論文の概要: Controlling Tool Use with Heading-Specific Activation Steering

• arxiv url: http://arxiv.org/abs/2607.05790v1
• Date: Tue, 07 Jul 2026 03:34:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-08 21:24:51.380325
• Title: Controlling Tool Use with Heading-Specific Activation Steering
• Title（参考訳）: ヘッド比活性化ステアリングを用いた工具の制御
• Abstract要約: ツール使用の決定が、抽出・操作可能な安定した内部表現を持つかどうかを検討する。 本研究では,方向アンカー位置から抽出したステアリングベクトルがツール起動行動に対して双方向因果制御を行うことを示す。
• 参考スコア（独自算出の注目度）: 45.332672398938136
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Tool-augmented large language models extend their capabilities beyond parametric knowledge through external tools, but tend to invoke them unnecessarily. We investigate whether tool-use decisions have any stable internal representation that can be extracted and manipulated, a question that is non-trivial given that tools exist entirely in context at inference time and have no direct encoding in model weights. We show that steering vectors extracted from heading-anchors positions exert bidirectional causal control over tool-invocation behavior across five open-source models and three domains, suppressing unnecessary tool use most effectively in domains where parametric reasoning suffices. However, geometric analysis reveals that this causal effectiveness does not correspond to clean linear structure: tool-invocation steps exhibit diffuse, bimodal alignment with the suppression vector rather than the consistent negative alignment a linear encoding account would predict, and different tool types recruit largely distinct internal signatures with low cross-tool feature overlap. We hypothesize these geometric properties are indicative of the non-parametric nature of tools, and distinguish tool-use steering vectors from those extracted for parametrically grounded concepts. The relationship between this geometric irregularity and the observed causal effectiveness remains an open question.
• Abstract（参考訳）: ツール拡張された大きな言語モデルは、外部ツールを通じてパラメトリック知識を超えて機能を拡張するが、不要にそれらを呼び出す傾向がある。 本稿では,ツール使用の決定が内部表現を安定的に抽出し,操作できるかどうかを考察する。この問題は,ツールが推論時に完全にコンテキストに存在することと,モデル重みの直接符号化が存在しないことを考えると,非自明な問題である。 5つのオープンソースモデルと3つのドメインにまたがるツール起動動作を双方向に因果制御することにより,パラメトリック推論が十分であるドメインにおいて,不要なツールの使用を効果的に抑制できることを示す。 ツール起動ステップは、線形符号化アカウントが予測する一貫性のある負のアライメントではなく、抑圧ベクトルとのバイモーダルアライメントを示す。 これらの幾何学的性質はツールの非パラメトリックな性質を示すものであると仮定し、パラメトリック基底概念のために抽出されたものとツール利用ステアリングベクトルを区別する。 この幾何学的不規則性と観察された因果効果の関係は未解決の問題である。

関連論文リスト

• ToolRobustBench: Stage-Wise Perturbation Evaluation and Failure Diagnosis for Tool-Calling Agents [16.995082216096787]
  大規模言語モデルは基本的なエージェント機能としてツール呼び出しに依存している。 クリーンなエンドツーエンド(E2E)の成功は、ツール使用障害の発生場所や、呼び出しを通じてどのように伝播するかを特定できない。 ツールコールエージェントの段階的診断ベンチマークである ToolRobustBench を紹介する。
  論文  参考訳（メタデータ） (2026-08-23T15:22:49Z)
• Beyond the Eye: Efficient Multimodal Reasoning via Self-Regulated Implicit Visual Tools [65.7098588070281]
  我々は,自己制御能力を中心とした新しい視覚ツールパラダイムであるBeyond the Eye (BEE)を提案する。 BEEは、視覚的ツールの呼び出し動作をトレーニングの目的に取り入れ、自己規制された呼び出しメカニズムを開発するようモデルに促す。 BEEは、一般的な推論タスクにおいて競争力を維持しながら、きめ細かい視覚知覚において最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-07-13T05:32:00Z)
• Model-Adaptive Tool Necessity Reveals the Knowing-Doing Gap in LLM Tool Use [47.29360932085394]
  大規模言語モデル(LLM)は、外部ツールを呼び出す時と直接答える時を判断しなければならない自律的なエージェントとして、ますます機能します。 本稿では,各モデルの経験的性能に基づいて,ツール必要度をモデル適応的に定義する。 その結果,26.5～54.0%,30.8～41.8%のミスマッチが認められた。
  論文  参考訳（メタデータ） (2026-05-13T18:59:28Z)
• TRACER: Verifiable Generative Provenance for Multimodal Tool-Using Agents [19.156453695628013]
  マルチモーダル・ツール・ユース・エージェントにおけるジェネレーティブ・プロビデンスを検証するためのフレームワークであるTRACERを紹介する。 TraCERは、サポートツールターン、エビデンスユニット、セマンティックサポート関係を識別する構造化された証明レコードとともに、各回答文を生成する。 Qwen3-VL-8Bでは、TRACERは78.23%の回答精度と95.72%の要約精度に達し、最強のクローズドソースツール強化ベースラインを23.80ポイント上回った。
  論文  参考訳（メタデータ） (2026-05-11T03:32:55Z)
• Do LLMs Know Tool Irrelevance? Demystifying Structural Alignment Bias in Tool Invocations [32.820855447313825]
  大規模言語モデル (LLM) は、外部ツールを利用する際の優れた能力を実証している。 LLMは、しばしばユーザーのクエリに関係のないツールに晒される。 ツールがユーザの目標を達成できなかったとしても、クエリ属性がツールパラメータに有効に割り当てられる場合、LSMはそれを呼び出す傾向があります。
  論文  参考訳（メタデータ） (2026-04-13T11:23:36Z)
• 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)
• ToolLibGen: Scalable Automatic Tool Creation and Aggregation for LLM Reasoning [80.10274552177096]
  外部ツールを備えたLarge Language Models (LLM) は、複雑な推論タスクにおけるパフォーマンスの向上を実証している。 このツールに強化された推論が広く採用されるのは、ドメイン固有のツールが不足しているためである。 構造化ツールライブラリに非構造化ツールのコレクションを自動的に組み込むための体系的なアプローチを提案する。
  論文  参考訳（メタデータ） (2025-10-09T04:11:16Z)
• Acting Less is Reasoning More! Teaching Model to Act Efficiently [87.28134636548705]
  ツール統合推論は、タスクを解決するために外部ツールを呼び出す機能によって、大きな言語モデルを拡張します。 現在のアプローチは、外部ツールの使用効率や必要性を考慮せずに、最終的な正確性のためにのみ最適化されている。 最小限のツールコールで正確な回答をモデルに提示するフレームワークを提案する。 このアプローチでは,ツールコールを最大68.3%削減し,ツールの生産性を最大215.4%向上すると同時に,同等の回答精度を維持している。
  論文  参考訳（メタデータ） (2025-04-21T05:40:05Z)
• 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)

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。