論文の概要: TAPS: Tool-Augmented Personalisation via Structured Tagging

• arxiv url: http://arxiv.org/abs/2506.20409v1
• Date: Wed, 25 Jun 2025 13:24:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-26 21:00:42.74983
• Title: TAPS: Tool-Augmented Personalisation via Structured Tagging
• Title（参考訳）: TAPS:構造化タグによるツール強化パーソナライゼーション
• Authors: Ekaterina Taktasheva, Jeff Dalton,
• Abstract要約: 本研究では,ユーザの好みをゴール指向対話エージェントに効果的に統合する方法について検討する。 我々は、構造化タグ付けツールと不確実性に基づくツール検出器を活用することにより、個人化ツールの使用を促進する新しいソリューションであるnameを紹介する。
• 参考スコア（独自算出の注目度）: 0.7007504690449126
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent advancements in tool-augmented large language models have enabled them to interact with external tools, enhancing their ability to perform complex user tasks. However, existing approaches overlook the role of personalisation in guiding tool use. This work investigates how user preferences can be effectively integrated into goal-oriented dialogue agents. Through extensive analysis, we identify key weaknesses in the ability of LLMs to personalise tool use. To this end, we introduce \name, a novel solution that enhances personalised tool use by leveraging a structured tagging tool and an uncertainty-based tool detector. TAPS significantly improves the ability of LLMs to incorporate user preferences, achieving the new state-of-the-art for open source models on the NLSI task.
• Abstract（参考訳）: ツール強化された大規模言語モデルの最近の進歩により、外部ツールとのインタラクションが可能になり、複雑なユーザタスクの実行能力が向上した。 しかし、既存のアプローチは、ツールの使用を導く上でのパーソナライズの役割を見落としている。 本研究では,ユーザの好みをゴール指向対話エージェントに効果的に統合する方法について検討する。 ツールの使用をパーソナライズするLLMの能力における重要な弱点を明らかにする。 この目的のために,構造化タグツールと不確実性に基づくツール検出装置を活用することにより,個人化ツールの使用を促進する新しいソリューションである \name を紹介する。 TAPSは、NLSIタスク上でのオープンソースモデルのための新しい最先端技術を実現することで、LLMのユーザの好みを取り入れる能力を大幅に改善する。

関連論文リスト

• ToolSpectrum : Towards Personalized Tool Utilization for Large Language Models [48.276461194773354]
  ToolSpectrumは、大規模言語モデルのパーソナライズされたツール利用能力を評価するために設計されたベンチマークである。 我々は、パーソナライズ、ユーザプロファイル、環境要因の2つの重要な側面を定式化し、ツール利用に対する個人的およびシナジスティックな影響を分析する。 ツール強化LDMにおけるコンテキスト認識のパーソナライズの必要性を浮き彫りにして,現行モデルに対する限界を明らかにした。
  論文  参考訳（メタデータ） (2025-05-19T14:30:46Z)
• Advancing and Benchmarking Personalized Tool Invocation for LLMs [66.39214525683425]
  パーソナライズされたツール呼び出しの概念を導入し、ツールの優先度とプロファイルに依存したクエリという2つの重要なタスクを定義します。 これらの課題に対処するために、パーソナライズされたツール呼び出し用に設計されたデータ合成フレームワークであるPToolを提案する。 パーソナライズされたツール呼び出しを評価するための最初のベンチマークである textbfPTBench を構築した。
  論文  参考訳（メタデータ） (2025-05-07T02:25:20Z)
• PEToolLLM: Towards Personalized Tool Learning in Large Language Models [21.800332388883465]
  我々は、パーソナライズされたツール利用に向けて、ユーザのインタラクション履歴を統合する、パーソナライズされたツール学習のタスクを定式化する。 PEToolBenchを構築し,3つの個別設定の下でインタラクション履歴に反映される多様なユーザの好みを特徴付ける。 LLMをパーソナライズしたツール学習タスクに適用するためのフレームワークPEToolLLaMAを提案する。
  論文  参考訳（メタデータ） (2025-02-26T09:43:08Z)
• Adaptive Tool Use in Large Language Models with Meta-Cognition Trigger [49.81945268343162]
  我々は,外部ツール利用のための適応型意思決定戦略であるMeCoを提案する。 MeCoは表現空間の高レベル認知信号をキャプチャし、ツールを呼び出すタイミングを指示する。 実験の結果,MeCoはLSMの内部認知信号を正確に検出し,ツール使用による意思決定を大幅に改善することがわかった。
  論文  参考訳（メタデータ） (2025-02-18T15:45:01Z)
• LLM With Tools: A Survey [0.0]
  本稿では,LCMに外部ツールの使用を教える領域における方法論,問題点,展開について述べる。 ユーザ命令を実行可能なプランにマッピングする一連の関数によってガイドされるツール統合のための標準化パラダイムを導入する。 調査の結果,ツール起動タイミング,選択精度,堅牢な推論プロセスの必要性など,さまざまな課題が明らかになった。
  論文  参考訳（メタデータ） (2024-09-24T14:08:11Z)
• MetaTool Benchmark for Large Language Models: Deciding Whether to Use Tools and Which to Use [79.87054552116443]
  大規模言語モデル(LLM)は、その印象的な自然言語処理(NLP)能力のために大きな注目を集めている。 このベンチマークは、LLMがツールの使用意識を持ち、ツールを正しく選択できるかどうかを評価するためのものだ。 8つの人気のあるLCMを巻き込んだ実験を行い、その大半は依然として効果的にツールを選択するのに苦労していることがわかった。
  論文  参考訳（メタデータ） (2023-10-04T19:39:26Z)

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。