論文の概要: MicroMouse: Masking Harmful Supervision in Long CoT via Relative Potential

• arxiv url: http://arxiv.org/abs/2611.02710v1
• Date: Mon, 02 Nov 2026 08:03:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-04 23:36:30.578096
• Title: MicroMouse: Masking Harmful Supervision in Long CoT via Relative Potential
• Title（参考訳）: MicroMouse: 相対的ポテンシャルによるCoTのマスキングの有害なスーパービジョン
• Abstract要約: 長いCoTでも有害な監視が可能である可能性がある。 マイクロモーズ迷路解法にインスパイアされた我々は、長いCoTを入力問題からターゲット応答への探索軌跡とみなす。 有害なCoTをマスキングするための自動選択SFTフレームワークであるMicroMouseを提案する。
• 参考スコア（独自算出の注目度）: 26.72219616159948
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Even successful long CoTs may contain harmful supervision, motivating the need for methods that can automatically identify and mask such signals during SFT. Inspired by the MicroMouse maze-solving process, we view a long CoT as a search trajectory from the input problem toward the target answer. This perspective motivates maintaining a goal-relative measure, analogous to a MicroMouse's spatial coordinates, to quantify how close the current reasoning state is to the target answer. Building on this perspective, we propose MicroMouse, an automated selective-SFT framework for masking harmful supervision in long CoTs. In MicroMouse we introduce a Relative Potential (REP) to measure how closely each reasoning state supports the gold answer. Unlike the perplexity of the gold answer alone, REP measures relative support by contrasting the gold answer with a matched foil. This contrast cancels likelihood variations shared by the pair, yielding a more stable signal of progress toward the target answer. By tracking the REP trajectory, MicroMouse identifies consecutive potential decreases as erroneous exploration and post-peak reasoning as redundant wandering, and masks these harmful supervision during SFT. Extensive experiments across multiple student model scales and reasoning benchmarks show that MicroMouse consistently outperforms Full-CoT SFT and existing selective-SFT baselines, yielding average relative gains of 5.5% in greedy accuracy and 2.6% in Pass@1 relative to Full-CoT SFT. Meanwhile, MicroMouse improves reasoning efficiency by reducing average output length by 8.8%, while identifying harmful supervision in only 1.7 seconds per long CoT on average.
• Abstract（参考訳）: 長いCoTが成功しても有害な監視を伴い、SFT中にそのような信号を自動的に識別し、隠蔽する手法の必要性を動機付けている。 マイクロモーズ迷路解法にインスパイアされた我々は、長いCoTを入力問題からターゲット応答への探索軌跡とみなす。 この観点は、MicroMouseの空間座標に類似した目標相対測度を維持し、現在の推論状態がターゲットの答えにどの程度近いかを定量化する。 この観点から、長いCoTにおいて有害な監視を隠蔽する自動選択SFTフレームワークであるMicroMouseを提案する。 MicroMouseでは、各推論状態が金の答えをどれだけ密にサポートするかを測定するための相対ポテンシャル(REP)を導入します。 金の答え単独の難易度とは異なり、REPは金の答えと一致するホイルとの対比によって相対的な支持を測定する。 このコントラストは、ペアが共有する確率変動をキャンセルし、より安定な進行信号がターゲットの応答に向かって得られる。 REP軌道を追跡することで、MicroMouseは連続するポテンシャルの減少を誤った探索とポストピーク推論を冗長な移動と認識し、これらの有害な監視をSFT中に隠蔽する。 複数の学生モデルスケールと推論ベンチマークにわたる大規模な実験により、MicroMouseはFull-CoT SFTと既存の選択SFTベースラインを一貫して上回り、Greedy精度が5.5%、Pass@1が2.6%向上した。 一方、MicroMouseは平均出力長を8.8%削減し、平均CoTの1.7秒で有害な監視を識別することで推論効率を向上させる。

関連論文リスト

• ReDiS: Reasoning-Diagnosis Self-Evolution for Multimodal Reasoning in Remote Sensing [53.65780048695954]
  我々は、推論探索と候補評価を分離するフレームワークである textbfReasoning-Diagnosis-Self-Evolution (ReDiS) を導入する。 多様な視覚的証拠を探索するtextbfReasoner と、完全な候補セットを共同で評価する textbfDiagnoser である。 LHRS-Bench, MME-RS, CHOICEの実験では、Qwen3.5バックボーンを0.8B, 2B, 4Bスケールで一貫した改善が見られた。
  論文  参考訳（メタデータ） (2026-10-13T13:38:02Z)
• Reachability-Guided Sequential Quadratic Programming-Guarded Model Predictive Path Integral for Safe Nonlinear Predictive Control [50.362993341412455]
  本稿では,長距離性能最適化とハードおよびインプット制約を組み合わせた安全ロボット制御手法を提案する。 リーチビリティ・インフォームド・ジェネレーション・リファインメントReSQ-MPPIは、リーチビリティ・インフォームド・ジェネレーション・リファインメントアーキテクチャである。
  論文  参考訳（メタデータ） (2026-10-03T09:51:55Z)
• GaitVista: Reliability-Aware AI Measurement toward Accessible Longitudinal Gait Assessment [2.5361601273217973]
  textscGaitVistaは、カメラカバレッジ、局所的な視覚的品質、モーダル間の不一致、ルートモーション連続性を使用して、共同およびフレーム固有の視覚的コントリビューションを割り当てる。 textscGaitVista は、textbf27.7% と textbf27.8% で、平均的なフルボディエラーとローボディエラーを減らす。
  論文  参考訳（メタデータ） (2026-09-18T22:11:02Z)
• LimiX-2M: Mitigating Low-Rank Collapse and Attention Bottlenecks in Tabular Foundation Models [56.999481798138625]
  LimiX-2Mは2Mパラメータモデルであり、広く使われているベンチマークでTabPFN-v2とTabICLのベースラインを上回っている。 本稿では,強力なタブラル基礎モデル(TFM)のための統一トークン化・ルートフレームワークを提案する。 その結果、TFMにおける精度-効率トレードオフを改善するキーレバーとして、バリューアウェアトークン化とリードアウト整列ルーティングが強調された。
  論文  参考訳（メタデータ） (2026-06-03T06:07:33Z)
• MAny: Merge Anything for Multimodal Continual Instruction Tuning [52.50936513604062]
  textbfMAny(textbfMAny)は、textbfCross-modal textbfProjection textbfMergingを通じてタスク固有の知識を統合するフレームワークである。 textbfLow-rank textbfParameter textbfMerging (textbfLPM)
  論文  参考訳（メタデータ） (2026-04-15T15:57:23Z)
• Residual RL--MPC for Robust Microrobotic Cell Pushing Under Time-Varying Flow [0.6053202932413693]
  微小流体流中における接触豊富なマイクロマニピュレーションは、小さな乱れが接触を壊し、大きな横方向のドリフトを引き起こすため、困難である。 時間変化したポアゼイユ流下でのウェイポイントサンプリングされた基準曲線を追尾する磁気マイクロロボットによる平面セルの押圧について検討した。 SACが学習した残留ポリシーで名目MPCを増強するハイブリッドコントローラを提案する。
  論文  参考訳（メタデータ） (2026-03-05T18:20:07Z)
• MicroPush: A Simulator and Benchmark for Contact-Rich Cell Pushing and Assembly with a Magnetic Rolling Microrobot [0.6053202932413693]
  乱雑な2Dシーンにおける磁気圧延マイクロロボットのための,オープンソースのシミュレータおよびベンチマークスイートであるMicroPushについて紹介する。 MicroPushは、過大な相互作用モデルとコンタクト対応スティックスリップ効果、軽量な近接場減衰、オプションのPoiseuilleバックグラウンドフロー、アクティベーション周波数から自由空間圧延速度へのキャリブレーションマッピングを組み合わせたものだ。
  論文  参考訳（メタデータ） (2026-02-27T02:16:26Z)
• When Fusion Helps and When It Breaks: View-Aligned Robustness in Same-Source Financial Imaging [4.857561672498819]
  金融画像表現を用いた次世代の方向予測のための,同ソース多視点学習と対向ロバスト性について検討する。 我々は,OHLCVレンダリング価格/ボリュームチャートと技術指標行列の2つのウィンドウアラインビューを構築した。 FGSMとPGDを用いたL-infinity摂動実験を,一方の視点を摂動する視野拘束型攻撃と、両方を摂動する関節攻撃の2つの脅威シナリオで評価した。
  論文  参考訳（メタデータ） (2026-02-11T16:45:23Z)
• Uncertainty-aware Unsupervised Multi-Object Tracking [33.53331700312752]
  教師なしマルチオブジェクトトラッカーは、信頼できる機能埋め込みの学習に劣る。 最近の自己監督技術は採用されているが、時間的関係を捉えられなかった。 本稿では、不確実性問題は避けられないが、不確実性自体を活用して学習された一貫性を向上させることができると論じる。
  論文  参考訳（メタデータ） (2023-07-28T09:03:06Z)
• Real-Time Anomaly Detection in Edge Streams [49.26098240310257]
  マイクロクラスタ異常の検出に焦点を当てたMIDASを提案する。 さらに、アルゴリズムの内部状態に異常が組み込まれている問題を解くために、MIDAS-Fを提案する。 実験の結果,MIDAS-Fの精度はMIDASよりも有意に高かった。
  論文  参考訳（メタデータ） (2020-09-17T17:59:27Z)

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。