論文の概要: DECODE: Decomposable Environments for COntrolled Sequential-Decision Evaluation
- arxiv url: http://arxiv.org/abs/2611.18367v1
- Date: Fri, 13 Nov 2026 16:14:31 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-11-16 19:22:12.810493
- Title: DECODE: Decomposable Environments for COntrolled Sequential-Decision Evaluation
- Title(参考訳): DECODE:列列決定評価のための分解可能な環境
- Abstract要約: DECODEは、計画と利用可能な情報に関する制御された実験を通じて、このような修正をテストするためのベンチマークである。
実験は選択したインプットや計画ルールを変更し、残りのソルバを固定する。
これらの制限の中で、DECODEはソルバ性能に関する仮説を検証可能である。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: When a sequential decision system falls short of an optimum, its score does not reveal which modifications would improve its decisions. DECODE is a benchmark for testing such modifications through controlled experiments on planning and available information. Its consumer-credit collections generator provides five partially observed environments that share known dynamics matrices and vary a memory parameter and process noise. The experiments change selected inputs or planning rules while keeping the rest of the solver fixed. Each comparison specifies the solver's state inputs, response inputs and planning horizon. On the deterministic base environment, which was selected for a large gap between six-month and one-month planning with the hidden state, extending planning from one to six months increases the scores of two gradient-boosted solvers by 15 to 17 percentage points of the exact optimum, computed with the hidden state and borrower traits. Even at this horizon, the best graded solver, whose repayment response is fitted on logs, remains 15.6 points below that optimum. In a specified intervention sequence, three changes to its state inputs and their evaluation during search lower its score by 6.3 points, and replacing its fitted repayment model with the true response, evaluated with hidden borrower traits, then raises it by 15.6, a net recovery of nine of those points. Because the intermediate effects are conditional on the repayment model and the order of the changes, they do not uniquely assign the gap to separate causes. Within these limits, DECODE makes hypotheses about solver performance testable through specified interventions under known dynamics and explicit information conditions.
- Abstract(参考訳): 逐次決定システムが最適値に届かない場合、そのスコアはどの修正が判断を改善するかを明らかにしない。
DECODEは、計画と利用可能な情報に関する制御された実験を通じて、このような修正をテストするためのベンチマークである。
消費者向けのコレクションジェネレータは、既知の動的行列を共有し、メモリパラメータとプロセスノイズを変化させる5つの部分的に観察された環境を提供する。
実験では、選択された入力や計画ルールを変更し、残りの解法を固定する。
各比較は、解決者の状態入力、応答入力、計画地平線を指定する。
隠蔽状態と6ヶ月から1ヶ月の間に大きく分けて選択された決定論的基盤環境において,1~6ヶ月の計画により,最適値の15~17ポイントの勾配型ソルバのスコアを,隠蔽状態と借主特性で算出した。
この地平線でも、返済応答が丸太に収まる最高のグレードの解法は、最適値より15.6ポイント低いままである。
特定の介入シーケンスにおいて、その状態入力と検索中の評価の3つの変更は、スコアを6.3ポイント下げ、その適合した返済モデルを真の応答に置き換え、隠れた借主特性で評価し、その中の9ポイントの純回復である15.6に引き上げる。
中間効果は返済モデルと変更の順序に条件づけられているため、別々の原因にギャップを個別に割り当てるわけではない。
これらの制限の中で、DECODEは既知の力学や明示的な情報条件下での特定の介入を通じて、解法性能に関する仮説を検証可能である。
関連論文リスト
- Bayesian Test-Time Inference of Task-Aligned Similarity from Weak Interactive Feedback [50.42640957891911]
言語モデルシステムは、類似性を比較することで、繰り返しテスト時の決定を行う。
しかし、類似性はユニークではない:語彙、意味、構造、類似性はNの選択点を取得することができる。
本稿では,現在の意思決定を統括するトレーニングフリーベイズ手法であるAxis Interactive Signalsを紹介する。
論文 参考訳(メタデータ) (2026-10-13T16:19:49Z) - When Inputs Receive No Score: Evaluating Open-Web Event Admission on the Complete Stream [5.189969734952478]
項目レベルの受入がランキング比較と運用上の決定の制約をどう変えるかを検討する。
6つのインストラクションモデルバックボーン、3つの戦略、602人のアノテート評価項目にまたがって、システムは異なるクラス構成で異なる集団をスコア付けする。
キャリブレーションの実現可能性を確認し,上流でのスコア損失と意思決定損失を分離する完全ストリーム評価プロトコルを用いて,これらの観測を接続する。
論文 参考訳(メタデータ) (2026-10-13T06:39:50Z) - What to Admit and How to Present: Governing Persistent Memory in LLM Agents [3.0075075797261532]
私たちは、承認とプレゼンテーションの2つのガバナンス決定を区別します。
再トレーニングなしに2つの推論時設計を実装した。
対訳 FC と PS はプールド・ジャッジ・アセスド・失敗率を低下させる。
論文 参考訳(メタデータ) (2026-10-08T03:45:28Z) - Recommendation World Models for Future-State Control [53.191633845200876]
我々は、訓練されたランク付け者が将来の結果についての意思決定を支援する方法について研究する。
UA-TWM(UA-TWM)は,近傍のスレート動作を構成するユーティリティアンコールなワールドモデルインタフェースである。
本研究は,MovieLens-25MとKuaiRand-Pureにおける12の逐次バックボーン間の移動と,KuaiSimにおけるターゲット指向インタラクションの繰り返しを評価する。
論文 参考訳(メタデータ) (2026-09-25T02:37:48Z) - GradCuit: Credit-Assigned Gradient Flow Enables Robust and Interpretable Test-Time Latent Reasoning [61.67411833252235]
本稿では,プロンプトの隠蔽表現と生成された継続の間に,選択したTransformer層に最適化可能な潜在状態を挿入するGradCuitを紹介する。
5つの命令調整されたバックボーン、3つの推論ベンチマーク、2つの回答フォーマットで、GradCuitの平均精度は64.5%である。
解釈可能性について、トークンレベルの勾配属性は、遅延の影響が推論・接続子トークンに集中していることを明らかにする一方、層解析は、初期から中間のトランスフォーマー層を最も効果的な最適化空間として認識する。
論文 参考訳(メタデータ) (2026-08-03T17:55:24Z) - A Principled Approach to Randomized Selection under Uncertainty: Applications to Peer Review and Grant Funding [61.86327960322782]
本稿では,各項目の品質の間隔推定に基づくランダム化意思決定の枠組みを提案する。
最適化に基づく最適化手法であるMERITを導入する。
MERITが既存のアプローチで保証されていない望ましい公理特性を満たすことを証明している。
論文 参考訳(メタデータ) (2025-06-23T19:59:30Z)
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。