論文の概要: Deep Reasoning in General Purpose Agents via Structured Meta-Cognition

• arxiv url: http://arxiv.org/abs/2605.11388v1
• Date: Tue, 12 May 2026 01:21:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-13 21:48:56.511425
• Title: Deep Reasoning in General Purpose Agents via Structured Meta-Cognition
• Title（参考訳）: 構造的メタ認知による汎用剤の深部推論
• Authors: Dean Light, Michael Theologitis, Kshitish Ghate, Shuyue Stella Li, Benjamin Newman, Chirag Shah, Aylin Caliskan, Pang Wei Koh, Dan Suciu, Yulia Tsvetkov,
• Abstract要約: 構造化メタ推論を用いてタスク固有の足場を構築するための推論時アプローチを提案する。 我々は、より制御された推論スレッドに複雑なタスクを分散する汎用エージェントでこのアプローチをインスタンス化する。
• 参考スコア（独自算出の注目度）: 58.185853639335896
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Humans intuitively solve complex problems by flexibly shifting among reasoning modes: they plan, execute, revise intermediate goals, resolve ambiguity through associative judgment, and apply formal procedures to well-specified subproblems. Current LLM agents lack this flexibility, as their scaffolds hard-code such reasoning decisions in advance. These scaffolds are effective when their prescribed structure matches the task, but brittle when solving the task requires adapting the structure of reasoning itself. We introduce Deep Reasoning -- an inference-time approach for constructing task-specific scaffolds through structured meta-reasoning. Deep Reasoning uses a formal language that represents meta-reasoning as executable decompositions over associative inference, formal computation, and recursive subproblem solving, enabling decomposition principles to be encoded as in-context examples that guide test-time scaffold construction. We instantiate this approach in a general-purpose agent (DOLORES) that distributes complex tasks across more controlled reasoning threads. We evaluate it against state-of-the-art scaffolding methods across four hard benchmarks: multi-hop reasoning, long-chain question answering, long-context aggregation, and deep research-style information seeking. DOLORES outperforms all evaluated scaffolds across three model sizes and two model families, improving over the strongest evaluated scaffold baseline by 24.8% on average. DOLORES distributes cognition across structured, lower-load reasoning threads, thereby reducing premature termination and hallucinations. This advantage can even bridge the scaling gap, with an 8B version surpassing all evaluated 32B baselines from the same family in more than half the settings. These results point toward future agentic systems that treat scaffolding as adaptive reasoning, constructing the structure each task requires just-in-time.
• Abstract（参考訳）: 人間は、計画、実行、中間目標の修正、連想判断によるあいまいさの解消、明確に特定されたサブプロブレムへの形式的な手続きの適用など、推論モードの中で柔軟にシフトすることで、複雑な問題を直感的に解決する。 現在のLLMエージェントは、これらの推論決定を事前にハードコードするため、この柔軟性を欠いている。 これらの足場は、所定の構造がタスクと一致した場合に有効であるが、タスクの解決には推論自体の構造に適応する必要がある。 Inference-time approach for constructing task-specific scaffolds through structured meta-reasoning。 Deep Reasoningは、メタ推論を連想推論、形式計算、再帰的サブプロブレム解決よりも実行可能な分解として表現する形式言語を使用し、テスト時の足場構築をガイドするコンテキスト内例として分解原理をエンコードすることを可能にする。 我々は、より制御された推論スレッドに複雑なタスクを分散する汎用エージェント(DOLORES)でこのアプローチをインスタンス化する。 提案手法は,マルチホップ推論,長鎖質問応答,長文集約,深層研究スタイルの情報検索の4つのハードベンチマークで評価した。 DOLORESは、評価された足場を3つのモデルサイズと2つのモデルファミリーで上回り、評価された足場ベースラインを平均24.8%改善した。 DOLORESは、構造化された低負荷推論スレッドに認知を分散し、早期終了と幻覚を減らす。 この利点は、スケーリングギャップを埋めることさえ可能で、8Bバージョンは、同じファミリーから評価された32Bベースラインを、半分以上の設定で上回っている。 これらの結果は、足場を適応推論として扱う将来のエージェントシステムに向けられ、各タスクがジャスト・イン・タイムで必要とする構造を構築する。

関連論文リスト

• Self-Awareness before Action: Mitigating Logical Inertia via Proactive Cognitive Awareness [7.845857636481423]
  大規模言語モデルは、しばしば現在の知識や推論状態が完成しているかどうかの認識を欠いている。 非対話型パズル設定では、物語は固定され、基礎となる構造は隠される。 欠落した施設の自己認識を明示的に導入する推論フレームワークであるSABAを提案する。
  論文  参考訳（メタデータ） (2026-04-22T10:33:24Z)
• STRIDE: Strategic Iterative Decision-Making for Retrieval-Augmented Multi-Hop Question Answering [9.69666629029613]
  マルチホップ質問応答 (MHQA) は、複数の文書にまたがる証拠を検索し、推論することで、複雑なクエリに対する正確な回答を可能にする。 既存のMHQAアプローチは主に、次の2つの大きな問題に苦しむ反復的な検索強化世代に依存している。 戦略計画,動的制御,接地型実行を分離するフレームワークSTRIDEを提案する。
  論文  参考訳（メタデータ） (2026-04-19T12:19:43Z)
• Breaking the Chain: A Causal Analysis of LLM Faithfulness to Intermediate Structures [58.54426802984356]
  本稿では,出力を因果的に決定する因果評価プロトコルを提案する。 8つのモデルと3つのベンチマークで、モデルは自身の中間構造と自己整合しているように見えるが、最大60%のケースに介入した後に予測を更新できない。 全体として、スキーマ誘導パイプラインの中間構造は、安定した因果メディエータよりも影響のある文脈として機能する。
  論文  参考訳（メタデータ） (2026-03-17T13:01:44Z)
• Dynamics Within Latent Chain-of-Thought: An Empirical Study of Causal Structure [58.89643769707751]
  表現空間における潜在連鎖を操作可能な因果過程として研究する。 遅延ステップの予算は、均質な余分な深さよりも、非局所的なルーティングを備えたステージ機能のように振る舞う。 これらの結果は、モード条件と安定性を意識した分析を、潜伏推論システムの解釈と改善のための信頼性の高いツールとして動機付けている。
  論文  参考訳（メタデータ） (2026-02-09T15:25:12Z)
• Structured Reasoning for Large Language Models [59.215789462977206]
  本研究では、推論を明示的、評価可能、トレーニング可能なコンポーネントに分解するフレームワークであるStructured Reasoning(SCR)を提案する。 SCRは推論効率と自己検証を大幅に改善する。 既存の推論パラダイムと比較して、出力トークンの長さを最大50%削減する。
  論文  参考訳（メタデータ） (2026-01-12T04:04:01Z)
• Selection, Reflection and Self-Refinement: Revisit Reasoning Tasks via a Causal Lens [19.316594303998667]
  推論タスクは、機械学習モデルの能力を評価するための厳格なベンチマークとみなされてきた。 我々は、因果的視点から推論タスクを再考し、潜在空間におけるそれらの振る舞いを理解する。 SR$2$と呼ばれるフレームワークを導入し、推定された潜在変数を選択機構にフィードバックとして組み込む。
  論文  参考訳（メタデータ） (2025-10-09T13:45:31Z)
• Eigen-1: Adaptive Multi-Agent Refinement with Monitor-Based RAG for Scientific Reasoning [53.45095336430027]
  暗黙的な検索と構造化された協調を組み合わせた統合フレームワークを開発する。 Humanity's Last Exam (HLE) Bio/Chem Goldでは,48.3%の精度を実現している。 SuperGPQAとTRQAの結果はドメイン間の堅牢性を確認した。
  論文  参考訳（メタデータ） (2025-09-25T14:05:55Z)
• Implicit Reasoning in Large Language Models: A Comprehensive Survey [67.53966514728383]
  大規模言語モデル(LLM)は、幅広いタスクにまたがる強力な一般化を実証している。 最近の研究は、暗黙の推論に拍車をかけた、明示的な思考の連鎖から注意を向けている。 本調査では,表現形式から計算戦略へ焦点を移し,実行パラダイムを中心とした分類を紹介した。
  論文  参考訳（メタデータ） (2025-09-02T14:16:02Z)

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。