論文の概要: Competitive and Complementary Tools

• arxiv url: http://arxiv.org/abs/2607.18460v1
• Date: Mon, 20 Jul 2026 19:17:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-22 19:05:05.221514
• Title: Competitive and Complementary Tools
• Title（参考訳）: 競合ツールと補完ツール
• Abstract要約: 私はエージェント、ツール、タスクを、能力(ユーザが保持するもの)と信頼性(ユーザがアウトソースするもの)が共進化する1つの動的システムとしてモデル化します。 このモデルはGPSや地図の利用、算術の専門知識、言語モデルなど、いくつかの独立したデータセットに対してテストされている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Humans have always externalized thought onto tools, from the tally and the abacus to the map and, now, large language models. I model the agent, the tool, and the task as one dynamical system in which competence (what the user retains) and reliance (what the user outsources) co-evolve, and find that the outcome is bistable. Above a critical tool availability the competent state is destroyed and competence collapses toward a low dependent floor as the user outsources completely. Lowering availability does not reverse the collapse until a far lower threshold, so history of practice rather than the current tool fixes the state. Two users with the same present access can therefore occupy opposite and lasting states, one competent and one dependent, decided only by which they built first. The collapse threshold depends jointly on the competence a user brings to a task and on the tool's transparency, the fraction of its working a user can reconstruct. In the case where an agent faces an uncertain goal, a tool can cause agency itself to transfer to the tool and the human-agent becomes an agentic-instrument, irreversibly, because the tool's model is too large to internalize. The model is tested against several independent data sets, including GPS and map use, arithmetic expertise, and language models. These results reframe how tools should be built, how artificial intelligence is deployed, and what a tool-resistant education might require.
• Abstract（参考訳）: 人間は常に思考をツールに外付けし、背もたれやアバカスから地図、そして今では大きな言語モデルまで。 私はエージェント、ツール、タスクを、能力(ユーザが保持するもの)と信頼性(ユーザがアウトソースするもの)が共進化する1つの動的システムとしてモデル化し、その結果がバイスタブルであることに気付きます。 重要なツールの可用性の上に、有能な状態が破壊され、ユーザが完全にアウトソースするにつれて、能力が低依存のフロアに向かって崩壊する。 可用性の低下は、はるかに低いしきい値まで崩壊を反転させません。 それゆえ、同じアクセスを持つ2つのユーザが、一方の有能性と一方の依存する状態が、最初に構築した状態によってのみ決定される。 崩壊しきい値は、ユーザがタスクにもたらす能力と、ツールの透明性によって、ユーザが再構築できる作業のごく一部に依存します。 エージェントが不確実な目標に直面している場合、ツール自体がツールに転送され、ツールのモデルが内部化するには大きすぎるため、エージェントがエージェントのインストールとなる。 このモデルはGPSや地図の利用、算術の専門知識、言語モデルなど、いくつかの独立したデータセットに対してテストされている。 これらの結果は、ツールの構築方法、人工知能のデプロイ方法、ツールに耐性のある教育に必要なものを再定義する。

関連論文リスト

• Forgotten in Weights, Recovered by Tools: Agentic Tool Unlearning for LLM Agents [54.050506620820784]
  エージェントツールアンラーニング(ATU)は、通常のツール使用を保持しながら、パラメトリックリコールとツールによるリカバリの両方を削減することを目的としている。 ATUは、ツール強化されたエージェントデプロイメント下で、ターゲットの忘れと保持ユーティリティのバランスを向上し、未学習をより堅牢にする。
  論文  参考訳（メタデータ） (2026-08-21T18:34:48Z)
• Do Multimodal Agents Really Benefit from Tool Use? A Systematic Study of Capability Gains [20.11899219087138]
  画像のエージェントであるThymeとDeepEyesV2を用いて、現実世界の理解、OCR、チャート理解、数学的推論の2つの代表的思考について検討する。 ツールアクセスは、一貫した集約的改善がほとんど得られず、生成したコストを確実に削減することができず、小さなツールのみの解決セットのみを残している。
  論文  参考訳（メタデータ） (2026-06-01T15:04:25Z)
• Offloading Score: Measuring AI Reliance Through Counterfactual Workflows [70.84727355516559]
  私たちは、AIツールにオフロードされた認知活動の分断を定量化する、信頼度尺度であるオフロードスコアを導入します。 本研究は,本質的な計量妥当性評価と制御されたユーザスタディにより,オフロードスコアの検証を行う。 オフロードスコアは、時間制約設定における依存度を著しく高めることを示す。
  論文  参考訳（メタデータ） (2026-05-28T05:44:31Z)
• Enabling Extensible Embodied Capabilities with Tools [29.084279305733336]
  エンボディード・インテリジェンス(Embodied Intelligence)は、統一されたパラメータ化されたポリシーの中で知覚、推論、計画、制御を定式化する。 本稿では,異種機能を独立に最適化したツールに分解し,推論時に動的に起動する機能外化手法を提案する。
  論文  参考訳（メタデータ） (2026-05-26T07:18:36Z)
• When to Trust Tools? Adaptive Tool Trust Calibration For Tool-Integrated Math Reasoning [58.75883713573783]
  Tool-Integrated Reasoningは、推論軌道にツール呼び出しと実行を組み込む有望なパラダイムとして登場した。 モデルの推論がツールの結果と矛盾する場合、モデルは自身の推論を信じる傾向にあります。 アダプティブ・ツール・トラスト(ATTC、Adaptive Tool Trust)は、モデルに対して、ツール結果の信頼性や無視を適応的に選択するフレームワークである。
  論文  参考訳（メタデータ） (2026-04-09T14:14:37Z)
• Tool-Genesis: A Task-Driven Tool Creation Benchmark for Self-Evolving Language Agent [45.450766613995135]
  Tool-Genesisは、複数の次元にわたるエージェント能力の定量化のために設計された診断ベンチマークである。 最先端モデルでさえ、ワンショット設定で正確なツールインターフェースや実行可能なロジックを生成するのに苦労しています。
  論文  参考訳（メタデータ） (2026-03-05T17:44:29Z)
• Agent0: Unleashing Self-Evolving Agents from Zero Data via Tool-Integrated Reasoning [84.70211451226835]
  大規模言語モデル(LLM)エージェントは、人間の計算データへの依存によって制約される。 我々は,外部データを持たない高性能エージェントを進化させる完全自律型フレームワークであるAgent0を紹介する。 Agent0は推論能力を大幅に向上させ、Qwen3-8B-Baseモデルを数学的推論で18%改善し、一般的な推論ベンチマークで24%改善した。
  論文  参考訳（メタデータ） (2025-11-20T05:01:57Z)
• SMART: Self-Aware Agent for Tool Overuse Mitigation [58.748554080273585]
  現在のLarge Language Model (LLM) エージェントは、強力な推論とツールの使用能力を示すが、しばしば自己認識に欠ける。 この不均衡はツール・オーバーユースにつながり、モデルはパラメトリックな知識を持つタスクに対して、不要に外部ツールに依存する。 SMART(Strategic Model-Aware Reasoning with Tools)は、エージェントの自己認識を高め、タスクハンドリングを最適化し、ツールの過剰使用を減らすパラダイムである。
  論文  参考訳（メタデータ） (2025-02-17T04:50:37Z)
• Making Language Models Better Tool Learners with Execution Feedback [36.30542737293863]
  ツールは、人間が環境を理解し、形を変えることができる重要なインターフェースとして機能する。 既存のツール学習手法は、ツールを無差別に活用するために大きな言語モデルを誘導する。 ツール実行からのフィードバックを通じてモデルを継続的に学習することを可能にする2段階のエンドツーエンドフレームワークであるTool leaRning wIth exeCution fEedback (TRICE)を提案する。
  論文  参考訳（メタデータ） (2023-05-22T14:37:05Z)
• Tool Learning with Foundation Models [158.8640687353623]
  基礎モデルの出現により、AIシステムは、人間としてのツールの使用に等しく適応できる可能性がある。 その大きな可能性にもかかわらず、この分野における重要な課題、機会、そして将来の取り組みに関する包括的な理解はいまだに欠けている。
  論文  参考訳（メタデータ） (2023-04-17T15:16:10Z)

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。