論文の概要: Decoupled Predictive Decision Making: A Shared Conditional Predictor for Agents

• arxiv url: http://arxiv.org/abs/2611.02075v1
• Date: Sun, 01 Nov 2026 17:27:21 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 20:11:26.823876
• Title: Decoupled Predictive Decision Making: A Shared Conditional Predictor for Agents
• Title（参考訳）: Decoupled Predictive Decision Making: A Shared Conditional Predictor for Agents
• Abstract要約: DPDMは、共有事前学習者による条件付き予測として不均一なエージェント決定を定式化する。 1つの凍結したLimiX-2予測器は5つのタスクカテゴリすべてを提供する。 Qwen3.5-27Bがセマンティックエンコーダとなり、DPDMは50ベンチマークの平均精度を78.80%から84.92%に引き上げた。
• 参考スコア（独自算出の注目度）: 23.52121147892733
• License:
• Abstract: Agent decisions depend on empirical relationships that deployment observations reveal and task descriptions alone may leave unresolved. We introduce Decoupled Predictive Decision Making (DPDM), an architecture that formulates heterogeneous agent decisions as conditional prediction with a shared pretrained learner. Language models provide semantic representations of current and historical records, while a general-purpose conditional predictor predicts task-defined targets from the represented evidence. Pretraining supplies reusable inference capability; deployment evidence instantiates problem-specific predictions without updating either model's neural parameters. Tool judgments, candidate preferences, and reasoning assessments share an evidence-and-query interface, with predictions mapped to choices by a decision rule. This architecture establishes complementary sources of agent capability: semantic knowledge acquired through language pretraining and empirical inference acquired through structured-data pretraining. A single frozen LimiX-2 predictor serves all five task categories. With Qwen3.5-27B as the semantic encoder, DPDM raises mean accuracy across 50 benchmarks from 78.80% with few-shot prompting to 84.92% under their respective evaluated history budgets, and reaches 82.33% with identical histories and queries. On ToolPRMBench's BFCL and ToolSandbox tasks, absolute accuracy gains are 34.26% and 28.87%, respectively, at the methods' respective evaluated history budgets. Accuracy improves as history grows. With identical imbalanced histories, mean balanced accuracy improves by an absolute 14.51% across five reasoning-step assessment tasks and four encoders. DPDM makes learning from experience an independently improvable foundation-model capability, creating a shared route for advances in conditional prediction to improve decisions across agent tasks.
• Abstract（参考訳）: エージェントの決定は、デプロイメントの観察が明らかにし、タスク記述だけでは未解決のままである、経験的な関係に依存します。 本稿では,不均一なエージェント決定を条件付き予測として定式化し,事前学習者による条件付き予測を行うアーキテクチャであるDecoupled Predictive Decision Making (DPDM)を紹介する。 言語モデルは、現在および歴史的記録のセマンティック表現を提供し、汎用条件予測器は、表現されたエビデンスからタスク定義されたターゲットを予測する。 デプロイエビデンスによって、どちらのモデルのニューラルパラメータも更新することなく、問題固有の予測がインスタンス化される。 ツール判断、候補選好、推論評価はエビデンスとクエリのインターフェースを共有し、決定ルールによって選択にマッピングされる。 このアーキテクチャは、言語事前学習によって得られた意味知識と構造化データ事前学習によって得られた経験的推論という、エージェント能力の相補的な情報源を確立する。 1つの凍結したLimiX-2予測器は5つのタスクカテゴリすべてを提供する。 Qwen3.5-27B をセマンティックエンコーダとし、DPDM は50ベンチマークの平均精度を78.80%から78.80%に引き上げ、ほとんどショットを起こさず、それぞれの評価履歴予算で84.92%まで上昇し、同じ履歴とクエリで82.33%に達する。 ToolPRMBench の BFCL と ToolSandbox のタスクでは、それぞれの評価履歴予算において、絶対精度は 34.26% と 28.87% である。 歴史が成長するにつれて正確性が向上する。 同一の不均衡履歴により、平均平衡精度は5つの推論ステップ評価タスクと4つのエンコーダで絶対14.51%向上する。 DPDMは、経験から学ぶことを、独立して即興の基盤モデル能力にし、条件付き予測における進歩のための共有ルートを作成し、エージェントタスク間の意思決定を改善する。

関連論文リスト

• Benchmarking Self-Supervised 3D Medical Vision Foundation Models and Transferability Estimation [57.65266782182578]
  セルフ教師付き事前トレーニングは、3D医療基盤モデルのプールを拡張したが、異なるデータセット、エンドポイント、微調整プロトコルを使用した評価を公表した。 14のセグメンテーション、分類、回帰タスク、複数の解剖学とモダリティにまたがる23の候補をベンチマークした。 3モデルショートリストは、7つのセグメンテーションタスクで記録された抜粋+訓練ジョブ時間を85.8%削減した。
  論文  参考訳（メタデータ） (2026-10-13T01:52:19Z)
• CivWorldBench: Evaluating Language World Models in Structured Multi-Agent Sandbox Worlds [54.553784788457484]
  マルチエージェント戦略ゲームエンジン上に構築されたベンチマークであるCivWorldBenchを紹介する。 475の世界の1,900の意思決定ポイントは、関連予測、信念推論、介入予測という3つのタスクレベルをサポートする。 複合ベンチマークスコアは、一致したモデルパネル上の現実の予測リーダーボードと相関する。
  論文  参考訳（メタデータ） (2026-10-12T09:16:29Z)
• AD-WM: Action-Discriminative World Models for Counterfactual Model Predictive Control [31.53438833300694]
  対実的MPCのための行動識別型共同埋め込み世界モデルであるAD-WMを紹介する。 一致したLeWMベースラインに対して,AD-WMはハードスタート成功率を3.7%から52.0%に改善することを示した。 また,実際の予測誤差と銀行全体の行動ランクが閉ループ成功順序に従わないことを示す。
  論文  参考訳（メタデータ） (2026-09-24T17:59:41Z)
• ClawArena: Benchmarking AI Agents in Evolving Information Environments [61.664633997138004]
  ClawArenaは、進化する情報環境におけるAIエージェントの評価のためのベンチマークである。 それぞれのシナリオは、エージェントをノイズ、部分的、時には矛盾するトレースだけに露呈しながら、完全に隠された地上の真実を維持します。 評価は、マルチソースコンフリクト推論、動的信念修正、暗黙のパーソナライゼーションという3つの複合的な課題に基づいて構成される。
  論文  参考訳（メタデータ） (2026-04-05T17:55:23Z)
• d-TreeRPO: Towards More Reliable Policy Optimization for Diffusion Language Models [45.27333046908981]
  emphd-TreeRPOは、dLLMのための信頼できる強化学習フレームワークである。 我々は,emphd-TreeRPOが複数の推論ベンチマークで大きく向上していることを示す。
  論文  参考訳（メタデータ） (2025-12-10T14:20:07Z)
• Beyond Scaling: Measuring and Predicting the Upper Bound of Knowledge Retention in Language Model Pre-Training [68.94373533768501]
  我々は、知識保持をモデル化し、そのコーパスから事実情報を記憶するための事前学習言語モデルの能力を示し、学習前にそれを推定する原則的手法を導入する。 本稿では,知識周波数,知識特異度,モデルサイズを統合し,クローズドブック質問応答(QA)の精度を予測する情報理論予測器である,サイズ依存型相互情報(SMI)を提案する。
  論文  参考訳（メタデータ） (2025-02-06T13:23:53Z)
• Pre-training and Diagnosing Knowledge Base Completion Models [58.07183284468881]
  我々は,事実の集合から他の集合への知識伝達へのアプローチを,エンティティや関係マッチングを必要とせずに導入し,分析する。 主な貢献は、構造化されていないテキストから収集された事実の大規模事前学習を利用する方法である。 得られた事前学習モデルをよりよく理解するために,オープン知識ベースコンプリートのための事前学習モデルの解析のための新しいデータセットを導入する。
  論文  参考訳（メタデータ） (2024-01-27T15:20:43Z)
• ASPEST: Bridging the Gap Between Active Learning and Selective Prediction [56.001808843574395]
  選択予測は、不確実な場合の予測を棄却する信頼性のあるモデルを学ぶことを目的としている。 アクティブラーニングは、最も有意義な例を問うことで、ラベリングの全体、すなわち人間の依存度を下げることを目的としている。 本研究では,移動対象領域からより情報のあるサンプルを検索することを目的とした,新たな学習パラダイムである能動的選択予測を導入する。
  論文  参考訳（メタデータ） (2023-04-07T23:51:07Z)
• COM2SENSE: A Commonsense Reasoning Benchmark with Complementary Sentences [21.11065466376105]
  常識推論は人間にとって直感的であるが、人工知能(AI)の長期的な課題である。 事前訓練された言語モデルの最近の進歩は、いくつかのCommonsenseベンチマークデータセットで有望な結果を示している。 本稿では,自然言語真偽文からなる新しいコモンセンス推論ベンチマークデータセットを提案する。
  論文  参考訳（メタデータ） (2021-06-02T06:31:55Z)

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。