論文の概要: Selecting or Solving? What Best-of-N Verification Delivers in Video Reasoning

• arxiv url: http://arxiv.org/abs/2611.00507v1
• Date: Sat, 31 Oct 2026 00:54:03 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 19:31:51.028013
• Title: Selecting or Solving? What Best-of-N Verification Delivers in Video Reasoning
• Title（参考訳）: 選択か解決か? ビデオ推論のベスト・オブ・N検証は何か
• Abstract要約: ベスト・オブ・Nの選択: 固定されたモデルからいくつかのチェーン・オブ・シークレットの回答をサンプリングし、第2のモデルにビデオを再視聴して1つを選ぶ。 選択インクリメント(SI)選択精度は、候補と同一の検証器の精度を抑える。 Video-Holmesでは、両者は単一の候補者のプールでバラバラにされ、弱い検証者が候補者から+19.3ポイント獲得するが、投票より7.1ポイント下回っている。
• 参考スコア（独自算出の注目度）: 58.485210155828106
• License:
• Abstract: Answering a complex question about a long video is a grounding problem: the answer turns on a few seconds of evidence, and vision-language models remain well below human accuracy at finding them. The standard way to spend extra test-time compute on this kind of video reasoning is best-of-N selection: sample several chain-of-thought answers from a fixed model, then let a second model re-watch the video and pick one. Such pipelines are reported by a single headline number, their margin over a majority vote. That number conflates two effects with opposite deployment consequences: the benefit the second model adds by selecting among candidates, and the benefit it would have supplied by solving the question itself. We separate them, measuring the Selection Increment (SI) -- selection accuracy minus the same verifier's accuracy with the candidates withheld -- alongside the margin over self-consistency, across five long-video benchmarks. The Selection Increment is largest for the weakest verifiers: a verifier that solves poorly on its own leaves the candidates the most room to help. Beating the majority vote follows the opposite profile: where the vote already sits near its ceiling no verifier we test improves on it; below that ceiling only the strongest do. On Video-Holmes, the two come apart on a single pool of candidates -- a weak verifier gains +19.3 points from the candidates yet lands 7.1 points below the vote, while the frontier verifier gains the least and beats the vote. The weakest verifier also shows a failure mode: on EgoSchema it picks by where an option sits in the list rather than by what the video shows. Read as a merit score, SI puts a verifier that fails to beat a majority vote at the top of its ranking; read as an audit, it says which of the two effects a headline number delivers. Code is available at https://github.com/facebookresearch/best-n-selection-video-reasoning.
• Abstract（参考訳）: 長いビデオに関する複雑な質問に答えることは、根拠となる問題だ。答えは数秒の証拠に反応し、視覚言語モデルがそれらを見つける精度をはるかに下回っている。 固定されたモデルからいくつかのチェーン・オブ・シークレットの回答をサンプリングし、第2のモデルでビデオを再視聴して選択する。 このようなパイプラインは1つの見出し番号によって報告される。 この数字は、反対のデプロイメント結果と2つの効果を混同している。2つ目のモデルは、候補の中から選択することで得られる利益と、質問そのものを解決することによって得られる利益である。 選択インクリメント(SI) -- 選択精度は、候補が保持していないものと同じ検証器の精度をマイナスにしている -- を、5つのロングビデオベンチマークで、自己整合性に対するマージンと引き換えに、これらを分離する。 セレクション・インクリメントは、最も弱い検証者にとって最大であり、自分自身で不十分に解決する検証者は、最も助ける余地を残している。 投票がすでに天井の近くに置かれている場合、私たちが試した検証は改善されない。 Video-Holmesでは、両者は単一の候補者のプールでバラバラにされ、弱い検証者は候補者から+19.3ポイントを獲得しながら7.1ポイントを下回っている。 最も弱い検証者は、失敗モードも示している:EgoSchemaでは、ビデオが示すものではなく、リストにオプションがある場所を選択する。 成績スコアとして読み取ると、SIはランキングの最上位で多数決に勝てないバリデーションを出し、監査として読み取ると、見出し番号がもたらす2つの効果のうちどれかが示される。 コードはhttps://github.com/facebookresearch/best-n-selection-video-reasoning.comで公開されている。

関連論文リスト

• Overwhelmed by Choice: Studying LLM Decision Making at Scale [70.45144023754595]
  候補数の増加に伴い,複数選択および候補選択の評価を体系的に評価した。 タスク間での相当な精度劣化、戦略の推進、モデルスケールが見られます。 階層分割と置換に基づく推論は、HotpotQAとMIMICで約20パーセントの精度をN=160$で向上する。
  論文  参考訳（メタデータ） (2026-09-26T17:33:04Z)
• A decodability criterion predicts when hidden-state selection beats majority voting in large language models [10.860308169044679]
  本稿では,解答点隠れ状態の線形ゲートを訓練し,最上位候補を選択する動的選択結合器を提案する。 その主な貢献は、解答可能性(deodability)であり、ゲートが質問の正しい候補をどれだけ正確にランクづけしているかの漏れのない尺度である。
  論文  参考訳（メタデータ） (2026-08-17T21:02:10Z)
• Diversity Matters: Revisiting Test-Time Compute in Vision-Language Models [60.9932576020062]
  テスト時の計算戦略は、大規模言語モデルにおける推論を強化するための軽量なアプローチとして現れている。 本稿では,予測エントロピーに基づいて最も確実な予測を選択するエントロピーに基づくTTCを提案する。 ETTCは、軽度の仮定で多数決よりも優れており、投票と最高の個人モデルの両方を一貫して上回っていることを実証的に実証している。
  論文  参考訳（メタデータ） (2026-05-29T01:06:38Z)
• Linear Social Choice with Few Queries: A Moment-Based Approach [29.319194560009592]
  我々は、線形社会選択モデルにおいて、極端なコミュニケーション予算の下で社会的選択を研究する。 私たちの中核となる考え方は、選挙人を投票者のタイプに関する未知の分布としてモデル化することです。 我々は、投票者ごとのペアワイズ比較が2つあること、あるいは1つのグレード比較が第2の瞬間を特定することを証明している。
  論文  参考訳（メタデータ） (2026-03-19T22:35:20Z)
• Efficient Lower Bounding of Single Transferable Vote Election Margins [56.12949230611067]
  STV (Single Transferable vote) は、複数議席の選挙において、優先的な比例投票方式である。 勝利のマージン(英: margin of victory)は、勝利者の集合を変えるために操作される必要のある最小数の投票である。 マージンの低い境界は、正確なマージンを計算するのが難しい場合、この目的のためにも使われる。
  論文  参考訳（メタデータ） (2025-01-24T13:39:23Z)
• Optimal bounds for dissatisfaction in perpetual voting [84.02572742131521]
  我々は、投票者が何回も不満を抱いていないことを保証し、永遠の投票方法を考える。 我々は、不満のサブ線形成長が可能な有権者行動に関する十分な条件を特定する。 本稿では,専門家の助言による予測から得られた標準手法に基づいて,紛争条件下での不満をサブ線形に保証する投票手法を提案する。
  論文  参考訳（メタデータ） (2024-12-20T19:58:55Z)
• Plurality Veto: A Simple Voting Rule Achieving Optimal Metric Distortion [11.282341369957212]
  メートル法歪みの枠組み nの有権者とmの候補者は 共同でメートル法空間に埋め込まれている 投票ルールの目的は、投票者に対して最短距離の候補者を選ぶことである。 Plurality Veto と呼ばれる単純な投票法則が 3 の最適歪みを達成することを示す。
  論文  参考訳（メタデータ） (2022-06-14T18:32:32Z)
• An algorithm for a fairer and better voting system [0.0]
  本稿は、投票者を代表する最適な候補を見つけることの課題を解決することを目的とした、新しい、より優れた投票システムについて述べる。 私たちは、人工知能に基づいた選挙の現実的なシミュレーションを行うためのソースコードをGitHubに公開しています。 我々は、我々のアルゴリズムがInstant-Runoff Voting、Preferential Block Voting、Single Transferable Vote、First Past The Postよりも優れているという確証を持っている。
  論文  参考訳（メタデータ） (2021-10-13T22:34:49Z)

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。