論文の概要: Where Should a Stuck Agent Spend Its Next Tokens? Causal Attribution of Inference-Time Resources
- arxiv url: http://arxiv.org/abs/2610.28834v1
- Date: Tue, 20 Oct 2026 18:59:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-23 00:40:06.127602
- Title: Where Should a Stuck Agent Spend Its Next Tokens? Causal Attribution of Inference-Time Resources
- Title（参考訳）: 悪質なエージェントは次のトークンをどこに送るべきか? 推論時間資源の因果的帰属
- Abstract要約: 本稿では,Banzhaf Resource Attribution(BRA)について紹介する。
MBPP+とHumanEval+の関数レベル障害194件とSWE-benchのリポジトリレベルの障害126件を検証した。
- 参考スコア（独自算出の注目度）: 22.184530633984124
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Inference-time scaling is often treated as a token-budget problem, but a failed coding agent can seek qualitatively different resources: computation, information, or feedback. We introduce Banzhaf Resource Attribution (BRA), a controlled factorial framework that measures each resource's marginal contribution to repair and its interactions while holding the failed state and revision protocol fixed. We evaluate six models on 194 function-level failures from MBPP+ and HumanEval+ and 126 repository-level failures from SWE-bench Verified. Task-relevant specifications consistently improve repair, whereas public-test feedback provides small gains and retrieved code little to none. The value of additional computation declines with model capability, while information remains useful; resource channels largely exhibit diminishing returns, although complementary information can reinforce itself. Yet three of four frontier models select feedback in 95-100% of cases and obtain lower gains than uniform random resource selection. BRA thus exposes a gap between the resources agents prefer and those that measurably improve repair.
- Abstract（参考訳）: 推論時間のスケーリングはトークン予算の問題として扱われることが多いが、失敗したコーディングエージェントは、計算、情報、フィードバックなど、質的に異なるリソースを求めることができる。
本稿では,Banzhaf Resource Attribution(BRA)について紹介する。BRAは,障害状態と修正プロトコルを固定した状態で,各リソースの修復とその相互作用に対する限界的貢献を計測する,制御された要因的フレームワークである。
MBPP+とHumanEval+の関数レベル障害194件とSWE-benchのリポジトリレベルの障害126件を検証した。
タスク関連仕様は、メンテナンスを継続的に改善する一方、パブリックテストのフィードバックは、小さなゲインを提供し、コードの取り出しはほとんどない。
余分な計算の値はモデル能力によって減少するが、情報は有用であり、相補的な情報はそれ自身を補強できるが、リソースチャネルはほとんどが減少するリターンを示す。
しかし、4つのフロンティアモデルのうち3つは95-100%のケースでフィードバックを選択し、一様ランダムリソース選択よりも低い利得を得る。
これにより、BRAは、所望の資源エージェントと、修理を確実に改善するリソースとのギャップを露呈する。
関連論文リスト
- RELAY: Scaling Historical Build Restoration through Rule Reuse and Agentic Repair [0.49416305961918044]
OSS-Fuzz 症例の69.7% は再建と検証が完了していない。
したがって、再発する障害が一度診断され、その修復が再利用される。
まずルールを適用し、残りのケースをエージェントにエスカレートするハイブリッドアプローチは、どちらのアプローチよりも多くのビルドを復元する。
論文 参考訳（メタデータ） (2026-10-20T07:49:56Z) - AlphaDiana: A Measurement System for Agents in Verifiable Reasoning Tasks [70.52860945958031]
我々は、データセット、エージェント、環境、スコアラーの計測システムであるAlphaDianaを紹介する。
5つの回答ベースベンチマークで3つのオープンソースモデルと3つのオープンソースハーネスについて検討する。
ハーネスは推論の精度を常に改善しないことがわかった。
論文 参考訳（メタデータ） (2026-10-14T14:04:48Z) - 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) - TRACE: TRajectory Attribution for Automated Context Engineering [2.332848751256598]
本稿では,履歴エージェントのトラジェクトリをマイニングし,コンテキスト障害の診断と修正を行う自動フィードバックループTRACEを提案する。
モデルファインチューニングとは異なり、TRACEはコンテキスト層上で動作し、再トレーニングせずに迅速なイテレーションを可能にする。
3つの複雑性レベルにまたがる60の不満トレースでは、TRACEは72.7%の根本原因属性と82%のエンドツーエンドの修正効率を達成する。
論文 参考訳（メタデータ） (2026-08-10T06:01:03Z) - Don't Regenerate, Debug: A Domain-Specific Agent for Repairing Near-Miss Hardware Operators [19.87699788583019]
私たちは、再生、デバッグではなく、パラダイムシフトを主張します。
本稿では,自律的修復における3つの課題に対処する,ドメイン固有のデバッグエージェントを提案する。
Pass@16.7%は66.7%、Regenerate Avg Pass@1's 25.9%、Regenerate Pass@3's 40.7%、Regenerate Pass@3's 40.7%である。
論文 参考訳（メタデータ） (2026-08-03T17:59:48Z) - Learning from Failure: Inference-Time Self-Improvement for Computer-Use Agents [80.03824805228719]
コンピュータ利用エージェントを開発する上での大きな課題は、大規模で高品質な軌道を収集することである。
我々は、失敗した軌道をエージェント改善に変換するデータ中心のパラダイムを提案する。
この手法をOSWorldベンチマーク上で,最先端のOpenCUA-72Bモデルを用いて検証する。
論文 参考訳（メタデータ） (2026-06-30T07:44:37Z) - TAPO: Tool-Aware Policy Optimization via Credit Transfer for Multimodal Search Agents [54.08846865906602]
ツール強化マルチモーダルサーチエージェントにおいて,クレジットミス割り当てをGRPOの系統的障害モードとして特徴付ける。
本稿では,情報取得ツールのパラメータ決定性を利用したツール・アウェア・ポリシー・オプティマイズ(TAPO)を提案する。
論文 参考訳（メタデータ） (2026-06-04T07:15:43Z) - Handoff Debt: The Rediscovery Cost When Coding Agents Take Over Interrupted Tasks [0.0]
他のエージェントやエンジニアが残した部分的な状態からタスクを中断し、再割り当てし、レビューし、再開するからです。
前任者の作業が不透明あるいは不完全である場合に課される再検討コスト。
我々の乗っ取りプロトコルは、決定論的ハンドオフポイントで符号化エージェントを中断し、リポジトリを凍結し、4つのハンドオフビューで後継エージェントを評価する。
論文 参考訳（メタデータ） (2026-06-01T20:40:38Z) - Ace-Skill: Bootstrapping Multimodal Agents with Prioritized and Clustered Evolution [57.04954428528267]
我々は,自己進化型マルチモーダルエージェントのためのロールアウトアロケーションと知識組織を共同で最適化する,共同進化型フレームワークであるAce-Skillを紹介する。
Ace-Skillは、プライオリティ化されたサンプルと遅延分解能のトラッキングを組み合わせることで、情報的かつ十分にマスターされたサンプルにロールアウトを集中させる。
サンプリングと組織化を改善することで、Ace-Skillは自己進化を、より情報に富んだロールアウトが高品質な知識を生み出す、活発なサイクルに変えます。
論文 参考訳（メタデータ） (2026-05-09T11:12:54Z) - Reinforcement Learning from Multi-Source Imperfect Preferences: Best-of-Both-Regimes Regret [71.69884486156359]
我々は, 累積的不完全化予算を用いて, エンフルティソースの不完全性選好からエピソードRLを考察した。
我々は,最良な登録行動を示す,後悔$tildeO(sqrtK/M+)$の統一アルゴリズムを提案する。
論文 参考訳（メタデータ） (2026-03-20T19:34:53Z) - ResAD++: Towards Class Agnostic Anomaly Detection via Residual Feature Learning [52.11294707895649]
本稿では,クラス非依存型異常検出(AD)の問題点について検討する。
目的は、ターゲットデータの再トレーニングや微調整をせずに、異なるドメインから様々な新しいクラスの異常を一般化して検出できる、クラスに依存しないADモデルをトレーニングすることである。
8つの実世界のADデータセットに関する総合的な実験は、ResAD++が新しいクラスで直接使用されると、素晴らしいAD結果が得られることを示した。
論文 参考訳（メタデータ） (2025-09-28T08:41:05Z)
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。