論文の概要: ACCORD: Action-Conditioned Contextual Grounding for Language Agents
- arxiv url: http://arxiv.org/abs/2606.16432v1
- Date: Mon, 15 Jun 2026 09:05:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-16 16:21:34.263037
- Title: ACCORD: Action-Conditioned Contextual Grounding for Language Agents
- Title（参考訳）: ACCORD: 言語エージェントのためのアクションコンディション付きコンテキストグラウンド
- Authors: Lai Jiang, Cheng Qian, Zhenhailong Wang, Pan Lu, Heng Ji, Hao Peng,
- Abstract要約: ACCORD(Action-Conditioned Contextual Grounding)は、適応的なグラウンドのためのエージェントフレームワークである。
現状のエージェントは、しばしばそうすることができないことを示す。それらは、観察された特定の情報よりもむしろ仮定から行動し、収集した可能性のある情報を見落とし、既に返された証拠を組み込むことに失敗する。
- 参考スコア（独自算出の注目度）: 69.73525608707764
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: User instructions are often underspecified because humans rely on implicit assumptions about the surrounding environment. For large language model (LLM) agents operating in information-rich digital and physical environments, these assumptions cannot be inferred from the instruction alone; they must be recovered from the current state of tools, data, interfaces, and observations. Effective execution therefore requires agents to identify missing context, ground it in observed evidence, and carry it forward into subsequent actions. We show that current agents often fail to do so. They act from assumed rather than observed specifics, overlook information they could have gathered, and fail to incorporate evidence that has already been returned. Building on this insight, we propose ACCORD (Action-Conditioned Contextual Grounding), a simple and effective agent framework for adaptive grounding. Before each action, ACCORD actively probes the environment for missing information and integrates relevant context from the agent's trajectory that would otherwise be overlooked. Requiring no additional training or task-success signals, ACCORD improves task-goal completion on AppWorld by up to +20.6 points with GPT-5-mini, from 42.0% to 62.6%, compared to strong baselines. These gains persist with a substantially stronger base model (+10.8 with Claude-4.5-sonnet), an open-weight model (+10.1 with Qwen3.5-27B-FP8), and on the embodied AlfWorld benchmark (+7.4 success rate with GPT-5-mini).
- Abstract（参考訳）: 人間は周囲の環境について暗黙の仮定に頼っているため、ユーザーの指示は不明確であることが多い。
情報豊富なデジタルおよび物理環境で動作する大規模言語モデル(LLM)エージェントでは、これらの仮定は命令のみから推測することはできない。
したがって、効果的な実行には、エージェントが行方不明の状況を特定し、観察された証拠を根拠にし、その後の行動に移す必要がある。
現在のエージェントは、しばしばそうすることができません。
彼らは、観察された具体的情報よりも仮定から行動し、収集できる情報を見落とし、既に返された証拠を組み込むのに失敗する。
この知見に基づいて,適応的接地のためのシンプルかつ効果的なエージェントフレームワークであるACCORD(Action-Conditioned Contextual Grounding)を提案する。
それぞれの行動の前に、ACCORDは、行方不明情報のために環境を積極的に調査し、さもなくば見落とされるエージェントの軌道から関連するコンテキストを統合する。
追加のトレーニングやタスクサクセス信号を必要としないACCORDは、強いベースラインに比べて42.0%から62.6%のGPT-5-miniで、AppWorldのタスクゴール完了を+20.6ポイント改善している。
これらのゲインはより強力なベースモデル (+10.8 with Claude-4.5-sonnet)、オープンウェイトモデル (+10.1 with Qwen3.5-27B-FP8)、具体化されたALFWorldベンチマーク (+7.4 success rate with GPT-5-mini) で継続される。
関連論文リスト
- SpatialWorld: Benchmarking Interactive Spatial Reasoning of Multimodal Agents in Real-World Tasks [73.92333717662558]
SpaceWorldは、複雑な現実世界のタスクにおけるマルチモーダルエージェントのインタラクティブな空間的理解を評価するためのベンチマークである。
多様なドメイン(例えば、家庭のルーチン、旅行、社会協力など)にまたがる760の人称タスクが特徴である。
信頼性評価のために、各タスクは、人間検証された初期状態、参照軌跡、端末状態検証器を含む。
論文 参考訳（メタデータ） (2026-06-08T15:51:51Z) - PerspectiveGap: A Benchmark for Multi-Agent Orchestration Prompting [6.877973774604102]
PerspectiveGapは、マルチエージェントシステムのためのオーケストレーションプロンプトを構成するLLMの機能を評価するためのベンチマークである。
10社の27社の商用モデルによる実験では、GPT-5.5は全てのライバルより大幅に優れていた。
論文 参考訳（メタデータ） (2026-06-07T23:26:12Z) - Rewarding the Scientific Process: Process-Level Reward Modeling for Agentic Data Analysis [68.28714988482703]
プロセス・リワード・モデル(PRM)は、LLM(Large Language Models)の推論能力を増強することに成功した。
本稿では,一般ドメインのPRMがデータ分析エージェントの監督に苦慮していることを示す。
本稿では,新しい環境対応生成プロセス報酬モデルであるDataPRMを紹介する。
論文 参考訳（メタデータ） (2026-04-27T09:00:30Z) - OccuBench: Evaluating AI Agents on Real-World Professional Tasks via Language Environment Simulation [57.505743202759646]
OccuBenchは10の業界カテゴリと65の専門ドメインにわたる100の現実のプロフェッショナルタスクシナリオをカバーするベンチマークである。
我々のマルチエージェント合成パイプラインは, 可溶性, 校正困難, 文書基底の多様性を保証した評価インスタンスを自動生成する。
論文 参考訳（メタデータ） (2026-04-13T00:27:32Z) - TRACE: Capability-Targeted Agentic Training [11.088296897059157]
環境特異的なエージェント自己改善のためのエンドツーエンドシステムであるTRACEを紹介する。
TRACEは、機能不足を特定するために、成功と失敗の軌跡を対比している。
目標とするトレーニング環境を合成し、その能力が行使されたかどうかを報奨する。
各合成環境において、LoRAアダプタをRL経由でトレーニングし、推論時に関連するアダプタにルーティングする。
論文 参考訳（メタデータ） (2026-04-07T02:22:44Z) - AgentHER: Hindsight Experience Replay for LLM Agent Trajectory Relabeling [12.42698406379544]
AgentHERは、自然言語エージェントトラジェクトリにHindsight Experience原則を適用することで、失われたトレーニング信号を回復する。
破棄された障害を高品質のSFT、DPO、ShareGPTトレーニングデータに変換する。
WebArena Replay (Zhou et al., 2024)とToolBench (Qin et al., 2024)では、AgentHERは4つのモデルファミリーで成功のみのSFTを+7.1-11.7ppで改善している。
論文 参考訳（メタデータ） (2026-03-22T18:36:58Z) - Shoot First, Ask Questions Later? Building Rational Agents that Explore and Act Like People [81.63702981397408]
限られたリソースを前提として、言語モデル(LM)に基づいたエージェントは、どの程度合理的に行動するのか?
エージェント情報探索をベンチマークし,強化する手法を開発し,人間の行動から洞察を抽出する。
Spotterエージェントでは、LMのみのベースラインよりも14.7%の精度で精度を向上し、Captainエージェントでは、期待情報ゲイン(EIG)を0.227ビット(達成可能なノイズ天井の94.2%)まで引き上げる。
論文 参考訳（メタデータ） (2025-10-23T17:57:28Z) - OmniEAR: Benchmarking Agent Reasoning in Embodied Tasks [52.87238755666243]
OmniEARは,言語モデルが身体的相互作用やツールの使用,マルチエージェントの協調にどう影響するかを評価するためのフレームワークである。
我々は、家庭と工業領域にまたがる1500のシナリオにおける連続的な物理的特性と複雑な空間的関係をモデル化する。
我々の体系的な評価は、モデルが制約から推論しなければならない場合、厳しい性能劣化を示す。
論文 参考訳（メタデータ） (2025-08-07T17:54:15Z)
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。