共有される幾何学的構造を無視している。 本稿では,RLトレーニングにおけるアンカートークンにおける正ロールアウトの最終層を,トレーニングと推論の両方においてゼロオーバーヘッドで整列する補助損失関数Hidden-Alignを提案する。 8つの数学的推論ベンチマークでは、Hidden-AlignはDAPOベースラインの平均パス@1をQwen3-1.7B, 4B, 14Bで3.8, 6.2, 5.4ポイント改善し、3つのスケールで一貫したパス@kゲインを得る。
  論文  参考訳（メタデータ） (2026-06-02T06:51:15Z)

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。