論文の概要: Decision-Centric Design for LLM Systems

• arxiv url: http://arxiv.org/abs/2604.00414v1
• Date: Wed, 01 Apr 2026 02:57:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-02 16:44:31.807836
• Title: Decision-Centric Design for LLM Systems
• Title（参考訳）: LLMシステムの決定中心設計
• Authors: Wei Sun,
• Abstract要約: 我々は、意思決定関連信号を行動にマッピングする方針から分離する、意思決定中心のフレームワークを提案する。 この分離は、信号の推定、決定ポリシー、実行に対する失敗の帰結をサポートする。 3つの実験で、このフレームワークは無駄なアクションを減らし、タスクの成功を改善し、解釈可能な障害モードを明らかにします。
• 参考スコア（独自算出の注目度）: 3.400316337034188
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: LLM systems must make control decisions in addition to generating outputs: whether to answer, clarify, retrieve, call tools, repair, or escalate. In many current architectures, these decisions remain implicit within generation, entangling assessment and action in a single model call and making failures hard to inspect, constrain, or repair. We propose a decision-centric framework that separates decision-relevant signals from the policy that maps them to actions, turning control into an explicit and inspectable layer of the system. This separation supports attribution of failures to signal estimation, decision policy, or execution, and enables modular improvement of each component. It unifies familiar single-step settings such as routing and adaptive inference, and extends naturally to sequential settings in which actions alter the information available before acting. Across three controlled experiments, the framework reduces futile actions, improves task success, and reveals interpretable failure modes. More broadly, it offers a general architectural principle for building more reliable, controllable, and diagnosable LLM systems.
• Abstract（参考訳）: LLMシステムは、応答、明確化、検索、ツールの呼び出し、修復、エスカレートといったアウトプットを生成することに加えて、制御上の決定をしなければならない。 多くの現在のアーキテクチャでは、これらの決定は世代内で暗黙的に行われ、単一のモデルコールでアセスメントとアクションを絡み合わせ、失敗を検査、制約、修復を困難にします。 本稿では、意思決定関連信号を行動にマッピングするポリシーから切り離し、制御をシステムの明示的で検査可能なレイヤに変換する決定中心のフレームワークを提案する。 この分離は、信号の推定、決定ポリシー、実行に対する障害の帰結をサポートし、各コンポーネントのモジュラー改善を可能にする。 ルーティングや適応推論といった慣れ親しんだシングルステップ設定を統一し、アクションが動作する前に利用可能な情報を変更するシーケンシャルな設定に自然に拡張する。 3つのコントロールされた実験で、このフレームワークは無駄なアクションを減らし、タスクの成功を改善し、解釈可能な障害モードを明らかにします。 より広くは、より信頼性が高く、制御可能で、診断可能なLLMシステムを構築するための一般的なアーキテクチャ原則を提供する。

関連論文リスト

• Evaluating Large Language Models for Detecting Architectural Decision Violations [39.480626944948376]
  アーキテクチャ決定レコード(ADR)は、ソフトウェアアーキテクチャの品質維持において中心的な役割を果たす。 大規模言語モデル(LLM)の最近の進歩は、大規模アーキテクチャ推論を自動化する新しい可能性を開く。 我々は,LLMがオープンソースシステムにおける決定違反を効果的に識別する方法について,その合意,正確性,本質的な制約を検証することによって検討した。
  論文  参考訳（メタデータ） (2026-02-07T16:36:14Z)
• From "Aha Moments" to Controllable Thinking: Toward Meta-Cognitive Reasoning in Large Reasoning Models via Decoupled Reasoning and Control [11.321315058502215]
  大規模推論モデル(LRM)は、ステップバイステップの推論、リフレクション、バックトラッキングなどの認知行動を自発的に示すことで、複雑な推論の潜在能力を示した。 しかし、そのような創発的行動は規制されず、制御されていないままであり、しばしば過度に考え直され、モデルが信頼できる結論に達した後も冗長な推論内容を生成し続ける。 現在のモデルは、いつ継続するか、バックトラックするか、終了するかを決定するために、彼らの推論プロセスを監視し、適応的に管理できない。 我々はメタ認知推論フレームワーク(MERA)を提案する。
  論文  参考訳（メタデータ） (2025-08-06T13:59:17Z)
• 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)
• Cognitive LLMs: Towards Integrating Cognitive Architectures and Large Language Models for Manufacturing Decision-making [51.737762570776006]
  LLM-ACTRは、ヒトに適応し、多目的な意思決定を提供する新しいニューロシンボリックアーキテクチャである。 我々のフレームワークは、ACT-Rの内部決定過程の知識を潜在神経表現として抽出し、組み込む。 デザイン・フォー・マニュファクチャリング・タスクに関する我々の実験は、タスク性能の向上と基礎的意思決定能力の向上を両立させたものである。
  論文  参考訳（メタデータ） (2024-08-17T11:49:53Z)
• LanguageMPC: Large Language Models as Decision Makers for Autonomous Driving [84.31119464141631]
  この作業では、複雑な自律運転シナリオの意思決定コンポーネントとして、Large Language Models(LLM)を採用している。 大規模実験により,提案手法は単車載タスクのベースラインアプローチを一貫して超えるだけでなく,複数車載コーディネートにおいても複雑な運転動作の処理にも有効であることが示された。
  論文  参考訳（メタデータ） (2023-10-04T17:59:49Z)
• Inverse Online Learning: Understanding Non-Stationary and Reactionary Policies [79.60322329952453]
  エージェントが意思決定を行う方法の解釈可能な表現を開発する方法を示す。 一連の軌跡に基づく意思決定プロセスを理解することにより,このオンライン学習問題に対して,政策推論問題を逆問題とみなした。 本稿では、エージェントがそれらを更新するプロセスと並行して、その影響を遡及的に推定する実用的なアルゴリズムを提案する。 UNOSの臓器提供受諾決定の分析に応用することで、我々のアプローチは意思決定プロセスを管理する要因や時間とともにどのように変化するかに、貴重な洞察をもたらすことができることを実証する。
  論文  参考訳（メタデータ） (2022-03-14T17:40:42Z)

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。