論文の概要: Proactive Service Agents: A Unified Decision Framework, Methods, and Evaluation
- arxiv url: http://arxiv.org/abs/2609.03727v1
- Date: Thu, 03 Sep 2026 12:00:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-04 18:28:39.050118
- Title: Proactive Service Agents: A Unified Decision Framework, Methods, and Evaluation
- Title（参考訳）: Proactive Service Agents: 統一された決定フレームワーク、メソッド、評価
- Abstract要約: 大規模な言語モデルエージェントは、外部状態の計画、実行、修正を行うことができるが、ほとんどのシステムは、まだ固定された開始点として明示的なユーザー命令を取る。
この調査は、イニシアティブを中心とした運用定義を与え、承認とリスクに制約された部分的に観察可能なシーケンシャルな決定プロセスとして問題を定式化します。
- 参考スコア（独自算出の注目度）: 6.657978673347863
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Large language model agents can plan, invoke tools, and modify external states, yet most systems still take an explicit user instruction as a fixed starting point. Proactive service moves the decision upstream: an agent must infer service opportunities from incomplete environmental and user signals, choose among remaining silent, asking, assisting, and acting, and account for interruption, misunderstanding, overreach, and privacy costs. This survey gives an operational definition centered on initiative and formulates the problem as a partially observable sequential decision process constrained by authorization and risk. The formulation represents timing, content, and delivery within one structured action, while making explicit the option value of waiting, the decision value of questions, and feedback-induced state changes. On this basis, we organize existing methods along one decision pipeline (state and need estimation, intervention gating, action construction, and feedback adaptation) and describe prescribed, predictive, model based, and return optimizing mechanisms as nonexclusive policy-construction components. We further normalize decision units and three-axis evidence descriptors across streaming dialogue, screen, video, software-engineering, and human-agent collaboration resources, and formalize metrics for triggering, timing, calibration, user burden, safety, and policy value. The synthesis shows why offline classification performance alone does not predict deployment benefit and why long-term memory is not a defining condition of proactivity. Reliable proactive service instead requires calibrated incremental intervention value, verifiable authorization, recoverable execution, and counterfactual evidence.
- Abstract（参考訳）: 大規模な言語モデルエージェントは、外部状態の計画、実行、修正を行うことができるが、ほとんどのシステムは、まだ固定された開始点として明示的なユーザー命令を取る。
エージェントは、不完全な環境やユーザ信号からサービス機会を推測し、サイレント、質問、アシスト、行動を選択し、中断、誤解、過度な侵害、プライバシーコストを考慮しなければならない。
この調査は、イニシアティブを中心とした運用定義を与え、承認とリスクに制約された部分的に観察可能なシーケンシャルな決定プロセスとして問題を定式化します。
定式化は、1つの構造化されたアクション内でのタイミング、内容、配信を表し、待機のオプション値、質問の決定値、フィードバックによる状態変化を明示する。
そこで本研究では,1つの決定パイプラインに沿った既存手法(状態と要求ゲーティング,介入ゲーティング,アクション構築,フィードバック適応)を整理し,規定,予測,モデルベース,返却最適化機構を非排他的政策構成要素として記述する。
さらに、ストリーミング対話、画面、ビデオ、ソフトウェアエンジニアリング、ヒューマンエージェントのコラボレーションリソースを通じて意思決定単位と3軸エビデンス記述器を正規化し、トリガ、タイミング、キャリブレーション、ユーザ負担、安全性、ポリシー価値の指標を定式化する。
この合成は、オフラインの分類性能だけでデプロイメントの利点を予測できない理由と、長期記憶がアクティブな定義条件ではない理由を示している。
信頼性の高いプロアクティブサービスは、キャリブレーションされたインクリメンタルな介入値、検証可能な承認、回復可能な実行、および反実的な証拠を必要とする。
関連論文リスト
- When Intelligence Becomes Agency: A Theory of Governed, Proactive Agency for Symbiotic AI Systems [0.0]
永続的なAIアシスタントは、人間の注意、記憶、調整をデジタル環境と物理環境にまたがって拡張することを意図している。
状況がいつ、いつ、どのモードで行動を保証するかは、彼ら自身で決めなければならない。
本稿では,支配的活動主体のための概念的・形式的な枠組みを開発する。
論文 参考訳（メタデータ） (2026-09-07T16:46:38Z) - Decision Making Needs Uncertainty Quantification [Lecture Notes] [35.36148913066079]
この講義ノートは、第一原理と単一決定論的な設定の中で、目的とエージェントの知識のリンクを発達させる。
リスクニュートラルなエージェントが状態の後方分布を必要とするのに対し、リスクオーバーなエージェントは予測セットと最悪の決定ルールに最適性を損なうことなく依存できることを示す。
論文 参考訳（メタデータ） (2026-07-15T22:50:26Z) - SovereignPA-Bench: Evaluating User-Owned Personal Agents under Evolving Intent, Platform Mediation, and Consent Constraints [0.0]
SovereignPA-Benchは、ユーザ所有の個人エージェントを評価するための実行可能なベンチマークである。
4つのモデルファミリーと8つのポリシーベースラインにまたがる120の主権ストレスシナリオを評価した。
論文 参考訳（メタデータ） (2026-07-06T17:39:05Z) - Autonomous Information Seeking: A Roadmap for Agentic Recommender Systems [64.88044474617854]
大規模言語モデルベースのエージェントをリコメンダシステムに迅速に統合することで、静的なランキングベースのパイプラインから、自律的でインタラクティブなシステムへのシフトが加速した。
この調査では、自律性のレベルとエージェントレコメンデータシステムの3つのコアパラダイムを基盤とした統合された分類法を紹介した。
論文 参考訳（メタデータ） (2026-07-05T17:55:05Z) - OLIVIA: Online Learning via Inference-time Action Adaptation for Decision Making in LLM ReAct Agents [74.20327254615854]
大規模言語モデルエージェントは、シーケンシャルな意思決定タスクを解決するために、推論、行動選択、観察をインターリーブする。
LLMエージェントの既存の推論時間適応法は、主にプロンプトや検索に依存している。
提案するOLIVIAは,ReAct型エージェントのための推論時行動適応フレームワークである。
論文 参考訳（メタデータ） (2026-05-11T19:28:20Z) - Contextual Multi-Objective Optimization: Rethinking Objectives in Frontier AI Systems [20.864964136537772]
AIの失敗の多くは、単にスケールや能力の失敗ではなく、客観的な選択の失敗である、と私たちは主張する。
この問題を,文体多目的最適化として定式化する。
私たちのフレームワークは、候補アクション、客観的見積、アクティブ制約、利害関係者、不確実性、コンフリクト解決手順に対するコンテキスト依存の選択ルールとして、AIの振る舞いをモデル化します。
論文 参考訳（メタデータ） (2026-05-05T15:55:19Z) - KnowU-Bench: Towards Interactive, Proactive, and Personalized Mobile Agent Evaluation [72.01173512175531]
KnowU-Benchはパーソナライズされたモバイルエージェントのためのオンラインベンチマークである。
42のGUIタスク、86のパーソナライズされたタスク、64のプロアクティブタスクをカバーしている。
明示的なタスク実行に優れるエージェントは、あいまいな指示の下で50%以下に低下する。
論文 参考訳（メタデータ） (2026-04-09T16:50:50Z) - ReIn: Conversational Error Recovery with Reasoning Inception [43.5498321001366]
本研究は,誤対話コンテキストの正確な診断と適切な回復計画の実行を必要とする誤り回復に焦点を当てる。
エージェントの意思決定プロセスに初期推論を組み込むテスト時間介入手法であるReasoning Inception (ReIn)を提案する。
ユーザ目標の達成を阻害する会話障害シナリオをシステマティックにシミュレートすることでReInを評価する。
論文 参考訳（メタデータ） (2026-02-19T02:37:29Z) - Online Decision Mediation [72.80902932543474]
意思決定支援アシスタントを学習し、(好奇心)専門家の行動と(不完全)人間の行動の仲介役として機能することを検討する。
臨床診断では、完全に自律的な機械行動は倫理的余裕を超えることが多い。
論文 参考訳（メタデータ） (2023-10-28T05:59:43Z) - Inverse Online Learning: Understanding Non-Stationary and Reactionary
Policies [79.60322329952453]
エージェントが意思決定を行う方法の解釈可能な表現を開発する方法を示す。
一連の軌跡に基づく意思決定プロセスを理解することにより,このオンライン学習問題に対して,政策推論問題を逆問題とみなした。
本稿では、エージェントがそれらを更新するプロセスと並行して、その影響を遡及的に推定する実用的なアルゴリズムを提案する。
UNOSの臓器提供受諾決定の分析に応用することで、我々のアプローチは意思決定プロセスを管理する要因や時間とともにどのように変化するかに、貴重な洞察をもたらすことができることを実証する。
論文 参考訳（メタデータ） (2022-03-14T17:40:42Z) - Inverse Active Sensing: Modeling and Understanding Timely
Decision-Making [111.07204912245841]
我々は,内因性,文脈依存型時間圧下でのエビデンスに基づく意思決定の一般的な設定のための枠組みを開発する。
意思決定戦略において、サプライズ、サスペンス、最適性の直感的な概念をモデル化する方法を実証する。
論文 参考訳（メタデータ） (2020-06-25T02:30:45Z)
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。