論文の概要: Context Assembly as the Controlled Variable: A Control-Theoretic View of Harness Policies for Frozen LLM Agents
- arxiv url: http://arxiv.org/abs/2607.25408v1
- Date: Tue, 28 Jul 2026 08:07:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-29 20:50:42.755075
- Title: Context Assembly as the Controlled Variable: A Control-Theoretic View of Harness Policies for Frozen LLM Agents
- Title（参考訳）: 制御変数としてのコンテキストアセンブリ:凍結LDMエージェントのハーネスポリシの制御理論的視点
- Abstract要約: 我々は、船が航行したLSMエージェントに制御理論を導入するわけではない。
以前の作業は、ツールの選択、エージェント間メッセージルーティング、あるいはエージェントの生のアクションストリームを制御する。
本稿では,オンラインコントローラの形式的分解について述べる。
- 参考スコア（独自算出の注目度）: 2.452218069720666
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A growing body of 2026 work applies control theory to LLM agents: Lyapunov-certified stability for tool-mediated controllers (Prinos et al., "Stable Agentic Control", 2026), sample-complexity bounds for sparse policies over massive discrete tool universes (Majumdar, "Sparse Agentic Control", 2026), and regulatory-control decompositions of multi-agent systems into auditable feedback loops (Nogueira and Skogestad, 2026). We do not claim to introduce control theory to LLM agents -- that ship has sailed. Our narrower claim is about what the controlled variable is. Prior work controls tool selection, inter-agent message routing, or the agent's raw action stream. We instead treat context assembly itself -- which prompt template, which few-shot demonstrations, how much retrieved context, how many planning/verification passes -- as the controlled variable, learned online by a contextual bandit or REINFORCE policy sitting outside a frozen model. This paper develops the formal decomposition (inner frozen policy $π_θ$, outer context policy $π_φ$), gives a stability argument for the online controller in the sense used by Zhang et al. (2026) (non-decreasing expected reward under bounded policy change), and reports an uncertainty-calibration analysis of the controller's own confidence against realized task outcomes. The applied counterpart to this paper instantiates the same controller across three domains and two model providers and releases the dataset, trajectory logs, and a deployment recipe; here we focus on the formal framing and the stability/uncertainty evidence a control-theoretic claim requires.
- Abstract（参考訳）: Lyapunov-certified stability for tool-mediated controllers (Prinos et al , "Stable Agentic Control", 2026), sample-complexity bounds for sparse Policy over massive discrete tool universes (Majumdar, "Sparse Agentic Control", 2026), and regulatory-control decompositions of multi-agent systems into auditable feedback loops (Nogueira and Skogestad, 2026)。
我々は、船が航行したLSMエージェントに制御理論を導入するわけではない。
我々のより狭い主張は、制御された変数が何であるかに関するものである。
以前の作業は、ツールの選択、エージェント間メッセージルーティング、あるいはエージェントの生のアクションストリームを制御する。
その代わりに、コンテクストアセンブリ自体を -- 数ショットのデモ、検索されたコンテクストの回数、制御された変数として計画/検証の回数など -- プロンプトするテンプレートを、フリーズモデルの外に座っているコンテクスト的なバンディットやREINFORCEポリシーによってオンラインに学習します。
本稿では, Zhang et al (2026) が用いた意味において, オンラインコントローラの形式的分解(内部凍結政策 $π_θ$, 外部文脈ポリシー $π_φ$) を論じ, 実効的なタスク結果に対するコントローラ自身の信頼度の不確実な校正分析を報告する。
本稿では、3つのドメインと2つのモデルプロバイダで同じコントローラをインスタンス化し、データセット、トラジェクトリログ、デプロイメントのレシピをリリースする。
関連論文リスト
- From Transient Prompts to Persistent Control: Scientific Poster Generation via Recursive Semantic-Geometric Contracts [67.34566880931716]
PosterVisorは、ポスター生成を一時的なプロンプトから永続的なコントロールに移行するコントロールフレームワークである。
オーケストラは、紙と視覚資産にルーリックを置き、それらをセマンティック幾何学契約にコンパイルする。
Recursive Contract Enforcement (RCE) は証拠が現れると、ステージ全体のチェックを動的にトリガーする。
論文 参考訳（メタデータ） (2026-09-15T15:32:07Z) - Agentic Visual Generation: From Generative Models to Agentic Control [73.3572965008302]
ほとんどの既存のシステムでは、コントローラはLLMまたはVLMであり、ビジュアルジェネレーションモデルはツールやエグゼクタとして機能する。
計画の深さ、道具の使用、複数ロールの協調、強化学習は、しばしばエージェント性の証拠として扱われる。
生成プロセスにおいて、コントローラが直接制御できるものに応じてフィールドを整理する。
論文 参考訳（メタデータ） (2026-09-06T17:59:24Z) - A Systematic Approach to Multi-Agent AI from Advanced Regulatory Control Theory: Safe and Auditable LLM Operator Agents for Process Control [0.2864713389096699]
プロセス制御の原則の下でのマルチエージェントの改革は、これらの点に対処するための経路を提供する、という仮説を立てることが可能である。
本研究は、高度な規制制御(ARC)理論から導かれた、このような改革を提案する。
論文 参考訳（メタデータ） (2026-06-29T20:07:47Z) - A hardware-safety-gated system for LLM-written native ARTIQ control code on a trapped-ion platform [18.226528651110133]
大言語モデル(LLM)エージェントは、実験的な制御コードを書き、実行することができる。
チェックされていないコードは装置を損傷させる可能性があり、人間の承認/監督とエージェントの判断の間に正式な操作ごとの境界は存在しない。
本稿では,LLMエージェントを,そのような境界を保ちながらトラップイオン実験のループに配置する制御システムを提案する。
論文 参考訳（メタデータ） (2026-06-25T16:19:23Z) - RACL: Reasoning-Agent Control Layers for Continuous Metaheuristic Learning [0.0]
本稿ではメタヒューリスティックスのためのReasoning-Agent Control LayerであるRACLを紹介する。
エージェントはガードレールを置き換えず、ビジネス制約を変更しない。
エージェントの内部探索行動は、操作記憶を観察し、過去の行動を推論し、境界仮説を定式化し、介入をテストし、結果を評価し、アルゴリズムを適用し、有用なポリシーを統合し、その決定を説明することによって、エージェントの内部探索行動を制御する。
論文 参考訳（メタデータ） (2026-06-18T12:05:16Z) - Machine-Coached Policy Revision in Adaptive Agent-Based Regulatory Simulation: A Controller-Level Contestability Layer [0.0]
本稿では,適応型エージェントベース規制のための軽量な機械学習対応ポリシ・リビジョン層を提案する。
このコントリビューションは、新しい最適コントローラではなく、無制限のマシンコーチングの正式な保証を主張するものではない。
論文 参考訳（メタデータ） (2026-06-15T10:36:10Z) - Structural Distinguishability of Static and Adaptive Policy Regimes in Agent-Based Regulatory Simulation [0.0]
本稿では,新しい汎用フレームワークではなく,制御されたシミュレーションベンチマークに寄与する。
本研究は, ナイーブな固定ポリシー, トラッキング対応の固定ポリシ, および, セットポイント, 安全マージン, 片側制御の3つの適応コントローラを評価する。
このコントリビューションは、スカラーインジケータ、キャップ相対的なシンボル診断、軌跡モチーフ、視覚検査によって、平均的な結果が類似しているように見える場合でも、どのように規制の結論が異なるかを共同で明らかにする。
論文 参考訳（メタデータ） (2026-06-15T10:06:32Z) - CIAware-Bench: Benchmarking Control Intervention Awareness Across Frontier LLMs [100.38986535324284]
我々は、フロンティアモデル全体でのtextbfcontrol textbfintervention (CI) の認識を測定するベンチマークである textbfCIAware-Bench を紹介する。
CIAware-Benchは、モデルが自身の軌跡を制御介入によって修正されたものと区別できるかどうかをテストする。
論文 参考訳（メタデータ） (2026-06-09T16:24:16Z) - Taming Actor-Observer Asymmetry in Agents via Dialectical Alignment [59.536125286960186]
セルフリフレクションと相互監査を可能にするために、専門的な役割を割り当てるマルチエージェントフレームワークがますます採用されている。
アクター・オブザーバ非対称性(Actor-Observer Asymmetric)と呼ばれる認知バイアスを同時に誘発する。
ReTASは、対立する視点を客観的なコンセンサスに合成するためにエージェントを誘導する。
論文 参考訳（メタデータ） (2026-04-21T15:05:58Z) - PolicyBank: Evolving Policy Understanding for LLM Agents [51.86716874651299]
PolicyBankは構造化されたツールレベルの政策洞察を維持し、それらを反復的に洗練する。
PolicyBankは、人間の神託に対するギャップの最大82%を閉じている。
論文 参考訳（メタデータ） (2026-04-16T20:29:30Z) - Dynamic analysis enhances issue resolution [53.50448142467294]
DAIRA(Dynamic Analysis-enhanced Issue Resolution Agent)は、エージェントの推論サイクルに動的解析を組み込む自動修復フレームワークである。
テストトレース駆動の方法論によって駆動されるDAIRAは、軽量モニタを使用して重要なランタイムデータを抽出する。
Gemini 3 Flash Previewを使用すると、DAIRAは新たな最先端(SOTA)パフォーマンスを確立し、SWE-bench Verifiedデータセットで79.4%の解像度を達成する。
論文 参考訳（メタデータ） (2026-03-23T14:48:54Z) - Policy Search for Model Predictive Control with Application to Agile
Drone Flight [56.24908013905407]
MPCのためのポリシ・フォー・モデル・予測制御フレームワークを提案する。
具体的には、パラメータ化コントローラとしてMPCを定式化し、パラメータ化の難しい決定変数を高レベルポリシーとして表現する。
シミュレーションと実環境の両方において,我々の制御器が堅牢かつリアルタイムに制御性能を発揮することを示す実験を行った。
論文 参考訳（メタデータ） (2021-12-07T17:39:24Z)
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。