論文の概要: Retaining Repair Hypotheses for Cost-Aware Execution

• arxiv url: http://arxiv.org/abs/2610.39410v1
• Date: Thu, 29 Oct 2026 05:49:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-01 01:32:10.04711
• Title: Retaining Repair Hypotheses for Cost-Aware Execution
• Title（参考訳）: コストアウェア実行のための補修仮説の維持
• Abstract要約: 実行可能モデルのいくつかの補正は、異なる実行結果を予測しながら同じ観察に適合することができる。 本研究は, 整合性有限ガード補修, 診断および通常実施観察における重み付けを維持できる修復・実行インタフェースについて検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Several corrections of an executable model can fit the same observations while predicting different execution outcomes. We study a repair-to-execution interface that retains compatible finite guard repairs, conditions their weights on diagnostic and ordinary-execution observations, and uses their predictions to choose routes, priced tests, or a backup. On 24 synthetic two-stage devices, an equal mixture of a language-model-generated repair and a uniform belief over compatible repairs (the AI-weighted belief) lowers no-test cost by 2.14 percent relative to committing to the generated repair. Access charges can erase the benefit of diagnosis on isolated tasks, while repeated work can recover it under the AI-weighted belief. With normal-execution learning in every repeated-work arm, workload-valued testing costs 3.33 percent less than same-budget random selection under the AI-weighted belief. Weighting changes the comparison: uniform normal learning costs 540.75 less than AI-weighted normal learning on this cohort, with a device-paired interval excluding zero. Testing recovers part of that gap, but uniform normal learning still has a lower aggregate cost than AI-weighted workload-valued selection. Under uniform beliefs, information-gain selection has the lowest total among the compared selectors, while workload-valued testing costs more than normal learning. These results support retaining alternatives to a generated repair and evaluating diagnostic selection together with repair weighting and learning from execution.
• Abstract（参考訳）: 実行可能モデルのいくつかの補正は、異なる実行結果を予測しながら同じ観察に適合することができる。 本研究では,有限ガードの補修,診断および通常の実行観察の重み付け,経路選択,価格設定テスト,バックアップなどを行うための修復・実行インターフェースについて検討する。 24種類の合成二段階装置では、言語モデル生成の修復と互換性のある修復に対する均一な信念(AI重み付けの信念)が同等に混合され、生成した修復に対するコミットと比較してテストコストが2.14パーセント低下する。 アクセス料金は、孤立したタスクの診断の利点を消し、繰り返し作業はAI重み付けされた信念の下でそれを回復することができる。 繰り返し作業するすべてのアームで通常の実行学習を行うことで、ワークロード評価テストのコストは、AI重み付けの信念の下では、同じ予算のランダム選択よりも3.3パーセント削減される。 均一な正規学習は、このコホート上でのAI重み付き正規学習よりも540.75ドル安い。 テストは、そのギャップの一部を回復するが、均一な正規学習は、AI重み付けのワークロード評価選択よりも集約コストが低い。 均一な信念の下では、情報ゲインの選択は比較したセレクタの中で最低であり、ワークロード評価テストは通常の学習よりもコストがかかる。 これらの結果は、生成された修復の代替品の保持を支援し、修復重み付けと実行からの学習と共に診断選択を評価する。

関連論文リスト

• More Methods, Better Agents? A Reality Check on Self-Distillation in Agentic Reinforcement Learning [63.18264683480907]
  エージェント強化学習における自己蒸留は、多くの方法を生み出している。 既存の評価は、異なる実験条件下で発行されたベースラインスコアを再利用することが多い。 これらの制限は、報告された利得の源と、競合する手法の実践的な強みと弱点を曖昧にしている。
  論文  参考訳（メタデータ） (2026-10-14T08:36:31Z)
• JockeyBench: Evaluating LLM Agents on Horse-Racing Decision-Making [51.28684419852576]
  繰り返し発生する事象予測には、ノイズのある証拠から予測信号を抽出する必要がある。 本稿では,歴史的競馬を通じてこの問題を研究するベンチマークおよび評価プロトコルであるJockeyBenchを紹介する。
  論文  参考訳（メタデータ） (2026-10-14T04:59:45Z)
• Sharpening Tax in Post-Training [19.949493634049876]
  大規模言語モデルのポストトレーニングは、ソリューションカバレッジのコストでシングルショット精度を向上させる。 ポストトレーニングはタスクを2つの極端にプッシュし、常に解決されるか、解決されないかを示し、サンプリング効率と一貫性を向上させる。
  論文  参考訳（メタデータ） (2026-10-01T11:46:00Z)
• Same Scores, Different Decisions: Evaluating JEV and Language Models for Legal Document Understanding [65.85599131866623]
  私たちはJevとContractNLIの9つの言語モデルを比較します。 制御された比較は、仮説の可視性、要求された出力、および出力順序によって異なる。 Jevは、評価された構成の中で、最低コストと中央値のレスポンス時間を持っています。
  論文  参考訳（メタデータ） (2026-09-23T10:53:01Z)
• SVR: Self-Verifying Refinement via Joint Verdict-Confidence Reinforcement Learning for Adaptive Test-Time Compute [62.3458279176813]
  自己検証リファインメント(Self-Verifying Refinement)は、オラクルフリーのマルチターン強化学習フレームワークである。 自己検証を計算制御ポリシとして使用することを学ぶ。 マクロ平均精度は0.563で、平均で2.99回しか推測できない。
  論文  参考訳（メタデータ） (2026-07-30T16:20:58Z)
• Automated Discovery Has No Universally Superior Harness [63.53666712024897]
  我々はOpenEvolveスタイルの進化的探索とTT-Discoverサーチハーネスを構成成分に分解する。 12組のモデルプロブレムペアで30個の予算整合ハーネスを評価した。
  論文  参考訳（メタデータ） (2026-07-20T17:59:37Z)
• Resample or Reroute? Budget-Aware Test-Time Model Selection for Large Language Models [0.10152838128195468]
  この研究は、大規模言語モデルに対する予算対応テストタイムモデル選択を定式化する。 単位コスト当たりの限界精度の推定によるオンライン再サンプリング・オー・リルート(RoR)割り当てポリシーを提案する。 11モデルのオープンウェイトプールから4つの異なる難易度ベンチマークで新たに生成した正しさテンソルの実験により、提案されたRoRポリシーは、単一ルート、一コミットルータ、予算対応のベスト・オブ・K、カスケード、ランダム・アロケーションベースラインに対して、良好なコスト品質のロバスト性を達成することが示された。
  論文  参考訳（メタデータ） (2026-07-09T16:34:15Z)
• Cost-optimal Sequential Testing via Doubly Robust Q-learning [17.865867651025717]
  本研究では, 費用対最適順序決定政策の学習問題について, 振り返りデータから検討する。 最適ポリシーを推定するための2つの頑健なQ-ラーニングフレームワークを開発した。
  論文  参考訳（メタデータ） (2026-04-13T08:26:27Z)
• PRIME: A Process-Outcome Alignment Benchmark for Verifiable Reasoning in Mathematics and Engineering [71.15346406323827]
  本稿では,プロセス・アウトカム・アライメント・アライメント・検証における検証結果を評価するベンチマークであるPRIMEを紹介する。 現在の検証器は、しばしば導出欠陥を検出するのに失敗する。 本稿では,PRIMEで選択した検証手法を利用したプロセス認識型RLVRトレーニングパラダイムを提案する。
  論文  参考訳（メタデータ） (2026-02-12T04:45:01Z)

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。