論文の概要: Silent Reward and Environment Defects in EV Charging Simulation Benchmarks: A Diagnostic Checklist

• arxiv url: http://arxiv.org/abs/2611.01769v1
• Date: Sun, 01 Nov 2026 10:18:49 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 19:13:32.449682
• Title: Silent Reward and Environment Defects in EV Charging Simulation Benchmarks: A Diagnostic Checklist
• Title（参考訳）: EV充電シミュレーションベンチマークにおける静注リワードと環境欠陥:診断チェックリスト
• Abstract要約: 強化学習ベンチマークは、電気自動車(EV)の充電代行のためのエージェントアーキテクチャを比較するために、ますます使われている。 我々は,OpenStreetMap上で5エージェントのベンチマークを監査した結果,このような5つの欠陥を報告した。 エージェント/シティー間で最大125倍まで膨らませた拒絶カウンタ、意図したスケールの約10-4$の報酬項、および国家エンコードミスマッチからの16.3%のグレディ・アクションのばらつきを定量化する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Reinforcement-learning (RL) benchmarks built on microscopic traffic simulators such as SUMO are increasingly used to compare agent architectures for electric vehicle (EV) charging assignment. Unlike crashes, defects in the reward function, the environment's stochastic model, or the state encoding often fail silently: the simulation completes, produces plausible numbers, and the comparison is biased. We report five such defects, found by auditing a five-agent benchmark on OpenStreetMap road networks, stated generically: a shared random generator that desynchronises seed-paired comparisons, an ablation-specific reward clip applied unconditionally, a normalisation mismatch that zeroes a reward term, a per-timestep penalty that should fire once per event, and a state dimensionality documented but never wired into the network. We quantify three: a rejection counter inflated up to 125x across agents/cities, a reward term bounded at about $10^{-4}$ of its intended scale, and a 16.6%/16.3% greedy-action divergence from a state-encoding mismatch. Re-analysing a historical ablation, no A1-A2 effect survives family-wise correction; a 56-run campaign confirms the RNG defect's mechanism directly while showing its correction does not change that conclusion. We provide an eight-item checklist as a low-cost first-pass audit; in a later regeneration, three checks caught two new defects while three further process/artefact defects fell outside its boundary.
• Abstract（参考訳）: SUMOのような微視的交通シミュレータ上に構築された強化学習(Reinforcement-learning, RL)ベンチマークは、電気自動車(EV)充電のエージェントアーキテクチャの比較にますます利用されている。 クラッシュとは異なり、報酬関数の欠陥、環境の確率モデル、あるいは状態エンコーディングはしばしば静かに失敗する。 我々は,OpenStreetMapロードネットワーク上で5エージェントのベンチマークを監査した結果,一般に,シードペア比較を非同期化する共有ランダムジェネレータ,無条件に適用するアブレーション特異的報酬クリップ,報酬項をゼロにする正規化ミスマッチ,イベント毎に1回発火すべきタイムステップペナルティ,そして,ネットワークに記録されていない状態次元を含む5つの欠陥を報告した。 エージェント/シティー間で125倍まで膨らませた拒絶カウンタ、意図したスケールの約10^{-4}$の報酬項、16.6%/16.3%のグリーディ・アクションのミスマッチである。 歴史的アブレーションを再解析すると、A1-A2効果は家族的な修正に留まらず、56回のキャンペーンではRNG欠陥のメカニズムを直接確認し、その修正は結論を変えない。 低コストのファーストパス監査として8項目のチェックリストを提供し、後の再生では3つのチェックが2つの新しい欠陥をキャッチし、さらに3つのプロセス/アーティファクトの欠陥が境界外に落ちました。

関連論文リスト

• When Does Test-Time Search Help World Action Models? An Empirical Audit of Candidate Selection and Simulator Integrity [43.246302566518644]
  コスモス政策とロボカサの試験時間スケーリングを前提優先の事前登録手法で監査する。 クリーンデータでは、学習した値セレクタはランダムよりも1.66 pp、後光オラクルはわずか1.40 pp、エピソードレベルの間隔は0である。 我々は、公式の直接政治結果に影響を与えないまま、計算量の多い計画経路に沿って急上昇する静かなレンダリングの汚職を特定し、修正する。
  論文  参考訳（メタデータ） (2026-10-30T16:21:07Z)
• CARE: Experience-Guided Atomic Corrective Execution for Vision-Language-Action Policies [52.32735203969873]
  VLA(Vision-Language-Action)ポリシーは、ロボット操作において強力なパフォーマンスを達成するが、実行が名目上の軌道から逸脱した後も不安定なままである。 本稿では,実行時に発生する障害から学習することで回復を改善するフレームワークであるCARE(Corrective Atomic Robotic Execution)を提案する。
  論文  参考訳（メタデータ） (2026-09-21T05:14:34Z)
• Neutrosophic Ensemble Classification for Uncertainty-Aware Bearing Fault Detection: Evidence from Laboratory and Variable-Speed Industrial Benchmarks [0.0]
  我々は、ランダムフォレスト+XGBoost+ロジスティック回帰アンサンブルの洗練されたニュートロゾフィック分解を4つの指標に操作する。 I1-hatはT-hat/F-hat以上のエラーと堅牢な相関を示すが、I2-hatはほとんど寄与しない。 CWRUだけでは、文学的に検証された断層周波数は、封筒スペクトルを介して正しく復調され、ほとんどの断層クラスはほぼ完全に分離された。
  論文  参考訳（メタデータ） (2026-09-18T18:24:20Z)
• NS3Learn: Transferring 5G NR Mode-2 Reception Realism from ns-3 to the Veins/SUMO Stack for Connected-Vehicle Safety Assessment [3.5498205810713035]
  本研究は、完全なプロトコル再構成を必要とせずに、リソース競合損失を導入する。 ns-3 5G-LENAによる1050万の結果をNS3Learnに適合させた。 現実的な通信モデルを使用することで、シミュレートされたトラフィック速度トレンドと、予測された2倍以上のハードブレーキイベントが逆転した。
  論文  参考訳（メタデータ） (2026-09-17T15:35:42Z)
• Architecture-Dependent Causal Transfer of Activation States Across Large Language Models [51.56484100374058]
  内部言語アクティベーション状態は、異なる大きな言語モデル間で因果的に転送することができる。 生成中に投影された活性化をターゲットモデルに注入すると、統計的に有意で事前登録された因果効果が生じる。 現在実装されているLCM間のエンド・ツー・エンドのアクティベーション・ステート・トランスファーは、ユニバーサルではなくアーキテクチャに依存していると結論付けている。
  論文  参考訳（メタデータ） (2026-08-17T09:53:27Z)
• Detecting a Route Flip Is Easier Than Knowing Whether to Fix It: Causal Route-Mediated Damage in Quantized Mixture-of-Experts [0.0]
  本稿では, 因果装置, 経験的発見, 検出限界結果を提供する。 4ランの装置は、量子化損傷の経路経由率(RMF)を値付けする。 実際の int4 KV カーネルは、偽量子線量曲線と互換性のある分数を生成する。
  論文  参考訳（メタデータ） (2026-07-14T01:12:04Z)
• Reward Granularity in RLVR: Comparing Process and Outcome Reward Structures for Mathematical Reasoning in Small Language Models [0.0]
  Reinforcement Learning with Verifiable Rewards (RLVR) は、言語モデルにおける数学的推論を改善するための有望なパラダイムとして登場した。 我々は,GSM8K上でQwen2.5-0.5B微調整を施した5つの報酬条件をGRPO(Group Relative Policy Optimization)と体系的に比較した。 以上の結果から,RLVRにおける報酬導出は1次設計決定であり,プロセスレベルの監督は小言語モデルにおける精度とトレース忠実性の両方を大幅に改善することを示した。
  論文  参考訳（メタデータ） (2026-07-03T02:16:06Z)
• ACAR: Adaptive Complexity Routing for Multi-Model Ensembles with Auditable Decision Traces [3.151184728006369]
  本稿では,聴覚条件下でのマルチモデルオーケストレーションのための測定フレームワークACARを提案する。 ACARは、N=3プローブサンプルから計算した自己整合分散(sigma)を使用して、単一モデル、2モデル、3モデル実行モードでタスクをルーティングする。 我々は4つのベンチマークにまたがる1,510のタスクに対してACARを評価し、7,550以上の監査可能な実行を生成した。
  論文  参考訳（メタデータ） (2026-02-06T23:27:17Z)
• CARE What Fails: Contrastive Anchored-REflection for Verifiable Multimodal [84.71254539482369]
  検証可能な報酬を伴うグループ相対的強化学習(RLVR)は、しばしば、すでに失敗している最も情報に富むデータを浪費する。 エラーを監督するマルチモーダル推論のための,障害中心のポストトレーニングフレームワークであるCAREを提案する。 CAREは正確さを改善し、スムーズさをトレーニングすると同時に、障害からの学習信号のシェアを明示的に増やします。
  論文  参考訳（メタデータ） (2025-12-22T16:34:21Z)
• Pseudo-Simulation for Autonomous Driving [66.1981253104508]
  既存の自動運転車(AV)の評価パラダイムは、重大な制限に直面している。 現実世界の評価は、安全上の懸念と現実主義の欠如のためにしばしば困難である。 オープンループ評価は、一般的に複合的なエラーを見落としているメトリクスに依存する。
  論文  参考訳（メタデータ） (2025-06-04T17:57:53Z)

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。