論文の概要: WenSight-Decision-1 for Direct Decisions under E-commerce Rules
- arxiv url: http://arxiv.org/abs/2610.26444v1
- Date: Mon, 19 Oct 2026 14:04:42 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-10-20 22:30:56.389217
- Title: WenSight-Decision-1 for Direct Decisions under E-commerce Rules
- Title（参考訳）: 電子商取引規則に基づく直接決定の度量決定-1
- Abstract要約: 我々は、トレーニングと推論に同じオプションスコアを使用して、基準オプションを監督としてQwen3.5-9Bを微調整する。
共同微調整は6つのタスクをすべて改善し、共通の決定インターフェース下での不均一な操作判断をもたらす。
- 参考スコア（独自算出の注目度）: 3.032546174845965
- License:
- Abstract: E-commerce decisions require applying natural-language rules to the available case evidence. We introduce WenSight-Decision-1, a shared model that scores supplied options directly from rules and case information for six operational tasks, with examples spanning six languages. We fine-tune Qwen3.5-9B with reference options as supervision, using the same option scores for training and inference. On 1,440 synthetic operational cases reserved for final evaluation, accuracy rises from 61.60% for Qwen3.5-9B to 92.92% for WenSight-Decision-1 under identical inputs and scoring. Joint fine-tuning improves all six tasks, bringing heterogeneous operational judgments under a common decision interface.
- Abstract（参考訳）: 電子商取引の決定は、利用可能な事例証拠に自然言語規則を適用する必要がある。
WenSight-Decision-1は、6つの言語にまたがる6つのオペレーションタスクのルールとケース情報から直接供給されたオプションをスコアする共有モデルである。
我々は、トレーニングと推論に同じオプションスコアを使用して、基準オプションを監督としてQwen3.5-9Bを微調整する。
最終評価のために予約された1,440件の合成手術ケースでは、Qwen3.5-9Bの61.60%から、同一の入力とスコアでWenSight-Decision-1の92.92%に精度が上昇する。
共同微調整は6つのタスクをすべて改善し、共通の決定インターフェース下での不均一な操作判断をもたらす。
関連論文リスト
- Bayesian Test-Time Inference of Task-Aligned Similarity from Weak Interactive Feedback [50.42640957891911]
言語モデルシステムは、類似性を比較することで、繰り返しテスト時の決定を行う。
しかし、類似性はユニークではない:語彙、意味、構造、類似性はNの選択点を取得することができる。
本稿では,現在の意思決定を統括するトレーニングフリーベイズ手法であるAxis Interactive Signalsを紹介する。
論文 参考訳（メタデータ） (2026-10-13T16:19:49Z) - AssetForge: Asset-Augmented Task Synthesis for Business Automation Agents [50.07771061768613]
ビジネス自動化エージェントのトレーニングには、自然に管理された要求をアプリケーション状態と終了状態に接続する実行可能なタスクが必要である。
従来のオートメーションでは、著者はアプリケーションインターフェース、初期記録、ポリシーエビデンス、各タスクの検証可能な結果チェックを再現する必要がある。
AssetForgeは、アセット拡張されたタスク言語パイプラインで、再利用可能なコンストラクション-アセスメントライブラリとタスク特化ライブラリをペアリングします。
論文 参考訳（メタデータ） (2026-10-13T13:06:16Z) - RGDT-Bench: Benchmarking LLM Reasoning for Rule-Governed Decisions and Their Justifications [26.65087797852919]
ルール統治決定タスク(RGDT)における推論に関する研究
RGDTは、規則とその適用可能性の解釈、証拠からの条件の評価、規則と例外に基づく判断の組み合わせ、そしてチェック可能な正当化の提供を必要とする。
RGDT-Benchを導入し、4つのタスクトラックと8つのタスク-プローブの組み合わせで202.1Kの条件レベルの監視スロットを提供する。
論文 参考訳（メタデータ） (2026-09-28T07:13:04Z) - JevOut: Natural Context Can Flip Decision Models [3.2875856796061513]
コンテキストに自然に適合する短い追加は、そうでなければ正しい決定をリダイレクトできることに気付きました。
これらの結果は、現在の決定モデルにおける明らかな脆弱性を明らかにします。
論文 参考訳（メタデータ） (2026-09-24T17:57:07Z) - Likelihood Ranking doesn't Scale Like Prompting in LLMs [91.56564968539271]
多重選択QAでは、質問セットと回答セットに標準確率ベースのスコアがまだ条件付けられている。
我々は,同じ質問対から構築された宣言文の確率ランキングに基づく補完的プロトコルについて検討する。
論文 参考訳（メタデータ） (2026-09-24T11:16:53Z) - MemToC: Benchmarking Memory-Tool Conflict Resolution in Large Language Models [49.47300047353726]
MemToCは、実行時ツールによるポストツール-リターン仲裁のベンチマークである。
MemToCは、542の質制御された事実質問から構築された6,504回の評価エピソードで構成されている。
オープンウェイトな7-9Bモデルでは、ツールが強く支配的なクローズドブックの回答を返す。
論文 参考訳（メタデータ） (2026-08-26T18:22:03Z) - Harness-IF: Evaluating Instruction Following Across Instruction Surfaces in Coding Agents [29.96375986740068]
Harness-IFは、実行証拠から一度に1つの運用ルールをスコアする。
AP-Accは、不正なデフォルトに対してラベル付けされたルールのみをスコアする。
論文 参考訳（メタデータ） (2026-08-12T07:07:57Z) - A Deterministic Agentic Workflow for HS Tariff Classification: Multi-Dimensional Rule Reasoning with Interpretable Decisions [16.99257993610188]
このアーキテクチャは、中国の関税に関するオフラインの知識エンジニアリングと、オンラインの6段階パイプラインを組み合わせたものだ。
226桁の6桁の意見の不一致に関する2段階のマニュアル監査は、HSCodeCompの地味なラベルのごく一部が一般的な規則から逸脱する可能性があることを示唆している。
論文 参考訳（メタデータ） (2026-05-14T14:04:46Z) - OmniEAR: Benchmarking Agent Reasoning in Embodied Tasks [52.87238755666243]
OmniEARは,言語モデルが身体的相互作用やツールの使用,マルチエージェントの協調にどう影響するかを評価するためのフレームワークである。
我々は、家庭と工業領域にまたがる1500のシナリオにおける連続的な物理的特性と複雑な空間的関係をモデル化する。
我々の体系的な評価は、モデルが制約から推論しなければならない場合、厳しい性能劣化を示す。
論文 参考訳（メタデータ） (2025-08-07T17:54:15Z)
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。