論文の概要: Grounded Iterative Language Planning: How Parameterized World Models Reduce Hallucination Propagation in LLM Agents

• arxiv url: http://arxiv.org/abs/2606.27806v2
• Date: Wed, 01 Jul 2026 18:42:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-03 15:16:32.234632
• Title: Grounded Iterative Language Planning: How Parameterized World Models Reduce Hallucination Propagation in LLM Agents
• Title（参考訳）: 接地的反復言語計画: LLMエージェントにおけるパラメータ化された世界モデルによる幻覚伝播の抑制
• Abstract要約: エージェントベースの世界モデルは、APIと理由を柔軟に言語で呼び出すが、その誤りは通常の回帰損失で得点が難しい幻覚状態の変化として現れる。 パラメータ化された世界モデルは、トレーニングされた遷移予測器であり、その誤差は、NodeMSE、デルタ精度、精度などの量で測定しやすくなる。 これら2つのファミリーをグラフ構造化計画ベンチマークで比較し、エージェントベースのケースに対する運用幻覚指標を導入する。 この比較は、小さなパラメータ化されたバックボーンのみをトレーニングし、APIベースのエージェント推論と組み合わせた、グラウンテッド反復言語計画(GILP)を動機付けている。
• 参考スコア（独自算出の注目度）: 2.571318992830046
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: World models for language agents come in two useful forms. An agent-based world model calls an LLM API and reasons flexibly in language, but its errors appear as hallucinated state changes that are hard to score with ordinary regression losses. A parameterized world model is a trained transition predictor; its errors are easier to measure with quantities such as NodeMSE, delta accuracy, and validity accuracy, but it is usually weaker as a standalone planner. We compare these two families on four graph-structured planning benchmarks and introduce operational hallucination metrics for the agent-based case. The comparison motivates Grounded Iterative Language Planning(GILP), which trains only a small parameterized backbone and combines it with API-based agent reasoning. The backbone supplies valid actions, predicted state deltas, risk, and value; the LLM drafts an action and imagined delta; and a consistency gate asks for revision when the two disagree. On real GPT-4o-mini calls, GILP reduces hallucinated-state rate from 0.176 to 0.035. In calibrated simulator ablations, it raises success from 0.668 to 0.838 while adding only ~22% extra LLM calls.
• Abstract（参考訳）: 言語エージェントのワールドモデルには、2つの有用な形式がある。 エージェントベースの世界モデルは、LLM APIを言語で柔軟に呼び出すが、その誤りは通常の回帰損失で得点が難しい幻覚状態の変化として現れる。 パラメータ化された世界モデルはトレーニングされた遷移予測器であり、その誤差はNodeMSE、デルタ精度、精度などの量で測定しやすいが、通常はスタンドアロンのプランナーとして弱い。 これら2つのファミリーをグラフ構造化計画ベンチマークで比較し、エージェントベースのケースに対する運用幻覚指標を導入する。 この比較は、小さなパラメータ化されたバックボーンのみをトレーニングし、APIベースのエージェント推論と組み合わせた、グラウンテッド反復言語計画(GILP)を動機付けている。 バックボーンは有効なアクションを提供し、状態デルタ、リスク、価値を予測し、LCMはアクションをドラフトしてデルタを想像し、一貫性ゲートは2つが一致しないときに修正を要求する。 実際のGPT-4o-miniコールでは、GILPは幻覚状態のレートを0.176から0.035に下げる。 キャリブレーションされたシミュレータのアブレーションでは0.668から0.838に上昇し、追加のLSMコールはわずか22%に留まった。

関連論文リスト

• Towards Robust Reinforcement Learning for Small-Scale Language Model Agents [5.301609879131692]
  本稿では,PPO(Proximal Policy Optimization)を用いて15の(モデル,コーパス)構成を訓練した。 実験にはPythia-70M, 160M, 410M, SmolLM2-135M, 360M on the TinyStories, CNN/DailyMail, Wiki-text103 corporaが含まれていた。 提案システムは,全ての実験において安定的に収束し,流動的な先行信号と情報的な報奨信号を持つ構成において,SFTベースラインに対する優先利得率を改善した。
  論文  参考訳（メタデータ） (2026-07-27T21:30:44Z)
• Causal Agent Replay: Counterfactual Attribution for LLM-Agent Failures [0.0]
  Causal Agent Replay (CAR) は、エージェントが構造的因果モデルとして実行されることをモデル化する。 ステップにダブルオペレーションを適用し、同じポリシーの下で軌道を再実行します。 CARはオープンソースで、ホストまたはフリーのローカルモデルで動作する。
  論文  参考訳（メタデータ） (2026-06-06T17:44:23Z)
• Synthetic Hallucinations, Real Gains: Hard Negatives from Frontier Models for FIM Hallucination Mitigation [4.089259624354187]
  オートコンプリートを動かす小さなオープンソースコードモデルでは、Fill-in-the-Middle(FIM)の補完が出力される。 そこで我々は,フロンティア符号モデルを用いて,強陰性として可塑性/反極性補完を合成する,実行自由な代替案を提案する。
  論文  参考訳（メタデータ） (2026-06-02T04:15:50Z)
• ReDAct: Uncertainty-Aware Deferral for LLM Agents [61.507376922278894]
  本稿では、逐次意思決定問題を解決するためにReDAct(Reason-Defer-Act)を提案する。 ReDActでは、エージェントは2つのLSMを備えている: デフォルトで使用される小型で安価なモデルと、大きくて信頼性が高くて高価なモデルである。 提案手法では,大モデルに対する決定の約15%のみを遅延させることで,推論コストを大幅に削減できることを示す。
  論文  参考訳（メタデータ） (2026-04-08T12:51:01Z)
• Tiny-Critic RAG: Empowering Agentic Fallback with Parameter-Efficient Small Language Models [7.704706624419061]
  Retrieval-Augmented Generations Grounds Large Language Models (LLMs) は、事実の幻覚を緩和する。 低ランク適応(LoRA)を用いたパラメータ効率小言語モデル(SLM)Tiny-Critic RAGを提案する。 Tiny-Critic RAGはGPT-4o-miniに匹敵するルーティング精度を達成し、レイテンシを桁違いに低減する。
  論文  参考訳（メタデータ） (2026-03-01T00:16:31Z)
• MERGETUNE: Continued fine-tuning of vision-language models [77.8627788911249]
  微調整視覚言語モデル(VLM)は、しばしば事前訓練された知識を破滅的に忘れてしまう。 ゼロショットモデルに適応した後に事前学習した知識を回復するための新しいパラダイムである連続微調整(CFT)を導入する。
  論文  参考訳（メタデータ） (2026-01-15T15:15:53Z)
• Plan Verification for LLM-Based Embodied Task Completion Agents [10.439882851477162]
  大規模言語モデル(LLM)に基づくタスク計画とそれに対応するAIの人間による実演は騒々しいかもしれない。 審査員が行動系列を批判し、プランナーLLMが修正を適用する反復検証フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-02T19:06:56Z)
• Optimal Sparsity of Mixture-of-Experts Language Models for Reasoning Tasks [17.067788440109137]
  現在、Mixture-of-Experts (MoE)モデルは最先端システムでは標準となっている。 記憶能力と推論能力の2つの異なる能力体制にMoEがどのような影響を及ぼすかを検討する。
  論文  参考訳（メタデータ） (2025-08-26T04:31:28Z)
• 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)
• Fine-tuning Language Models for Factuality [96.5203774943198]
  大規模な事前訓練型言語モデル(LLM)は、しばしば伝統的な検索エンジンの代替として、広く使われるようになった。 しかし、言語モデルは説得力のあるが事実的に不正確な主張をしがちである(しばしば「幻覚」と呼ばれる)。 本研究では,人間のラベル付けなしに,より現実的な言語モデルを微調整する。
  論文  参考訳（メタデータ） (2023-11-14T18:59:15Z)
• Do Embodied Agents Dream of Pixelated Sheep: Embodied Decision Making using Language Guided World Modelling [101.59430768507997]
  強化学習 (Reinforcement Learning, RL) エージェントは通常、世界の事前の知識なしに、タブラララザを学習する。 抽象世界モデル (AWM) を仮定するために, 少数ショット大言語モデル (LLM) を提案する。 LLMを用いてAWMを仮定し, エージェント経験に基づくAWMの検証を行うことで, 従来手法よりもサンプル効率を桁違いに向上させることができる。
  論文  参考訳（メタデータ） (2023-01-28T02:04:07Z)
• Mismatched No More: Joint Model-Policy Optimization for Model-Based RL [172.37829823752364]
  本稿では,モデルとポリシーを共同でトレーニングする単一目的について提案する。 我々の目標は、期待されるリターンのグローバルな低い境界であり、この境界は特定の仮定の下で厳密になる。 結果のアルゴリズム(MnM)は概念的にはGANと似ている。
  論文  参考訳（メタデータ） (2021-10-06T13:43:27Z)
• LoRA: Low-Rank Adaptation of Large Language Models [71.75808607987281]
  Low-Rank Adaptation (LoRA)はトレーニング済みモデルの重みを凍結し、トレーニング可能な階数分解をTransformerアーキテクチャの各層に注入する。 GPT-3では、LoRAはトレーニング可能なパラメータの数を1万倍に減らし、計算ハードウェアの要求をフル微調整の3倍に削減できる。
  論文  参考訳（メタデータ） (2021-06-17T17:37:18Z)

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。