論文の概要: How Much LLM Does a Self-Revising Agent Actually Need?

• arxiv url: http://arxiv.org/abs/2604.07236v1
• Date: Wed, 08 Apr 2026 16:02:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-09 17:30:51.621575
• Title: How Much LLM Does a Self-Revising Agent Actually Need?
• Title（参考訳）: LLMの自己修正エージェントは実際どれくらい必要か?
• Authors: Seongwoo Jeong, Seonil Son,
• Abstract要約: 我々は,エージェントの状態,信頼信号,保護された動作,仮説的遷移を検査可能なランタイム構造に外部化する,宣言された反射型ランタイムプロトコルを導入する。 54ゲームで4つの段階的に構造化されたエージェントを用いて,ノイズの多い協調戦闘艦上での評価を行った。
• 参考スコア（独自算出の注目度）: 0.14323566945483496
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent LLM-based agents often place world modeling, planning, and reflection inside a single language model loop. This can produce capable behavior, but it makes a basic scientific question difficult to answer: which part of the agent's competence actually comes from the LLM, and which part comes from explicit structure around it? We study this question not by claiming a general answer, but by making it empirically tractable. We introduce a declared reflective runtime protocol that externalizes agent state, confidence signals, guarded actions, and hypothetical transitions into inspectable runtime structure. We instantiate this protocol in a declarative runtime and evaluate it on noisy Collaborative Battleship [4] using four progressively structured agents over 54 games (18 boards $\times$ 3 seeds). The resulting decomposition isolates four components: posterior belief tracking, explicit world-model planning, symbolic in-episode reflection, and sparse LLM-based revision. Across this decomposition, explicit world-model planning improves substantially over a greedy posterior-following baseline (+24.1pp win rate, +0.017 F1). Symbolic reflection operates as a real runtime mechanism -- with prediction tracking, confidence gating, and guarded revision actions -- even though its current revision presets are not yet net-positive in aggregate. Adding conditional LLM revision at about 4.3\% of turns yields only a small and non-monotonic change: average F1 rises slightly (+0.005) while win rate drops (31$\rightarrow$29 out of 54). These results suggest a methodological contribution rather than a leaderboard claim: externalizing reflection turns otherwise latent agent behavior into inspectable runtime structure, allowing the marginal role of LLM intervention to be studied directly.
• Abstract（参考訳）: 最近のLLMベースのエージェントは、単一の言語モデルループ内に世界モデリング、計画、リフレクションを配置することが多い。 エージェントの能力のどの部分がLCMから、どの部分がその周りの明示的な構造から来ているのか? 我々は、この質問を一般回答を主張するのではなく、経験的に取り扱えるようにすることで研究する。 我々は,エージェントの状態,信頼信号,保護された動作,仮説的遷移を検査可能なランタイム構造に外部化する,宣言された反射型ランタイムプロトコルを導入する。 宣言型ランタイムでこのプロトコルをインスタンス化し,54ゲーム以上の4つの段階的に構造化されたエージェント(ボード$\times$3シード)を用いて,ノイズの多い協調戦闘艦[4]で評価する。 その結果得られた分解は、後続の信念追跡、明示的な世界モデル計画、象徴的なエピソード内反射、およびスパースLSMに基づくリビジョンの4つの構成要素を分離する。 この分解全体で、明示的な世界モデルプランニングは、グリージーな後続ベースライン(+24.1ppの勝利率+0.017 F1)よりも大幅に改善される。 シンボリックリフレクションは、予測トラッキング、信頼性ゲーティング、ガードされたリビジョンアクションを備えた、実際のランタイムメカニズムとして動作する。 条件付きLLMリビジョンを約4.3\%のターンで加えると、小さな単調な変化しか得られず、平均的なF1はわずかに上昇する(+0.005)が、勝利率は低下する(54点中31$\rightarrow$29)。 これらの結果は、リフレクションの外部化は、さもなくば潜伏エージェントの動作を検査可能なランタイム構造に転換し、LCM介入の限界的な役割を直接研究することを可能にする、という、リーダーボードの主張よりも方法論的な貢献を示唆している。

関連論文リスト

• From Early Encoding to Late Suppression: Interpreting LLMs on Character Counting Tasks [49.57538588967748]
  LLM(Large Language Model)は、複雑なベンチマークでは優れているにもかかわらず、単語中の文字数などの基本的な記号的タスクにおいて失敗を示す。 我々は、LLaMA、Qwen、Gemmaなど、現代のアーキテクチャにまたがる一貫した現象を発見した。 LLMにおけるシンボリック推論失敗は,表現不足やスケール不足によるものではなく,モデル計算グラフ内の構造的干渉によるものであることを示す。
  論文  参考訳（メタデータ） (2026-04-01T11:40:12Z)
• MIRA: Memory-Integrated Reinforcement Learning Agent with Limited LLM Guidance [18.215893951726166]
  大規模言語モデル(LLM)は、早期学習を容易にするサブゴール分解、可塑性軌跡、抽象的な事前情報を提供することができる。 本稿では,MIRA (Memory-Integrated Reinforcement Learning Agent) を提案する。
  論文  参考訳（メタデータ） (2026-02-20T01:43:30Z)
• LLM Driven Processes to Foster Explainable AI [0.0]
  オーディエンス可能なアーティファクトへの推論を外部化する,モジュール型で説明可能なLCMエージェントパイプラインを提案する。 このシステムは3つのフレームワークをインスタンス化する: VesterのSensitivity Model(要素セット、署名されたインパクトマトリックス、システム的役割、フィードバックループ)、正規形式ゲーム(戦略、ペイオフマトリックス、平衡)、シーケンシャルゲーム(ロールコンディショニングされたエージェント、ツリー構築、後方誘導)。
  論文  参考訳（メタデータ） (2025-11-10T13:20:00Z)
• SelfReflect: Can LLMs Communicate Their Internal Answer Distribution? [21.270758668026023]
  我々は,要約と回答上の分布の間の情報理論的距離であるSelfReflectメトリックを開発した。 我々は,SelfReflectが,要約文字列と LLM の内部分布の回答に対する忠実度を細かな尺度で表していることを示す。
  論文  参考訳（メタデータ） (2025-05-26T17:59:53Z)
• Towards Efficient LLM Grounding for Embodied Multi-Agent Collaboration [68.29746557968107]
  本稿では,多エージェント協調のための新しいフレームワークを提案する。これは,効率的な自己調整のための強化アドバンテージフィードバック(Reinforced Advantage feedback, ReAd)を導入する。 Over-AIと難解なRoCoBenchの実験は、ReAdが成功率のベースラインを超え、エージェントの相互作用ステップを著しく減少させることを示している。
  論文  参考訳（メタデータ） (2024-05-23T08:33:19Z)
• Are You Sure? Challenging LLMs Leads to Performance Drops in The FlipFlop Experiment [82.60594940370919]
  大規模言語モデル(LLM)のマルチターン動作を研究するためのFlipFlop実験を提案する。 モデルが平均46%の時間で回答を反転させ、全てのモデルが最初の予測と最終予測の間に精度を低下させ、平均17%の低下(FlipFlop効果)を示す。 我々はオープンソースのLLMで微調整実験を行い、合成されたデータに対する微調整は、性能劣化を60%低減させることができるが、サイコファンティックな振る舞いを完全には解決できないことを発見した。
  論文  参考訳（メタデータ） (2023-11-14T23:40:22Z)

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。