Fugu-MT 論文翻訳(概要): ComplLLM: Fine-tuning LLMs to Discover Complementary Signals for Decision-making

論文の概要: ComplLLM: Fine-tuning LLMs to Discover Complementary Signals for Decision-making

arxiv url: http://arxiv.org/abs/2602.19458v1
Date: Mon, 23 Feb 2026 03:01:52 GMT
ステータス: 翻訳完了
システム内更新日: 2026-02-24 17:42:02.655966
Title: ComplLLM: Fine-tuning LLMs to Discover Complementary Signals for Decision-making
Title（参考訳）: ComplLLM: 決定のための補完信号を発見するための微調整LDM
Abstract要約: 多エージェント決定パイプラインは、相補性を保持する場合、つまり、異なるエージェントがテーブルにユニークな情報をもたらして最終的な決定を知らせる場合、単一のエージェントよりも優れる。我々は,既存のエージェント決定を補完する信号を出力する報奨として補完情報を用いて,意思決定支援LLMを微調整するポストトレーニングフレームワークであるComplLLMを提案する。
参考スコア（独自算出の注目度）: 27.796956868783337
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Multi-agent decision pipelines can outperform single agent workflows when complementarity holds, i.e., different agents bring unique information to the table to inform a final decision. We propose ComplLLM, a post-training framework based on decision theory that fine-tunes a decision-assistant LLM using complementary information as reward to output signals that complement existing agent decisions. We validate ComplLLM on synthetic and real-world tasks involving domain experts, demonstrating how the approach recovers known complementary information and produces plausible explanations of complementary signals to support downstream decision-makers.
Abstract（参考訳）: 多エージェント決定パイプラインは、相補性を保持する場合、すなわち、最終的な決定を伝えるために、異なるエージェントがテーブルにユニークな情報をもたらす場合、単一のエージェントワークフローより優れている。我々は,既存のエージェント決定を補完する出力信号に対する報酬として補足情報を用いた意思決定支援LLMを微調整する,意思決定理論に基づく後学習フレームワークComplLLMを提案する。我々は、ドメインの専門家による合成および実世界のタスクについてComplLLMを検証し、提案手法が既知の相補的情報をいかに回復するかを示し、下流の意思決定者を支援するための相補的信号のもっともらしい説明を生成する。

関連論文リスト

LLM Agents for Deliberative Collaboration: A Study on Joint Decision Making Under Partial Observability [13.113852265536318]
人間が協力して働くとき、彼らは自然にコミュニケーションを行い、情報を整合させ、合意に達する。本稿では,部分的に観察可能な共同意思決定タスクにおいて,LLM(Deliberative Large Language Model)エージェントについて検討する。
論文参考訳（メタデータ） (2026-07-07T11:34:10Z)
Enhancing Decision-Making with Large Language Models through Multi-Agent Fictitious Play [53.56274149236814]
Multi-Agent Fictitious Play (MAFP)は、ステークホルダーのスタンスをエージェントとして表現する新しいMASパラダイムである。 MAFPは各エージェントの判断を、他のエージェントの過去の決定の実証的な混合に応じて反復的に更新する。我々は、行動前に競合シナリオの戦略を決定する能力をテストする挑戦的な意思決定タスクにおいて、MAFPを評価する。
論文参考訳（メタデータ） (2026-06-17T17:31:06Z)
AffectAgent: Collaborative Multi-Agent Reasoning for Retrieval-Augmented Multimodal Emotion Recognition [62.16431420189863]
LLMに基づくマルチモーダル感情認識は静的なパラメトリックメモリに依存しており、ニュアンス化された感情状態の解釈時にしばしば幻覚を与える。本稿では,感情指向型マルチエージェント検索拡張生成フレームワークであるAffectAgentを紹介する。 AffectAgentは3つの共同最適化されたエージェント、すなわちクエリプランナー、エビデンスフィルタ、感情生成器から構成される。
論文参考訳（メタデータ） (2026-04-14T13:49:19Z)
ORACLE-SWE: Quantifying the Contribution of Oracle Information Signals on SWE Agents [48.402971691097754]
Oracle-SWEは、SWEベンチマークから情報信号を分離して抽出し、各信号がエージェントのパフォーマンスに与える影響を定量化する手法である。これらの評価は、自律型符号化システムの研究を導くことを目的としている。
論文参考訳（メタデータ） (2026-04-09T04:37:24Z)
On the Reliability Limits of LLM-Based Multi-Agent Planning [19.02132233132541]
本技術は, LLMに基づくマルチエージェント計画の信頼性限界を委譲決定問題として検討する。 LLMに基づくマルチエージェントアーキテクチャを有限非巡回決定ネットワークとしてモデル化し、複数のプロセスがモデルコンテキスト情報を共有する。新しい信号がなければ、任意の委任されたネットワークは決定論的に、同じ情報にアクセス可能な集中型ベイズ意思決定者によって支配されていることを示す。
論文参考訳（メタデータ） (2026-03-27T21:07:42Z)
LLMs for Explainable Business Decision-Making: A Reinforcement Learning Fine-Tuning Approach [9.942833203981069]
大規模言語モデル(LLM)は、自然言語の説明を生成する機会を提供する。観客に適切な説明を与える強化学習に基づく微調整フレームワークであるLEXMAを紹介する。 LEXMAは他のLLMベースラインに比べて予測性能が大幅に向上した。
論文参考訳（メタデータ） (2025-12-10T04:16:31Z)
Interact-RAG: Reason and Interact with the Corpus, Beyond Black-Box Retrieval [49.85856484781787]
本稿では,ILMエージェントを検索プロセスのアクティブマニピュレータに高める新しいパラダイムであるInteract-RAGを紹介する。我々は、ゼロショット実行と相互作用軌跡の合成を可能にする推論強化ワークフローを開発する。 6つのベンチマーク実験により、Interact-RAGは他の高度な手法よりも大幅に優れていることが示された。
論文参考訳（メタデータ） (2025-10-31T15:48:43Z)
AIM-Bench: Evaluating Decision-making Biases of Agentic LLM as Inventory Manager [9.21215885702746]
AIM-Benchは、不確実なサプライチェーン管理シナリオにおいて、大規模言語モデル(LLM)の意思決定行動を評価するために設計された新しいベンチマークである。以上の結果から, LLMは人体とよく似た, 決定バイアスの度合いが異なることが明らかとなった。
論文参考訳（メタデータ） (2025-08-15T11:38:19Z)
UProp: Investigating the Uncertainty Propagation of LLMs in Multi-Step Agentic Decision-Making [47.64013151246807]
大規模言語モデル(LLM)は、シーケンシャルな意思決定を含む安全クリティカルなアプリケーションに統合される。既存のLLM Uncertainty Quantification (UQ) 法は、主にシングルターン質問応答形式のために設計されている。 LLMシーケンシャルな決定の不確かさを2つの部分に分解する原理的情報理論フレームワークを導入する。
論文参考訳（メタデータ） (2025-06-20T18:34:04Z)
Embodied Agent Interface: Benchmarking LLMs for Embodied Decision Making [85.24399869971236]
我々は,大規模言語モデル(LLM)を具体的意思決定のために評価することを目指している。既存の評価は最終的な成功率にのみ依存する傾向がある。本稿では,様々なタスクの形式化を支援する汎用インタフェース (Embodied Agent Interface) を提案する。
論文参考訳（メタデータ） (2024-10-09T17:59:00Z)
Adaptive Reinforcement Learning Planning: Harnessing Large Language Models for Complex Information Extraction [14.982446379660633]
大規模言語モデル(LLM)に関する既存の研究は、多段階計画により情報抽出タスクを解くことができることを示している。複雑な抽出タスクを分解して段階的に抽出することで,LLMの性能を効果的に向上させることができる。本稿では,LLMに基づく情報抽出のための2段階多段階手法を提案し,多段階計画を実行するためにRLフレームワークを採用する。
論文参考訳（メタデータ） (2024-06-17T12:11:01Z)
FinMem: A Performance-Enhanced LLM Trading Agent with Layered Memory and Character Design [11.913409501633616]
textscFinMemは、金融上の意思決定のために考案された新しいLLMベースのエージェントフレームワークである。 textscFinMemのメモリモジュールは、人間のトレーダーの認知構造と密接に一致し、堅牢な解釈性を提供する。このフレームワークは、エージェントが専門知識を自己開発し、新しい投資方法にアジャイルに反応し、取引決定を継続的に洗練することを可能にする。
論文参考訳（メタデータ） (2023-11-23T00:24:40Z)
Rational Decision-Making Agent with Internalized Utility Judgment [88.01612847081677]
大規模言語モデル(LLM)は目覚ましい進歩を示し、従来のNLPアプリケーションを超えて複雑な多段階決定タスクを実行できるエージェントにLLMを開発するための重要な努力を惹きつけている。本稿では,RadAgentを提案する。このRadAgentは,経験探索とユーティリティ学習を含む反復的なフレームワークを通じて,合理性の発展を促進する。 ToolBenchデータセットの実験結果は、RadAgentがベースラインよりも優れていることを示している。
論文参考訳（メタデータ） (2023-08-24T03:11:45Z)
Explainable Data-Driven Optimization: From Context to Decision and Back Again [76.84947521482631]
データ駆動最適化では、コンテキスト情報と機械学習アルゴリズムを使用して、不確実なパラメータによる決定問題の解決策を見つける。本稿では,データ駆動型問題に対する解法を説明するために,対実的説明手法を提案する。在庫管理やルーティングといった運用管理における重要な問題を説明することで,我々のアプローチを実証する。
論文参考訳（メタデータ） (2023-01-24T15:25:16Z)
Leveraging Expert Consistency to Improve Algorithmic Decision Support [62.61153549123407]
建設のギャップを狭めるために観測結果と組み合わせることができる情報源として,歴史専門家による意思決定の利用について検討する。本研究では,データ内の各ケースが1人の専門家によって評価された場合に,専門家の一貫性を間接的に推定する影響関数に基づく手法を提案する。本研究は, 児童福祉領域における臨床現場でのシミュレーションと実世界データを用いて, 提案手法が構成ギャップを狭めることに成功していることを示す。
論文参考訳（メタデータ） (2021-01-24T05:40:29Z)

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。