論文の概要: Low-Margin Branch Points in Deterministic LLM Deliberatio

• arxiv url: http://arxiv.org/abs/2611.00546v1
• Date: Sat, 31 Oct 2026 02:01:39 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 20:15:09.895329
• Title: Low-Margin Branch Points in Deterministic LLM Deliberatio
• Title（参考訳）: 決定論的 LLM 均衡における低マージン分岐点
• Abstract要約: 我々は、このローカル障害モードのホワイトボックス監査を、greedy復号化中の5エージェント委員会に提示する。 我々は将来,低域と高域のトークンの位置を選択し,正確なno-op re-playを必要とし,ノルム相対的残留変位を注入し,10個のトークン内での最初の転写のばらつきを計測する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Deterministic multi-agent LLM deliberation can exactly re- play a fixed transcript, yet exact replay alone does not test local resistance to controlled internal interventions. Because each response becomes context for later agents, a changed greedy token can redirect a transcript-mediated execution. We present a white-box audit of this local failure mode in a five-agent committee under greedy decoding. We prospectively select low- and high-margin token positions, require exact no-op re- play, inject norm-relative residual displacements, and measure first transcript divergence within ten generated tokens. Low- margin positions are more branch-sensitive than high-margin controls, while matched margin-reducing gradient directions branch substantially more often than margin-increasing con- trols. We then continue selected realized branches through the committee to distinguish textual persistence from preference and final-decision changes. The contribution is a controlled audit for local branch susceptibility in this specified protocol, not an estimate of deployment frequency, decision correct- ness, or a phenomenon unique to multi-agent systems.
• Abstract（参考訳）: 決定論的多エージェントLDM検討は、正確に固定された転写文字を再生することができるが、正確なリプレイだけでは、制御された内部介入に対する局所的な抵抗をテストしない。 各レスポンスは後続のエージェントのコンテキストになるため、変更されたgreedyトークンは、トランスクリプトによる実行をリダイレクトすることができる。 我々は、このローカル障害モードのホワイトボックス監査を、greedy復号化中の5エージェント委員会に提示する。 我々は将来,低域と高域のトークンの位置を選択し,正確なno-op re-playを必要とし,ノルム相対的残留変位を注入し,10個のトークン内での最初の転写のばらつきを計測する。 低マージン位置は高マージン制御よりも分岐感度が高いが、マージン減少勾配方向分岐は、マージン増加コントロルよりもかなり頻繁に一致する。 そして、我々は、文書の持続性を好みと最終決定的な変化と区別するために、委員会を通じて、実現されたブランチを選定し続けます。 このコントリビューションは、特定のプロトコルにおけるローカルブランチの感受性の制御された監査であり、デプロイメント頻度、決定の正確性、マルチエージェントシステム特有の現象を見積もるものではない。

関連論文リスト

• SAFETYEDIT: Sparse Internal Targets with Prompt-Wide Control for LLM Jailbreak Backdoors [23.736424923454763]
  モデル編集バックドアは、トリガーの下で有害な応答を誘導し、未使用の入力に対する通常の動作を保存することを目的としている。 最近のモデル編集アプローチは、モデル重みの小さなサブセットへのランクワン更新を通じて、肯定的な応答プレフィックスをターゲットにしている。 本研究では,単一拒絶関連座標を最適化し,初期注意層におけるKV-cacheマーキングを用いてプレフィックストリガー信号の伝搬を行うSAFETYEDITを提案する。
  論文  参考訳（メタデータ） (2026-10-15T20:57:15Z)
• Controlled Decoding Attacks on Black-Box LLMs [68.46062477706256]
  Methodは、繰り返しサンプリングとアシスタント-継続を可能にする、テキストのみの継続インターフェイスを通じてジェイルブレイクを行うためのフレームワークである。 Risk-Gated Residual Controlは、進化する応答プレフィックスを使用して、配布の再構築と修正をいつ行うかを決定する。 Speculative Multi-Token Executionは、介入を必要としないドラフトプレフィックスの検証と受け入れによって、さらにターゲットコールを償却する。
  論文  参考訳（メタデータ） (2026-09-29T07:58:49Z)
• GLIDE: Generalized Layer-wise Intrinsic Distributional Evaluation for Heterogeneous LLM Agents [11.225427879489155]
  LLMエージェントは、候補分岐を比較し、計算を効果的に割り当てるために、信頼性の高いステップレベルの評価を必要とする。 LLMエージェントに対するtextbf Generalized textbfLayer-wise textbfIntrinsic textbfDistributional textbfEvaluation (textbfGLIDE)を提案する。
  論文  参考訳（メタデータ） (2026-09-26T06:37:41Z)
• MeshHeal: Two-Timescale Self-Healing for Gray Failures in Decentralized LLM Agent Networks [60.95806999869478]
  MeshHealは、完全に分散化された自己修復フレームワークである。 能力にマッチしたピアレビューを2つのタイムスケールに分けている。 1タスクあたり51kのトータルモデルトークンを使用して0.839の劣化位相精度を達成し、最強のベースラインでは1タスクあたり115kの0.807の精度を達成した。
  論文  参考訳（メタデータ） (2026-09-24T04:29:37Z)
• RRSI: Regularized Recursive Self-Improvement of Agent Harnesses [76.77275934611428]
  正規化再帰的自己改善型エージェント・ハーネス(RRSI) 本稿では、正規化の原則を取り入れたRRSIを紹介し、進化候補の提案と選択を制約することで自己改善を活用する。 RRSIは5つのアウト・オブ・ディストリビューション・ベンチマークで14.1ポイント、最大4.7ポイントを獲得し、非正規化進化よりも30%少ないポリシートークンで動作するハーネスを生産している。
  論文  参考訳（メタデータ） (2026-09-21T17:54:49Z)
• A Decision-Support Audit Protocol for Supervision Drift in Proxy-Labeled Credit-Risk Prediction [2.0804785116579425]
  クレジットリスクモデルはプロキシラベルに基づいてトレーニングされるが、基準レートシフト、確率スケールシフト、特徴ラベル関係の変更を分離する指標は存在しない。 我々は,プロキシラベル付きクレジットリスク予測における監視ドリフトのための,ロックされた多信号監査プロトコルであるデザインサイエンスアーティファクトにコントリビュートする。
  論文  参考訳（メタデータ） (2026-09-14T17:20:35Z)
• Contrastive Branch Policy Optimization [16.16893757028268]
  検証可能な報酬(RLVR)による強化学習は、言語モデルが外部ツールとのマルチターンインタラクションを学習することを可能にする。 既存の方法は、固定されたロールアウト予算を割り当て、分岐結果をトークンレベルのクレジットに変換する、という2つの異なる問題を分割する傾向があります。 本稿では,この2つの問題を解消し,それぞれに専用のメカニズムを割り当てる,コントラスト分岐政策最適化(CBPO)を紹介する。
  論文  参考訳（メタデータ） (2026-08-25T09:25:55Z)
• Lottery Tickets Are Not Deployment Tickets [4.230349220081444]
  我々は、下流決定論理を再構成することなく、精度に適合した宝くじ券または他のスパースチャレンジャーが、既存の高密度モデルを置き換えることができるかどうかを検討する。 実験全体を通して、スパース候補は繰り返し密度参照精度を回復するが、行動学的に異なるままである。 固定閾値ポリシー診断を備えた小さなギャップ設定では、宝くじの交換は受け入れレビュー決定の7%から10%に変化する。
  論文  参考訳（メタデータ） (2026-07-29T15:25:19Z)
• How Useful is Causal Invariance for Domain Adaptation in Finite-Sample Settings? [58.740078141879984]
  機械学習モデルは、トレーニングされたソースディストリビューションとは異なるターゲットディストリビューションにデプロイされると、しばしば劣化する。 因果関係に基づく領域一般化における最近の研究は、共用因果構造が不変な予測因子を誘導する方法を示している。 本稿では,完全あるいは部分的な因果知識が,教師付きドメイン適応を確実に改善できるかどうかについて検討する。
  論文  参考訳（メタデータ） (2026-06-10T21:07:49Z)
• Unsupervised Conformal Inference: Bootstrapping and Alignment to Control LLM Uncertainty [49.19257648205146]
  生成のための教師なし共形推論フレームワークを提案する。 我々のゲートは、分断されたUPPよりも厳密で安定した閾値を提供する。 その結果は、ラベルのない、API互換の、テスト時間フィルタリングのゲートになる。
  論文  参考訳（メタデータ） (2025-09-26T23:40:47Z)

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。