論文の概要: Toward a Theory of Agents as Tool-Use Decision-Makers

• arxiv url: http://arxiv.org/abs/2506.00886v1
• Date: Sun, 01 Jun 2025 07:52:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-04 21:47:33.718664
• Title: Toward a Theory of Agents as Tool-Use Decision-Makers
• Title（参考訳）: ツール・Use Decision-Makerとしてのエージェントの理論に向けて
• Authors: Hongru Wang, Cheng Qian, Manling Li, Jiahao Qiu, Boyang Xue, Mengdi Wang, Heng Ji, Kam-Fai Wong,
• Abstract要約: 真の自律性は、エージェントが、彼らが知っていること、必要なこと、そしてその知識を効率的に獲得する方法を統治する、一貫性のある疫学の枠組みに根ざす必要がある、と我々は主張する。 本研究では,内的推論と外的行動を等価な疫学ツールとして扱う統一理論を提案し,エージェントが内観と相互作用を体系的に調整することを可能にする。 この視点は、エージェントの設計を単なるアクションエグゼクタから知識駆動インテリジェンスシステムにシフトさせ、適応的で効率的でゴール指向の行動が可能な基礎エージェントを構築するための原則化された道筋を提供する。
• 参考スコア（独自算出の注目度）: 89.26889709510242
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: As Large Language Models (LLMs) evolve into increasingly autonomous agents, fundamental questions about their epistemic foundations remain unresolved: What defines an agent? How should it make decisions? And what objectives should guide its behavior? In this position paper, we argue that true autonomy requires agents to be grounded in a coherent epistemic framework that governs what they know, what they need to know, and how to acquire that knowledge efficiently. We propose a unified theory that treats internal reasoning and external actions as equivalent epistemic tools, enabling agents to systematically coordinate introspection and interaction. Building on this framework, we advocate for aligning an agent's tool use decision-making boundary with its knowledge boundary, thereby minimizing unnecessary tool use and maximizing epistemic efficiency. This perspective shifts the design of agents from mere action executors to knowledge-driven intelligence systems, offering a principled path toward building foundation agents capable of adaptive, efficient, and goal-directed behavior.
• Abstract（参考訳）: 大規模言語モデル(LLM)がますます自律的なエージェントへと進化するにつれて、その認識基盤に関する根本的な疑問は未解決のままである。 どうやって意思決定するべきか? そして、その振る舞いを導く目的は何か? このポジションペーパーでは、真に自律的なエージェントは、彼らが知っていること、必要なこと、そしてその知識を効率的に獲得する方法を統治する一貫性のある疫学の枠組みに根ざす必要があると論じている。 本研究では,内的推論と外的行動を等価な疫学ツールとして扱う統一理論を提案し,エージェントが内観と相互作用を体系的に調整することを可能にする。 この枠組みに基づいて,エージェントのツール使用判断境界と知識境界との整合性を提唱し,不要なツール使用を最小限に抑え,疫学の効率を最大化する。 この視点は、エージェントの設計を単なるアクションエグゼクタから知識駆動インテリジェンスシステムにシフトさせ、適応的で効率的でゴール指向の行動が可能な基礎エージェントを構築するための原則化された道筋を提供する。

関連論文リスト

• The Why Behind the Action: Unveiling Internal Drivers via Agentic Attribution [63.61358761489141]
  LLM(Large Language Model)ベースのエージェントは、カスタマーサービス、Webナビゲーション、ソフトウェアエンジニアリングといった現実世界のアプリケーションで広く使われている。 本稿では,タスク結果に関係なく,エージェントの動作を駆動する内部要因を識別する,テキスト汎用エージェント属性のための新しいフレームワークを提案する。 標準ツールの使用やメモリ誘起バイアスのような微妙な信頼性リスクなど、さまざまなエージェントシナリオでフレームワークを検証する。
  論文  参考訳（メタデータ） (2026-01-21T15:22:21Z)
• Agentic Reasoning for Large Language Models [122.81018455095999]
  推論は推論、問題解決、意思決定の基礎となる基本的な認知プロセスである。 大規模言語モデル(LLM)は、クローズドワールド設定では強力な推論能力を示すが、オープンエンドおよび動的環境では苦労する。 エージェント推論は、連続的な相互作用を計画し、行動し、学習する自律的なエージェントとしてLLMを解釈することでパラダイムシフトを示す。
  論文  参考訳（メタデータ） (2026-01-18T18:58:23Z)
• Towards Responsible and Explainable AI Agents with Consensus-Driven Reasoning [4.226647687395254]
  本稿では,多モデルコンセンサスと推論層ガバナンスに基づく実運用レベルのエージェントのためのResponsible(RAI)およびExplainable(XAI)AIエージェントアーキテクチャを提案する。 提案した設計では、異種LLMとVLMエージェントのコンソーシアムが独立して、共有入力コンテキストから候補出力を生成する。 専用の推論エージェントは、これらのアウトプットをまたいで構造化された統合を行い、安全と政策の制約を強制し、幻覚と偏見を緩和し、監査可能な証拠に基づく決定を生成する。
  論文  参考訳（メタデータ） (2025-12-25T14:49:25Z)
• Agent-centric learning: from external reward maximization to internal knowledge curation [0.0]
  我々は,真にエージェント中心の学習パラダイムに向けた新たな視点である表現力化を提案する。 この目的は、エージェントが自身の知識構造を制御的に維持し、多様化する能力を測定することである。
  論文  参考訳（メタデータ） (2025-07-29T22:09:35Z)
• Levels of Autonomy for AI Agents [9.324309359500198]
  エージェントの自律性のレベルは、その能力と運用環境とは別に、意図的な設計上の決定として扱うことができると論じる。 エージェントと対話する際の役割を特徴とし,エージェントの自律性を高める5つのレベルを定義した。 シングルエージェントおよびマルチエージェントシステムにおけるエージェントの動作を管理するために、AI自律性証明書に対する私たちのフレームワークの潜在的な応用を強調します。
  論文  参考訳（メタデータ） (2025-06-14T12:14:36Z)
• Agentic Knowledgeable Self-awareness [79.25908923383776]
  KnowSelfはデータ中心のアプローチで、人間のような知識のある自己認識を持つエージェントを応用する。 我々の実験により、KnowSelfは、外部知識を最小限に使用して、様々なタスクやモデルにおいて、様々な強力なベースラインを達成できることが実証された。
  論文  参考訳（メタデータ） (2025-04-04T16:03:38Z)
• Don't lie to your friends: Learning what you know from collaborative self-play [90.35507959579331]
  我々は、AIエージェントが知っていることを教えるために、根本的に新しいアプローチを提案する。 我々は,集団が正解に到達して報奨を受けるマルチエージェントコラボレーションを構築した。 望ましいメタ知識は、相互作用の構造に組み込まれたインセンティブから生まれる。
  論文  参考訳（メタデータ） (2025-03-18T17:53:20Z)
• Agency Is Frame-Dependent [94.91580596320331]
  エージェンシーは、目標に向かって成果を操縦するシステムの能力である。 私たちは、エージェンシーは基本的にフレーム依存であると主張している。 我々はあらゆる基礎科学がフレーム依存を必要とすると結論付けている。
  論文  参考訳（メタデータ） (2025-02-06T08:34:57Z)
• Pangu-Agent: A Fine-Tunable Generalist Agent with Structured Reasoning [50.47568731994238]
  人工知能(AI)エージェント作成の鍵となる方法は強化学習(RL)である 本稿では,構造化推論をAIエージェントのポリシーに統合し,学習するための一般的なフレームワークモデルを提案する。
  論文  参考訳（メタデータ） (2023-12-22T17:57:57Z)
• ToM2C: Target-oriented Multi-agent Communication and Cooperation with Theory of Mind [18.85252946546942]
  心の理論(Theory of Mind、ToM)は、効果的なコミュニケーションと協力が可能な社会的に知的なエージェントを構築する。 このアイデアは、協調ナビゲーションとマルチセンサーターゲットカバレッジという、2つの典型的な目標指向型マルチエージェントタスクで実証される。
  論文  参考訳（メタデータ） (2021-10-15T18:29:55Z)
• Automated Machine Learning, Bounded Rationality, and Rational Metareasoning [62.997667081978825]
  有界合理性の観点から、自動機械学習(AutoML)と関連する問題を考察する。 リソース境界の下でアクションを取るには、エージェントがこれらのリソースを最適な方法で利用する方法を反映する必要がある。
  論文  参考訳（メタデータ） (2021-09-10T09:10:20Z)
• Building Affordance Relations for Robotic Agents - A Review [7.50722199393581]
  Affordancesは、エージェントがオブジェクトでアクションを実行する可能性を記述する。 我々は,ロボット作業における余裕の概念を用いて,さまざまな戦略の共通基盤をレビューし,発見する。 AIエージェントの能力を向上させる可能性を秘めたアプライアンスを含むさまざまな興味深い研究方向を特定し、議論します。
  論文  参考訳（メタデータ） (2021-05-14T08:35:18Z)

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。