論文の概要: ChronoReplay: One Answer Interface Is Not Enough for Streaming Spatial Intelligence
- arxiv url: http://arxiv.org/abs/2610.34283v1
- Date: Sun, 25 Oct 2026 13:31:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 22:27:13.573062
- Title: ChronoReplay: One Answer Interface Is Not Enough for Streaming Spatial Intelligence
- Title（参考訳）: ChronoReplay:1つの答えインターフェースは、空間的知性をストリーミングするには不十分
- Abstract要約: 空間的VLMをトレーニングして、オブジェクトのどの側にあるかに答えるには、その答えを決定する計量変位を保存する必要はない。
ChronoReplayは、異種空間の監視を時間順のエピソードとして再生することで対処する。
単一のChronoReplayチェックポイントは、OVO-S-Bench、OST-Bench、UCS-Benchを一緒に改善する。
- 参考スコア（独自算出の注目度）: 29.69055584049387
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Training a spatial VLM to answer which side an object lies on does not require it to preserve the metric displacement that determines that answer, while supervision for a distance estimate may leave categorical relations largely unconstrained. When post-training emphasizes one readout, improvements can therefore concentrate on that interface while transfer to others remains weak or even degrades; we call this observed specialization interface lock-in. ChronoReplay addresses it by replaying heterogeneous spatial supervision as chronologically ordered episodes, retaining source-native targets, and balancing supervision across families. Under the same observation access, a single ChronoReplay checkpoint improves OVO-S-Bench, OST-Bench, and UCS-Bench together, including a 13.41-point gain on OST-Bench, and achieves the highest three-benchmark mean among the supervision settings compared here. Same-data controls further separate the ingredients of this transfer: answer serialization redistributes gains across OST and UCS, family-balanced learning improves over ordinary joint SFT and natural turn weighting, and chronological replay exceeds a shifted-order control by about 2.41 OST points across two paired seeds. Adaptive frame selection then changes evidence access while keeping the trained model fixed, providing an additional inference-time gain at lower visual cost. Streaming spatial performance depends on what distinctions supervision preserves, how heterogeneous histories are organized during learning, and what causal evidence inference makes available at test time.
- Abstract（参考訳）: 空間的VLM(英語版)を訓練して、対象のどちら側にあるかに答える必要はないが、距離推定の監督はカテゴリー関係をほとんど制約しないままにすることができる。
ポストトレーニングが1つの読み出しを強調している場合、改善はそのインターフェースに集中できるが、他への転送は依然として弱いか、あるいは劣化している。
ChronoReplayは、異種空間の監視を、時系列的に順序づけられたエピソードとして再現し、ソースネイティブのターゲットを維持し、家族間での監視のバランスをとることで対処する。
同じ観察アクセス下では、単一のクロノレプレイチェックポイントがOVO-S-Bench、OST-Bench、UCS-Benchを一緒に改善し、OST-Benchの13.41ポイントのゲインを達成し、ここで比較した監督設定の中で最高3つのベンチマーク平均を達成する。
応答シリアライゼーションはOSTとUCSをまたいで増加し、ファミリーバランス学習は通常の関節SFTと自然回転重み付けよりも改善され、時系列リプレイは2対の種子で約2.41 OSTポイントのシフト順序制御を超える。
適応的なフレーム選択は、トレーニングされたモデルを固定しながらエビデンスアクセスを変更し、より低い視覚的コストで追加の推論時間ゲインを提供する。
空間的パフォーマンスのストリーミングは、監督が保持する区別、学習中にどのように異質な歴史が組織されるか、そしてテスト時にどんな因果的エビデンス・推論が利用可能かに依存する。
関連論文リスト
- Supervising the Visible State: Separating Representation from View Selection in Streaming Video [29.69055584049387]
Visible-State Supervision (ViSS) は、イベントの同一性、順序、蓄積、関係の変化、回答の正当性に関する調査を訓練する。
Test-Time Causal View Search (TVS)は、学習したモデルの修正を維持しながらエビデンスアクセスを適用する。
論文 参考訳（メタデータ） (2026-10-26T06:52:46Z) - Why Constrained Updates Still Forget: A Functional-Path Analysis of Continual SFT [42.82614522980862]
教師付き微調整は、言語モデルを特定のタスクに適応させるが、以前取得した振る舞いを妨害する可能性がある。
制御方向への更新とともに、古い空間変化を分解する機能パスアカウントを開発する。
これらの知見は, タスクワイズ行動に対する更新レベルの保護と, 明示的な機能的アンカーによる緩和, 軌道評価, 旧/新共同監査とを関連づけるものである。
論文 参考訳（メタデータ） (2026-10-21T03:57:12Z) - EgoTSR++: Egocentric Spatiotemporal Reasoning for Task Progress Understanding [51.078675806865306]
VLM(Vision-Language Models)は、静的な視覚的理解において急速に進歩しているが、エゴセントリックなタスクがどのように進行しているかを判断しても信頼性が低い。
EgoTSR(EgoTSR)は,オーダーローバストなタスク・プログレス理解を診断・改善するための統合フレームワークである。
論文 参考訳（メタデータ） (2026-09-23T09:20:44Z) - TimeInteract: Towards Real-Time Interactive Intelligence for Streaming Time Series [63.51670715618216]
時系列インタラクション(Time-Series Interaction)は、到着する時系列の観測とユーザ意図を認識し、いつ沈黙するか、応答するかを自律的に決定し、応答生成中に新しい観測処理を継続するモデルである。
StreamTSI-34Kは大規模なストリーミングTSインタラクションデータセットで,34,588エピソードと77,505応答を合成時系列と実時間時系列に1回,複数回設定して構築する。
論文 参考訳（メタデータ） (2026-09-22T13:29:03Z) - Agentic Reinforcement Learning with Observation-Calibrated Self-Distillation [18.20369971970953]
On-Policy Self-Distillation (OPSD)は、高密度のトークンレベルの監視を得るために、特権的なリプレイビューの下で生成されたトークンを再スコアする。
結果として得られるサポートは、リプレイビューに含まれる特権情報と、リプレイスキャフォールドによって誘導されるスコアシフトの両方を反映することができる。
本研究では, この問題点を解決するために, OCSD (Observatory-Calibrated Self-Distillation) を提案する。
論文 参考訳（メタデータ） (2026-08-05T12:52:14Z) - Beyond the Current Observation: Evaluating Multimodal Large Language Models in Controllable Non-Markov Games [69.57330692969543]
RNG-Benchは、過去の観測を再構築するベースモデルの能力を分離するために設計されたベンチマークスイートである。
RNG-Benchには2つの補完ゲームがある: マッチングペア(英語版) - 特定の場所でカードのIDを短期間明らかにする) と、エゴセントリックなビューを空間地図に統合する3D Maze である。
最も難しい構成では、約128Kのトークンと350のイメージ入力のコンテキストが必要であり、フロンティアMLLMによる飽和には程遠いままである。
論文 参考訳（メタデータ） (2026-06-17T17:59:34Z) - CIG: Exploration via Conditional Information Gain [10.289348661352841]
異なる文脈における強化学習条件における探索の本質的な報奨
条件情報ゲイン(CIG)は、トラクタブルサロゲートとしての報酬である。
我々はCIGをモデルベースでインスタンス化し、ロールアウトは短く、ロールアウト内修正は未探索のままである。
論文 参考訳（メタデータ） (2026-05-20T08:15:57Z) - See, Remember, Explore: A Benchmark and Baselines for Streaming Spatial Reasoning [41.278682336342165]
S3-Benchは,アクティブな探索による空間質問応答をストリーミングするベンチマークスイートである。
S3-Benchはデュアルドメイン設計を採用し、スケーラブルなシミュレータと制御可能な軌道と探索動作を組み合わせた。
提案手法は,S3-Evalのシミュレーションおよび実分割において,それぞれ8.8%と13.3%の改善をもたらす。
論文 参考訳（メタデータ） (2026-03-25T02:45:03Z) - Video-LLMs with Temporal Visual Screening [59.18455762289321]
テンポラル・ビジュアル・スクリーニング (TVS) はビデオ質問応答とチューニングデータを処理する新しいタスクである。
TVSは、ビデオインストラクションチューニング(トレーニング)とビデオ質問回答(推論)パイプラインの両方にシームレスに統合可能な、モジュール化されたフロントエンドアダプタタスクとして定式化されている。
実験により、TVSを取り入れた場合、相対利得は7.33%(トレーニング)、34.6%(推論)となることが示された。
論文 参考訳（メタデータ） (2025-08-27T14:33:32Z) - OST-Bench: Evaluating the Capabilities of MLLMs in Online Spatio-temporal Scene Understanding [50.72259772580637]
エージェントの観点から,オンライン時空間理解を評価するためのベンチマークOST-Benchを紹介する。
効率的なデータ収集パイプライン上に構築されたOST-Benchは、ScanNet、Matterport3D、ARKitScenesから収集された1.4kのシーンと10kの質問応答ペアで構成されている。
複雑な空間的推論要求と長期記憶検索要求の両方が、2つの別々の軸に沿ってモデル性能を著しく低下させることがわかった。
論文 参考訳（メタデータ） (2025-07-10T17:56:07Z)
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。