論文の概要: Learning from Failures: Heterogeneous Graph Memory for Small Language Model Tool-Using Agents

• arxiv url: http://arxiv.org/abs/2609.28003v1
• Date: Wed, 23 Sep 2026 12:31:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 00:05:18.016675
• Title: Learning from Failures: Heterogeneous Graph Memory for Small Language Model Tool-Using Agents
• Title（参考訳）: 失敗から学ぶ:小言語モデルツール用エージェントの不均一グラフメモリ
• Abstract要約: FRESHは、experience-Structured Heterogeneous graph上のFureure-Aware Retrievalフレームワークである。 フリーズ言語モデルは信頼性の高い戦略を再利用し、失敗を繰り返しないようにし、ステートフルなツールインタラクションにおいてより安全な決定を行うのに役立つ。
• 参考スコア（独自算出の注目度）: 34.80612038272403
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Small and medium-sized language models offer cost-effective executors for tool-using agents, making them attractive for local and large-scale deployment. However, in long-horizon and stateful environments, they often make structural errors such as missing required observations, performing premature writes, repeating failed calls, and violating action preconditions. These errors can lead to incorrect state updates, policy violations, and costly or irreversible consequences, making reliable tool execution a critical deployment challenge. Existing fine-tuning approaches require substantial data and computation, while flat memory may retrieve failed actions without preserving their causal context or safety conditions. In this paper, we propose FRESH, a Failure-aware Retrieval framework over Experience-Structured Heterogeneous graphs, which transforms historical successes and failures into structured external experience for tool-using agents. By explicitly modeling the dependencies among tasks, actions, errors, repairs, and execution conditions, FRESH helps frozen language models reuse reliable strategies, avoid recurring failures, and make safer decisions in stateful tool interactions. Experiments on $τ$-Bench and AppWorld with multiple open-source models show that FRESH consistently improves task success and tool-use reliability over no-memory agents and representative memory-based baselines.
• Abstract（参考訳）: 小型および中規模の言語モデルは、ツール使用エージェントに費用対効果の高いエグゼキュータを提供し、ローカルおよび大規模デプロイメントに魅力的なものとなっている。 しかし、長い水平とステートフルな環境では、要求される観察の欠如、未熟な書き込みの実行、失敗した呼び出しの繰り返し、行動前提条件違反といった構造上の誤りをしばしば犯す。 これらのエラーは、誤った状態更新、ポリシー違反、コスト、あるいは不可逆的な結果につながる可能性があるため、信頼性の高いツール実行が重要なデプロイメント課題になる。 既存の微調整アプローチでは、相当なデータと計算を必要とするが、フラットメモリは、因果コンテキストや安全性条件を保たずに、動作が失敗する可能性がある。 本稿では、過去の成功と失敗をツール使用エージェントの構造化外部エクスペリエンスに変換する、経験構造化不均質グラフ上のフェール対応検索フレームワークであるFRESHを提案する。 タスク、アクション、エラー、修正、実行条件間の依存関係を明示的にモデル化することで、FRESHはフリーズ言語モデルが信頼性の高い戦略を再利用し、失敗を繰り返しないようにし、ステートフルなツールインタラクションにおいてより安全な決定を行うのに役立つ。 複数のオープンソースモデルを使った$τ$-BenchとAppWorldの実験によると、FRESHは、非メモリエージェントや代表メモリベースのベースラインよりも、タスクの成功とツール使用の信頼性を一貫して改善している。

関連論文リスト

• ParaRecover: A Process-Level Benchmark for Error Localization and Recovery in Parallel Tool-Use Agents [9.426759720914623]
  ParaRecoverは、マルチターン並列ツール使用エージェントのエラーローカライゼーションとリカバリを評価するための、プロセスレベルのベンチマークである。 計画依存関係、ツールの選択、引数マッチングを含む14のエラータイプの詳細な分類に基づいて、ベンチマークは2つの困難レベルにまたがる10,626のインスタンスで構成されている。 実験によると、最先端のモデルでさえも、マルチターンエラーの伝播、ツール使用障害の簡易化、正確な再計画に苦戦している。
  論文  参考訳（メタデータ） (2026-09-11T02:09:33Z)
• When Not to Imitate: Boundary-Aware Skill Memory for Reliable Tool-Use LLM Agents [62.10623192614306]
  過去の成功からスキルを抽出することは、Large Language Model (LLM)エージェントの効率的な進化に不可欠である。 textbfBoundary-Aware Skill Memory (BASM)を提案する。 BASMは、成功度の高いスキルメモリベースラインを一貫して上回る。
  論文  参考訳（メタデータ） (2026-08-23T10:16:06Z)
• ScrambleToolBench: Agents Search Exhaustively Even When Their Own Map Points to the Next Step [74.83535434786145]
  ScrambleToolBenchは,行動推論の分離を目的とした対話型端末ベンチマークである。 このベンチマークでは、エージェントがテストとエラーのインタラクションを通じて、隠されたツールの振る舞いを明らかにする必要がある。 現状の言語モデルに対する我々の評価は、初期発見が成功しても頑健な適応にはならないことを示している。
  論文  参考訳（メタデータ） (2026-08-03T15:07:46Z)
• Verified Tool Calls Improve LLM Agent Reliability Under Non-Atomic Failures [0.0]
  現実世界のシステムは、ディスパッチ後のタイムアウト、遅延可視性、部分的な状態更新など、非原子的な振る舞いを示す。 これらのミスマッチは、重複アクション、タスク成功、不要なツール実行などの信頼性の問題を引き起こす。 ライトウェイトで検証対応のツールラッパーが導入されており、ツールコールをポストコンディション検証、バリデーション前ロジック、イデオロケーションキーで拡張する。
  論文  参考訳（メタデータ） (2026-07-31T16:16:14Z)
• FAMA: Failure-Aware Meta-Agentic Framework for Open-Source LLMs in Interactive Tool Use Environments [60.3427704389541]
  大規模言語モデルは、自律エージェントの意思決定コアとして、ますます多くデプロイされている。 しかし、会話のベンチマークでは、誤った意思決定のカスケード効果のために、これらのエージェントは頻繁に失敗する。 これらの課題に対処するために、Failure-Aware Meta-Agenticフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-28T02:21:53Z)
• 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)
• Lost in Execution: On the Multilingual Robustness of Tool Calling in Large Language Models [5.6688028729584055]
  大規模言語モデル(LLM)は、構造化関数呼び出しを通じて外部ツールを呼び出すエージェントとして、ますます多くデプロイされている。 診断ベンチマークであるMLCLを導入し,中国語,ヒンディー語,低リソース言語Igboを対象とした多言語ツールコールの体系的評価を行う。
  論文  参考訳（メタデータ） (2026-01-08T20:44:28Z)
• Improving Large Language Models Function Calling and Interpretability via Guided-Structured Templates [56.73907811047611]
  大規模言語モデル(LLM)は強力な推論とツール使用能力を示している。 LLMは、誤ったパラメータ化、悪いツールの選択、ユーザーの意図の誤解釈によって、現実世界のツールインタラクションで失敗することが多い。 我々は、構造化推論テンプレートを利用して、関数呼び出しを生成するためのより故意なステップバイステップ命令を通してLCMをガイドするカリキュラムに着想を得たフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-22T17:55:14Z)
• Do as I do (Safely): Mitigating Task-Specific Fine-tuning Risks in Large Language Models [93.08860674071636]
  悪質なアクターが、ほぼすべてのタスク固有のデータセットの構造を微妙に操作して、危険なモデル行動を促進する方法を示す。 本稿では,タスク形式を模倣した安全データとユーザデータのスタイルを混合した新しい緩和戦略を提案する。
  論文  参考訳（メタデータ） (2024-06-12T18:33:11Z)

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。