論文の概要: State-Centric Decision Process

• arxiv url: http://arxiv.org/abs/2605.12755v1
• Date: Tue, 12 May 2026 21:09:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-14 23:30:27.690963
• Title: State-Centric Decision Process
• Title（参考訳）: 状態中心決定過程
• Authors: Sungheon Jeong, Ryozo Masukawa, Sanggeon Yun, Mahdi Imani, Mohsen Imani,
• Abstract要約: 我々は,エージェントがエージェントを構築し,述語によって述語し,動作させるようにすることで,欠落した入力を構築するランタイムフレームワークであるState-Centric Decision Process (SDP)を紹介した。 SDPは、計画、科学的探索、Web推論、マルチホップ質問応答にまたがる5つのベンチマークで、トレーニングなしの最良の結果を得る。
• 参考スコア（独自算出の注目度）: 12.213427126535104
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Language environments such as web browsers, code terminals, and interactive simulations emit raw text rather than states, and provide none of the runtime structure that MDP analysis requires. No explicit state space, no observation-to-state mapping, no certified transitions, and no termination criterion. We introduce the State-Centric Decision Process (SDP), a runtime framework that constructs these missing inputs by having the agent build them, predicate by predicate, as it acts. At each step the agent commits to a natural-language predicate describing how the world should look, takes an action to make it true, and checks the observation against it. Predicates that pass become certified states, and the resulting trajectory carries the four objects language environments do not provide, namely a task-induced state space, an observation-to-state mapping, certified transitions, and a termination criterion. We evaluate SDP on five benchmarks spanning planning, scientific exploration, web reasoning, and multi-hop question answering. SDP achieves the best training-free results on all five, with the advantage widening as the horizon grows. The certified trajectories additionally support analyses unavailable to reactive agents, including per-predicate credit assignment, failure localization, partial-progress measurement, and modular operator replacement.
• Abstract（参考訳）: Webブラウザ、コード端末、インタラクティブなシミュレーションなどの言語環境は、状態ではなく生のテキストを出力し、MPP分析に必要なランタイム構造を提供しない。 明示的な状態空間も、観測から状態へのマッピングも、認定された遷移も、終了基準もない。 我々は,エージェントがそれらを構築して,述語によって述語し,動作させるようにすることで,これらの欠落した入力を構築するランタイムフレームワークであるState-Centric Decision Process (SDP)を紹介した。 各ステップでエージェントは、世界がどのように見えるべきかを記述した自然言語の述語にコミットし、それを真実にするためにアクションを取り、それに対する観察をチェックする。 4つの言語環境、すなわちタスクによって引き起こされる状態空間、観察から状態へのマッピング、認定された遷移、終了基準は提供されない。 我々は,計画,科学的探索,Web推論,マルチホップ質問応答の5つのベンチマークでSDPを評価した。 SDPは5つすべてで最高のトレーニングなしの結果を達成し、地平線が大きくなるにつれて優位性は拡大する。 認定トラジェクトリは、述語単位のクレジット割り当て、障害ローカライゼーション、部分プログレス測定、モジュラー演算子置換など、リアクティブエージェントでは利用できない分析もサポートする。

関連論文リスト

• Agent-BRACE: Decoupling Beliefs from Actions in Long-Horizon Tasks via Verbalized State Uncertainty [70.43119366710778]
  本稿では,Agens-BRACE: Agent Belief state Representation by Abstraction and Confidence Estimationを紹介する。 LLMエージェントを信頼状態モデルと政策モデルに分離し、強化学習を通じて協調的に最適化する手法である。 長期にわたる部分的に観察可能な言語環境において、平均して+14.5%の絶対的な改善を実現している。
  論文  参考訳（メタデータ） (2026-05-12T02:37:04Z)
• The Context Gathering Decision Process: A POMDP Framework for Agentic Search [38.92972416925679]
  大規模言語モデル(LLM)エージェントは複雑な環境にデプロイされる。 明示的なインフラストラクチャがなければ、エージェントの動作メモリは、検索状態の損失のある表現に分解される可能性がある。 我々はこの課題をコンテキスト収集決定プロセス(CGDP)として定式化する。 反復LDM剤に対する2つのプラグ・アンド・プレイ介入法を導出する。
  論文  参考訳（メタデータ） (2026-05-07T23:45:07Z)
• POSTCONDBENCH: Benchmarking Correctness and Completeness in Formal Postcondition Inference [10.01438318022033]
  実世界のソフトウェアからメソッドレベルの後条件生成を評価するベンチマークであるPOSTCONDBENCHを紹介する。 自動評価を可能にするため、POSTCONDBENCHは実行可能な実行環境を提供し、欠陥識別を通じて完全性を運用する。 以上の結果から,リポジトリレベルの依存関係とメソッドの複雑性が,このギャップを悪化させることを示す。
  論文  参考訳（メタデータ） (2026-05-05T04:29:38Z)
• RunAgent: Interpreting Natural-Language Plans with Constraint-Guided Execution [36.644786364066796]
  RunAgentは、自然言語プランを解釈し、制約やルーリックを通じて段階的に実行するマルチエージェントプラン実行プラットフォームである。 RunAgent はベースライン LLM や最先端の PlanGEN 法より優れていることを示す。
  論文  参考訳（メタデータ） (2026-05-01T17:29:45Z)
• VIRO: Robust and Efficient Neuro-Symbolic Reasoning with Verification for Referring Expression Comprehension [51.76841625486355]
  Referring Expression (REC) は、自然言語クエリに対応する画像領域をローカライズすることを目的としている。 最近のニューロシンボリックRECアプローチは、大規模言語モデル(LLM)と視覚言語モデル(VLM)を利用して構成推論を行う。 推論ステップ内に軽量な演算子レベルの検証器を組み込む,ニューロシンボリックなフレームワークであるVIROを紹介する。
  論文  参考訳（メタデータ） (2026-01-19T07:21:19Z)
• Do What? Teaching Vision-Language-Action Models to Reject the Impossible [53.40183895299108]
  VLA(Vision-Language-Action)モデルは、さまざまなロボットタスクにおいて強力なパフォーマンスを示している。 Instruct-Verify-and-Act(IVA)を提案する。 実験の結果,IVAはベースラインよりも97.56%の精度で虚偽の前提検出精度を向上させることがわかった。
  論文  参考訳（メタデータ） (2025-08-22T10:54:33Z)
• ThinkGeo: Evaluating Tool-Augmented Agents for Remote Sensing Tasks [64.86209459039313]
  ThinkGeoは、構造化ツールの使用とマルチステップ計画を通じて、リモートセンシングタスクにおけるツール拡張エージェントを評価するために設計されたエージェントベンチマークである。 我々はReActスタイルの対話ループを実装し,486 個の構造化エージェントタスク上でのオープンソース LLM とクローズドソース LLM の両方を1,773 個の専門家が検証した推論ステップで評価する。 分析の結果、ツールの精度とモデル間の計画整合性に顕著な相違が明らかになった。
  論文  参考訳（メタデータ） (2025-05-29T17:59:38Z)
• Language Agent Tree Search Unifies Reasoning Acting and Planning in Language Models [31.509994889286183]
  我々はLanguage Agent Tree Search (LATS)を紹介した。Language Agent Tree Search (LATS)は、推論、行動、計画において言語モデル(LM)の能力を相乗化する最初の一般的なフレームワークである。 当社のアプローチの重要な特徴は、より意図的で適応的な問題解決メカニズムを提供する外部フィードバック環境の導入である。 LATSは、GPT-4でHumanEval上でプログラミングするための最先端パス@1精度(92.7%)を達成し、GPTによるWebShop上のWebナビゲーションの勾配ベースの微調整に匹敵する勾配なし性能(平均スコア75.9)を示す。
  論文  参考訳（メタデータ） (2023-10-06T17:55:11Z)
• ROSCOE: A Suite of Metrics for Scoring Step-by-Step Reasoning [63.77667876176978]
  大規模言語モデルでは、最終回答を正当化するためにステップバイステップの推論を生成するように促された場合、ダウンストリームタスクの解釈可能性が改善されている。 これらの推論ステップは、モデルの解釈可能性と検証を大幅に改善するが、客観的にそれらの正確性を研究することは困難である。 本稿では、従来のテキスト生成評価指標を改善し拡張する、解釈可能な教師なし自動スコアのスイートであるROSを提案する。
  論文  参考訳（メタデータ） (2022-12-15T15:52:39Z)

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。