論文の概要: Mind the Tool Failures: Achieving Synergistic Tool Gains for Medical Agents

• arxiv url: http://arxiv.org/abs/2605.26691v1
• Date: Tue, 26 May 2026 08:29:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-27 17:51:41.753061
• Title: Mind the Tool Failures: Achieving Synergistic Tool Gains for Medical Agents
• Title（参考訳）: ツールの失敗を意識する: 医療エージェントのための相乗的ツールの獲得
• Authors: Yunhui Gan, Tan Pan, Kaiyu Guo, Limei Han, Weimiao Yu, Guangnan Ye, Chen Jiang, Yuan Cheng,
• Abstract要約: 本研究では,不完全なツール設定下での医療ツール使用について検討し,個々のツールが欠落した障害事例の修正を行う。 本稿では,確率的リスク最小化と相反する相乗効果学習に対する報奨を考慮したGRPOに基づく強化学習フレームワークを提案する。 提案手法は,幅広いベースラインに対して安定的かつ堅牢な改善を実現する。
• 参考スコア（独自算出の注目度）: 17.585879443335788
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Medical AI agents increasingly use external tools for diagnosis, treatment recommendation, and evidence retrieval, yet most existing approaches assume that task-appropriate tools are reliable within their intended scope. This assumption is fragile in real clinical settings, where even relevant tools may fail on challenging instances and lead to unsafe downstream decisions. To address this issue, we study medical tool use under imperfect-tool settings to correct failure instances missed by individual tools. Instance-dependent failure patterns create a gap between the best fixed single tool and an ideal instance-wise selector, which we refer to as the Single-Oracle risk gap. The core challenge is that conventional task-level tool selection cannot realize this gap, as it is inherently bounded by the performance of the best single tool. Motivated by this observation, we therefore account for instance-level heterogeneity and formulate tool use as an instance-level selection problem. Particularly, we propose a GRPO-based reinforcement learning framework with rewards for probabilistic risk minimization and disagreement-aware synergy learning, which promotes instance-level correction of erroneous tool consensus. Furthermore, an entropy-guided sampling strategy is adopted to upweight high-disagreement instances, which provide stronger signals for learning instance-specific tool synergy. These two components complement each other in mitigating instance-level heterogeneity and improving tool synergy. Experiments on two tasks and seven medical benchmarks show that our method consistently achieves robust and stable improvements over a broad range of baselines, highlighting the importance of synergy-aware tool use for reliable medical agentic systems.
• Abstract（参考訳）: 医療AIエージェントは、診断、治療レコメンデーション、エビデンス検索に外部ツールをますます利用している。 この仮定は、実際の臨床環境では脆弱であり、関連するツールでさえ、挑戦的なインスタンスで失敗し、安全でない下流の決定につながる可能性がある。 この問題に対処するため,不完全なツール設定下での医療ツールの使用について検討し,個々のツールが欠落した障害事例の修正を行う。 インスタンス依存の障害パターンは、最高の固定された単一ツールと理想的なインスタンスワイドセレクタの間にギャップを作ります。 一番の課題は、従来のタスクレベルのツール選択では、最高のツールのパフォーマンスによって本質的に境界づけられているため、このギャップが実現できないことです。 そこで本研究では, インスタンスレベルの不均一性や定式化ツールの使用を, インスタンスレベルの選択問題として考慮する。 特に,確率的リスク最小化と不一致を意識した相乗学習に報奨を与えるGRPOに基づく強化学習フレームワークを提案する。 さらに、高次高分解能のインスタンスに対してエントロピー誘導サンプリング戦略を採用し、インスタンス固有のツールのシナジーを学習するためのより強力な信号を提供する。 これら2つのコンポーネントは、インスタンスレベルの不均一性を緩和し、ツールのシナジーを改善するために互いに補完する。 2つのタスクと7つの医療ベンチマーク実験により、我々の手法は幅広いベースラインに対して一貫して堅牢で安定した改善を達成し、信頼性の高い医療エージェントシステムにおける相乗的ツールの使用の重要性を強調した。

関連論文リスト

• ARMOR: An Agentic Framework for Reaction Feasibility Prediction via Adaptive Utility-aware Multi-tool Reasoning [11.65859277511507]
  ARMORは、ツール固有のユーティリティを明示的にモデル化し、ツールを適応的に優先順位付けし、潜在的なツール競合を解決するエージェントフレームワークである。 公開データセットの実験では、ARMORが強いベースラインを一貫して上回っていることが示されている。
  論文  参考訳（メタデータ） (2026-05-08T01:30:20Z)
• Evolving Medical Imaging Agents via Experience-driven Self-skill Discovery [26.23353599153354]
  MACROは自己進化型、経験増強型医療エージェントで、静的ツール構成から経験駆動ツール発見へ移行する。 一方、GRPOのようなトレーニングループは、検出されたコンポジットの信頼性の高い呼び出しを補強する。
  論文  参考訳（メタデータ） (2026-03-06T03:34:47Z)
• ToolMATH: A Math Tool Benchmark for Realistic Long-Horizon Multi-Tool Reasoning [11.99927786717109]
  ToolMATHは、数学の問題をツールセットによる制御された正当性チェック可能なベンチマークに変換する。 ToolMATHは、ツール拡張されたエージェントの障害モードの実行可能な診断証拠を提供する。
  論文  参考訳（メタデータ） (2026-02-24T09:23:12Z)
• AdaReasoner: Dynamic Tool Orchestration for Iterative Visual Reasoning [66.24374176797075]
  textbfAdaReasonerは、ツール固有の、あるいは明示的な教師付き行動ではなく、一般的な推論スキルとしてツールの使用を学ぶマルチモーダルモデルのファミリーである。 AdaReasonerは、(i)スケーラブルなデータキュレーションパイプラインによって、長期にわたる多段階のツールインタラクションにモデルを公開し、(ii)ツール-GRPO、(ii)ツールの選択とシークエンシングをエンドツーエンドの成功に基づいて優先順位付けする強化学習アルゴリズム、(iii)ツールの使用を動的に規制する適応学習メカニズムによって実現されている。
  論文  参考訳（メタデータ） (2026-01-26T16:04:43Z)
• Quantifying Distributional Robustness of Agentic Tool-Selection [8.457056023589951]
  ツール選択の堅牢性を正式に認定する最初の統計フレームワークであるToolCertを紹介する。 本稿では,ToolCertが精度に高い信頼度を低下させ,エージェントの最悪の性能を定量的に評価することを示す。 偽装ツールを注入したり、検索を飽和させたりすることで、認証された精度はゼロ近く低下する。
  論文  参考訳（メタデータ） (2025-10-05T01:50:34Z)
• Adaptive Tool Use in Large Language Models with Meta-Cognition Trigger [49.81945268343162]
  我々は,外部ツール利用のための適応型意思決定戦略であるMeCoを提案する。 MeCoは、表現空間内の高レベル認知信号をキャプチャすることで、メタ認知スコアを定量化する。 MeCoは微調整不要で、最小限のコストがかかる。
  論文  参考訳（メタデータ） (2025-02-18T15:45:01Z)
• Reducing Tool Hallucination via Reliability Alignment [31.761771794788462]
  大きな言語モデル(LLM)は、言語生成を超えて、外部ツールと対話し、自動化と現実世界のアプリケーションを可能にする機能を拡張した。 モデルが不適切なツールを選択するか、それらを誤用するツール幻覚は、誤ったタスクの実行、計算コストの増大、システムの信頼性の低下につながる重要な課題を引き起こす。 RelyToolBenchを導入し、特殊なテストケースと新しいメトリクスを統合し、幻覚を意識したタスクの成功と効率を評価する。 最後に、信頼性アライメントフレームワークであるRelignを提案する。このフレームワークは、ツール使用のアクション空間を拡張して、不決定なアクションを含むようにし、LCMがツールの使用を遅らせたり、明確化を求めたり、ツールの選択を調整することを可能にする。
  論文  参考訳（メタデータ） (2024-12-05T13:10:54Z)
• Learning to Use Tools via Cooperative and Interactive Agents [58.77710337157665]
  ツール学習は、外部ツールを使用してユーティリティを拡張するエージェントとして、大きな言語モデル(LLM)を促進する。 ツール選択,ツール実行,アクションキャリブレーションの3つの特別なエージェントを個別にコーディネートする,協調型対話型エージェントフレームワークであるConAgentsを提案する。 3つのデータセットに対する実験により、LLMは、ConAgentsを装備した場合、大幅に改善されたベースラインよりも優れた性能を示した。
  論文  参考訳（メタデータ） (2024-03-05T15:08:16Z)

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。