論文の概要: Can Personal Requirements Become Supervision for Planning?

• arxiv url: http://arxiv.org/abs/2610.40992v1
• Date: Thu, 29 Oct 2026 21:20:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.497833
• Title: Can Personal Requirements Become Supervision for Planning?
• Title（参考訳）: 個人的要求は計画の監督になるか?
• Abstract要約: ノウラは、公的臨床ガイダンスからインスタンス化された個人仕様の実行可能なLSMを計画する。 ノウラは、実行された計画と文脈的にクレジットされた改訂を、コンパクトモデルの監督に切り替えた。 4,993人の参加者に対して、Noura-SFTはQwen3-14Bの完全な計画パス率を同じ実行ループ内で24.0%から72.5%に引き上げている。
• 参考スコア（独自算出の注目度）: 13.71692939823042
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Managing multiple chronic conditions through diet requires satisfying disease- and medication-specific requirements jointly across meals and days while preserving established eating habits. These requirements are public in clinical guidelines and drug labels, yet turning them into a feasible plan for one person remains difficult for language-model agents. In our dietitian-approved weekly planning evaluation built from NHANES, thirteen models, from medically fine-tuned 8B models to GPT-6.1 Sol, pass fewer than 3% of complete plans through direct generation. Explicit rules, higher reasoning effort, or model-directed tools leave GPT-6.1 Sol at no more than 8%. We present Noura, which pairs LLM planning with executable personal specifications instantiated from public clinical guidance and individual health and dietary profiles. During planning, the specification grounds foods, optimizes portions, checks the complete multi-day plan, and guides revision. Our key insight is that a specification that rejects a plan can also determine what to learn from it. Noura turns executed plans and contextually credited revisions into supervision for compact models, recovering targets even from trajectories that never achieve complete success. The same specification supplies supervised targets, preferences, and rewards for post-training. On 4,993 held-out participants, Noura-SFT raises Qwen3-14B's complete-plan pass rate from 24.0% to 72.5% within the same execution loop, cuts rule violations by 97.5% with no observed critical failures, and improves dietary quality. The locally hosted 14B planner incurs fewer rule violations than its GPT-6 Luna teacher. A matched comparison shows that executed targets reduce rule violations by 41% over model-written proposals. Across four Qwen, Phi, and Llama backbones, self-training alone reduces rule violations by 41-61% on a 1,249-person population subset.
• Abstract（参考訳）: 食事を通じて複数の慢性的な状態を管理するためには、食事や日ごとに疾患や薬物特有の要求を満たすとともに、確立した食事習慣を保っている必要がある。 これらの要件は、臨床ガイドラインや薬物ラベルで公にされているが、言語モデルエージェントでは依然として困難である。 NHANES による週次計画評価では,医療用微調整 8B モデルから GPT-6.1 Sol モデルまで13 モデルが,直接生成による完全な計画の 3% 未満をパスしている。 明示的な規則、より高い推論努力、あるいはモデル指向のツールにより、GPT-6.1 Solは8%以下に留まる。 公衆臨床ガイダンスと個別の健康・食生活プロファイルから, LLM計画と実行可能な個人仕様を合わせ, ノウラを提示する。 計画中は、食品の接地、部分の最適化、複数日間の完全な計画のチェック、改訂のガイドなどを行う。 私たちの重要な洞察は、計画を拒否している仕様は、それから何を学ぶべきかを決定できるということです。 ノウラは、実行された計画と文脈的にクレジットされた改訂をコンパクトなモデルの監督に転換し、完全な成功を達成できない軌道からでも目標を回復した。 同じ仕様では、教師付きターゲット、好み、およびポストトレーニングに対する報酬が提供されている。 4,993人の参加者に対して、Noura-SFTはQwen3-14Bの完全計画パス率を24.0%から72.5%に引き上げ、ルール違反を97.5%減らし、致命的な失敗は見つからず、食事の質を向上させる。 ローカルにホストされている14Bプランナーは、GPT-6ルナの教師よりもルール違反が少ない。 一致した比較は、実行対象がモデル記述の提案よりもルール違反を41%削減していることを示している。 4つのQwen、Phi、Llamaのバックボーンで、自己学習だけで1,249人の人口サブセットのルール違反を41-61%減らす。

関連論文リスト

• One-Step Prediction Fidelity Is a Poor Proxy for Planning Performance in JEPA World Models [0.0]
  物理ユニットのワンステップエラーを報告するフリーズデコーダプロトコルを導入する。 同じチェックポイント上で,目標条件のプランニングを3つのトレーニングシードとペアのプランニングシードで測定する。
  論文  参考訳（メタデータ） (2026-10-14T01:19:50Z)
• ShanLiangRen: A Nutrition Agent for Personalized Daily Meal Planning [4.7847864802354305]
  我々は、パーソナライズされた完全定量化多目的食事計画問題(MDP)を開発する。 このシステムはまず、食事仕様、栄養データ、ユーザ属性、自然言語要求を個別に制約されたプランニングインスタンスに変換する。 次に、検索拡張生成法を用いて、大規模な材料とレシピ空間から設定した実現可能な候補を縮小する。 このシステムは、明確な成分と部分サイズで完全に定量化された食事計画と、制約満足度と栄養分間隔の達成を示す栄養コンプライアンスに関するレポートを出力する。
  論文  参考訳（メタデータ） (2026-10-06T07:32:50Z)
• HuatuoGPT-3: RL-Only Domain Adaptation from Base Models [73.26559124332944]
  ドメイン適応は、汎用の大規模言語モデル(LLM)をターゲットドメインの専門家に変えることを目的としています。 政策改善のための一段階政策最適化(One-stage Policy Optimization, OnePO)を提案する。 OnePOはHealthBench(Total)で67.2を達成し、SFT+RLと純RLをそれぞれ2.7ポイント、純RLを7.4ポイント上回った。
  論文  参考訳（メタデータ） (2026-10-05T08:16:36Z)
• Robust Asynchronous Planning via Auto-Formalization [18.999996458563373]
  LLMは、Plannerとしてアクションシーケンスを直接生成するか、外部ソルバをFormalizerとしてドメイン固有言語に変換することで計画できる。 これらの課題を1つの定式化の下で統一し、それぞれに対処する最初の3つのベンチマークを導入します。 フォーマルな表現の選択は、主に計画スケールを決定する。
  論文  参考訳（メタデータ） (2026-05-31T03:28:42Z)
• Step-wise Rubric Rewards for LLM Reasoning [72.17879367869503]
  RLVR(Reinforcement Learning with Verifiable Rewards)は、大規模言語モデルの推論を改善するために広く使われている。 正しい回答の18.2%は間違っているが、肯定的な報酬がある。 6つの数学的推論ベンチマークで、SRaRはRaRの平均精度を3.57ポイント改善した。
  論文  参考訳（メタデータ） (2026-05-17T07:08:14Z)
• PanCanBench: A Comprehensive Benchmark for Evaluating Large Language Models in Pancreatic Oncology [48.732366302949515]
  大規模言語モデル(LLM)は、標準化された検査において専門家レベルの性能を達成したが、複数の選択精度は現実の臨床的有用性や安全性を十分に反映していない。 我々は、未確認患者の質問に対して、専門家のルーブリックを作成するための、ループ内人間パイプラインを開発した。 LLM-as-a-judge フレームワークを用いて,22のプロプライエタリおよびオープンソース LLM の評価を行い,臨床完全性,事実精度,Web-search 統合について検討した。
  論文  参考訳（メタデータ） (2026-03-02T00:50:39Z)
• Think First, Diffuse Fast: Improving Diffusion Language Model Reasoning via Autoregressive Plan Conditioning [0.0]
  本稿では,ARモデルから拡散モデルのプロンプトまで,短い自然言語プランを前提とした学習自由化手法であるプラン条件付けを提案する。 プランコンディショニングは1問題あたり0.002ドル、レイテンシは2秒追加される。 5つのランダムシードに対して、計画条件付きGSM8K精度は標準偏差がゼロであり、拡散推論は極めて安定である。
  論文  参考訳（メタデータ） (2026-02-20T09:52:13Z)
• Step-DPO: Step-wise Preference Optimization for Long-chain Reasoning of LLMs [54.05511925104712]
  本稿では,Step-DPOと呼ばれるシンプルで効果的でデータ効率のよい手法を提案する。 Step-DPOは、個々の推論ステップを、論理的に回答を評価するのではなく、優先最適化の単位として扱う。 以上の結果から,70B パラメータ以上のモデルでは,10K の選好データペアと500 Step-DPO トレーニングステップ以下では,MATH の精度が約3%向上する可能性が示唆された。
  論文  参考訳（メタデータ） (2024-06-26T17:43:06Z)
• OpenKBP-Opt: An international and reproducible evaluation of 76 knowledge-based planning pipelines [48.547200649819615]
  放射線治療における知識ベース計画(KBP)のための計画最適化モデルを開発するためのオープンフレームワークを構築した。 当フレームワークは, 頭頸部癌100例の基準計画と, 19KBPモデルによる高用量予測を含む。
  論文  参考訳（メタデータ） (2022-02-16T19:18:42Z)
• A feasibility study of a hyperparameter tuning approach to automated inverse planning in radiotherapy [68.8204255655161]
  本研究の目的は,計画品質を保ちながら,逆計画プロセスを自動化し,積極的な計画時間を短縮することである。 本研究では, 線量パラメータの選択, ランダムおよびベイズ探索法, ユーティリティ関数形式が計画時間と計画品質に及ぼす影響について検討した。 100個のサンプルを用いて良好な計画品質が得られ、平均計画時間は2.3時間であった。
  論文  参考訳（メタデータ） (2021-05-14T18:37:00Z)
• Rapid treatment planning for low-dose-rate prostate brachytherapy with TP-GAN [9.064664319018064]
  低用量前立腺切断療法 (LDR-PB) の治療計画では, 前立腺に最小限の所定の用量を与える埋込み可能な放射性種子の配置を目標としている。 医師の視点からインプラントを「受け入れ可能」とみなすのではなく、この線量基準を満たす複数の種子の配置があります。 LDR-PBデータの大規模プールから学習するモデルをトレーニングすることで、このばらつきを低減する手法を提案する。
  論文  参考訳（メタデータ） (2021-03-18T03:02:45Z)

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。