論文の概要: J-Comm: Jacobian-Guided Latent Communication between LLM Agents
- arxiv url: http://arxiv.org/abs/2610.32871v1
- Date: Fri, 23 Oct 2026 16:42:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 01:38:06.609978
- Title: J-Comm: Jacobian-Guided Latent Communication between LLM Agents
- Title（参考訳）: J-Comm: LLMエージェント間のJacobian-Guided遅延通信
- Abstract要約: 遅延通信には効果的な連続推論プロセスと、外部モデルがその中間計算を活用できるインターフェースが必要である。
J-Commは2つのコアコンポーネントから構成されるフレームワークである。
J-Commは、MATH500の94.80%、GPQA-ダイアモンドの54.55%、AIME2024+2025の73.33%、ALFWorldの62.93%を含む7つのベンチマークで最高スコアを達成した。
- 参考スコア（独自算出の注目度）: 9.808212619858308
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Latent communication requires both an effective continuous reasoning process and an interface through which an external model can leverage its intermediate computation. We present J-Comm, a framework comprising two core components. First, a training-free Geometric Agreement for Latent Reasoning (GEAR) reweights token candidates over existing model embeddings, which monotonically optimizes geometric consensus among candidate tokens in embedding space at each step. Second, we introduce an H+J (Hidden-and-Jacobian) communication interface that gives the Receiver two complementary views of the Sender's reasoning. The H channel supplies continuous inputs derived from feedback distributions, while the J channel conveys intermediate-state cues in vocabulary-indexed Jacobian-lens coordinates. Intuitively, H provides inputs for the Receiver to reason from, while J offers additional guidance within its computation. The Receiver reconstructs these cues using its own dictionary and injects them into intermediate layers during prefill, enabling communication without sharing key-value caches or requiring identical model widths. In Qwen3-8B to Qwen3-4B communication, J-Comm achieves the highest mean score across seven benchmarks, including 94.80% on MATH500, 54.55% on GPQA-Diamond, 73.33% on AIME2024+2025, and 62.93% success on ALFWorld. Compared with TextMAS, it improves performance by 1.29-8.59 percentage points and reduces generated text tokens by 19.2-74.8%.
- Abstract（参考訳）: 遅延通信は、効果的な連続推論プロセスと、外部モデルがその中間計算を活用できるインターフェースの両方を必要とする。
J-Commは2つのコアコンポーネントから構成されるフレームワークである。
まず、学習のない遅延推論のための幾何学的合意(GEAR)は、既存のモデル埋め込みよりもトークン候補を重み付け、各ステップにおける埋め込み空間における候補トークン間の幾何学的コンセンサスを単調に最適化する。
次に,H+J (Hidden-and-Jacobian) 通信インタフェースを導入する。
Hチャネルはフィードバック分布から導出される連続的な入力を供給し、Jチャネルはボキャブラリインデックス付きヤコビアンレンズ座標で中間状態キューを伝達する。
直感的には、Hは受信側から推論するインプットを提供するが、Jはその計算内で追加のガイダンスを提供する。
受信者は、これらのキューを独自の辞書を使って再構築し、プリフィル中に中間層に注入し、キーバリューキャッシュを共有したり、同じモデル幅を必要とすることなく通信を可能にする。
Qwen3-8BからQwen3-4B通信において、J-Commは、MATH500の94.80%、GPQA-ダイアモンドの54.55%、AIME2024+2025の73.33%、ALFWorldの62.93%を含む7つのベンチマークで最高スコアを達成した。
TextMASと比較すると、パフォーマンスは1.29-8.59ポイント向上し、生成したテキストトークンを19.2-74.8%削減する。
関連論文リスト
- H2CE: Modeling Geo-Semantic Interactions for POI Reranking with Heterogeneous Two-Stage Cross-Encoders [50.334243169621175]
ローカル検索におけるPOI(Point-of-Interest)の再ランクは、クエリ条件付きトレードオフをモデル化する必要がある。
遅延バウンドPOIリグレードのための異種二段クロスエンコーダH2CEを提案する。
論文 参考訳（メタデータ） (2026-10-08T05:40:08Z) - Generating Workflow DAGs from Natural Language with Non-Reasoning LLMs [0.08537603362277842]
ニューロシンボリックな分解により、より低コストで非合理的な大規模言語モデルにより複雑なワークフローDAGを生成することができることを示す。
本手法は,判定精度を24ポイント向上し,推論モデルのアウト・オブ・ザ・ボックス品質に対する統計的等価性を実現する。
論文 参考訳（メタデータ） (2026-08-31T05:01:29Z) - One Forward Beats Two: InnerZoom for Accurate and Efficient GUI Grounding [23.58705585303581]
クロス層エビデンスブリッジのための単一フォワードフレームワークであるInnerZoomを提案する。
結果は、InnerZoomがOSWorld-Gで64.7、UI-Visionで40.2、OSWorld-GRで73.1、MMBench-GUIで87.6を達成したことを示唆している。
論文 参考訳（メタデータ） (2026-06-29T10:20:39Z) - Efficient Visual Pointing for Embodied AI:Agent-Driven Data Synthesis, Cross-Block Attention, and Iterative Correction [55.11480729304395]
PointArena 2026は77.2%の精度でベンチマークで2位である。
ap proachは3つの障害モードをターゲットにしている。第一に、エージェント駆動のシンセシスは大きなセマンティクスとアンカー相対的な候補プールを構築する。
次に、determinis tic steerable-dataパイプラインは、認証された10,000サンプルのメインセットと、マスク、テンプレート、パス検証を使用するリザーブサンプルを生成する。
論文 参考訳（メタデータ） (2026-06-29T06:39:03Z) - ChipCraftBrain: Validation-First RTL Generation via Multi-Agent Orchestration [0.0]
MAGEのようなマルチエージェントのアプローチはVerilogEvalでは95.9%に達したが、厳しい産業ベンチマークではテストされていない。
本稿では,シンボリック・ニューラル推論と適応型マルチエージェントオーケストレーションを組み合わせた自動RTL生成フレームワークChipCraftBrainを提案する。
論文 参考訳（メタデータ） (2026-04-21T17:20:24Z) - Wireless TokenCom: RL-Based Tokenizer Agreement for Multi-User Wireless Token Communications [59.84545048095092]
Token Communications (TokenCom) は、トークンが通信計算の統一単位である効果的な新しいパラダイムとして最近登場した。
基地局が複数のユーザを送信するマルチユーザダウンリンク無線TokenComシナリオについて検討する。
論文 参考訳（メタデータ） (2026-02-12T19:00:33Z) - Automated Knowledge Graph Construction using Large Language Models and Sentence Complexity Modelling [0.39089069256361736]
文レベルの知識グラフを抽出するエンドツーエンドパイプラインであるCoDe-KGを導入する。
オープンソースである15万以上のナレッジトリプルのデータセットをコントリビュートしています。
提案手法は, 文章の簡潔化において, 正解精度が99.8%まで向上することが示唆された。
論文 参考訳（メタデータ） (2025-09-22T00:01:50Z) - Algorithms for automatic intents extraction and utterances classification for goal-oriented dialogue systems [44.99833362998488]
本稿では,目標指向対話システムのためのスクリプト自動生成フレームワークについて述べる。
BERTopic と Latent Dirichlet の割り当てに基づいてユーザ意図を抽出する2つの方法の比較を行う。
ロジスティック回帰モデルとBERTトランスフォーマーモデルに基づいて,目標指向対話システムのユーザの文を分類するアルゴリズムを2つ実装した。
論文 参考訳（メタデータ） (2023-12-15T10:12:43Z) - Object Segmentation by Mining Cross-Modal Semantics [68.88086621181628]
マルチモーダル特徴の融合と復号を導くために,クロスモーダル・セマンティックスをマイニングする手法を提案する。
具体的には,(1)全周減衰核融合(AF),(2)粗大デコーダ(CFD),(3)多層自己超越からなる新しいネットワークXMSNetを提案する。
論文 参考訳（メタデータ） (2023-05-17T14:30:11Z) - Disentangled Representation Learning for Text-Video Retrieval [51.861423831566626]
テキスト・ビデオ検索(TVR)における相互モダリティの相互作用
我々は相互作用のパラダイムを深く研究し、その計算を2つの項に分けることができることを示した。
本稿では,逐次的かつ階層的な表現を捉えるための非絡み合いフレームワークを提案する。
論文 参考訳（メタデータ） (2022-03-14T13:55:33Z)
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。