論文の概要: Clarify the User or Verify the World? Uncertainty Routing for Proactive Agents

• arxiv url: http://arxiv.org/abs/2609.32255v1
• Date: Sat, 26 Sep 2026 05:25:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-07 18:26:59.985234
• Title: Clarify the User or Verify the World? Uncertainty Routing for Proactive Agents
• Title（参考訳）: ユーザを明確にするか、世界を検証するか : プロアクティブエージェントの不確実性ルーティング
• Abstract要約: 本稿では,プロアクティブな不確実性ルーティングフレームワーク PROUR を提案する。 PROURは、アクションの不確実性を、もっともらしいユーザゴール解釈の相違に分解する。 $-benchでは、PRURは小売りと航空会社全体で平均28.17%の成功率を達成した。
• 参考スコア（独自算出の注目度）: 37.58744685401336
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Tool-using LLM agents must decide not only whether additional information is needed, but also which source can resolve the uncertainty. Existing proactive approaches often specialize in either user clarification or environment verification, without explicitly determining the appropriate information source for each decision. We formulate this problem as uncertainty routing among ACT, CLARIFY, and VERIFY, and propose PROUR, a proactive uncertainty routing framework. PROUR decomposes action uncertainty into disagreement across plausible user-goal interpretations, which signals user-side ambiguity, and the entropy remaining within each interpretation, which signals missing world-side evidence. To acquire information from the routed source, a query generator is trained with a mode-conditioned information-gain reward, targeting user-goal identification under CLARIFY and next-action identification under VERIFY. On $τ$-bench, PROUR achieves 28.17% average success rate across retail and airline, outperforming the strongest prior method by 4.57% while using 2.17 fewer interaction steps. The learned policy further generalizes to stronger task agents and transactional domains of $τ^3$-bench without retraining, demonstrating the benefit of source-aligned uncertainty resolution for proactive agents.
• Abstract（参考訳）: ツールを使用するLLMエージェントは、追加情報が必要かどうかだけでなく、どのソースが不確実性を解決することができるかを判断する必要がある。 既存のプロアクティブなアプローチは、決定ごとに適切な情報ソースを明示的に決定することなく、ユーザの明確化または環境検証を専門とすることが多い。 本稿では,ACT,CLARIFY,VERIFY間の不確実性ルーティングとしてこの問題を定式化し,積極的な不確実性ルーティングフレームワーク ProUR を提案する。 PROURは、行動の不確実性を、ユーザ側の曖昧さと各解釈に残るエントロピーを示唆し、世界側の証拠の欠如を示唆する、もっともらしいユーザゴール解釈の相違に分解する。 ルーティングされたソースから情報を取得するために、クエリジェネレータは、CLARIFYのユーザゴール識別とVERIFYの次アクション識別をターゲットとしたモード条件情報ゲイン報酬で訓練される。 τ$-benchでは、PRURは小売業と航空会社の平均成功率28.17%を達成し、2.17のインタラクションステップを使用しながら、最強の4.7%を上回った。 学習されたポリシーは、より強力なタスクエージェントと$τ^3$-benchのトランザクショナルドメインに再トレーニングすることなく一般化し、プロアクティブエージェントに対するソース整合の不確実性解決の利点を示す。

関連論文リスト

• CLAIM: Leading Open-domain Active Clarification of Large Language Models with Uncertainty Measurement [50.91045324738942]
  CLAIMは、オープンドメイン環境でのアクティブな明確化学習のための不確実性駆動フレームワークである。 本研究では,不確実性推定とセマンティッククラスタリングと推論に基づく判断を統合したエントロピー駆動型合成データ生成パイプラインを提案する。 実験の結果,手動でラベル付けしたデータに頼ることなく,CLAIMが安定かつ一般化可能な明確化戦略を学習できることが確認された。
  論文  参考訳（メタデータ） (2026-08-12T04:27:45Z)
• 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)
• Exploring Agentic Tool-Calling Decisions via Uncertainty-Aligned Reinforcement Learning [63.24624171679711]
  大規模言語モデル(LLM)ベースのエージェントは、しばしば最適なツール使用の決定を行う。 本研究では、不確実性分離を維持するための推進力として、不確実性定量化を報酬設計に組み込んだTRUSTを提案する。
  論文  参考訳（メタデータ） (2026-06-05T07:08:34Z)
• Uncertainty-Aware Clarification in LLM Agents with Information Gain [21.146374732674015]
  LLM(Large Language Model)エージェントは、しばしば不特定ユーザ命令を操作する。 本稿では,あいまいさの解消と明確化行動の整合性を考慮した目標指向の明確化フレームワークを提案する。 我々は、この報酬を使って、高い情報ゲインを最適化するためにクラリファイア(LLM)を訓練する。
  論文  参考訳（メタデータ） (2026-06-02T04:23:59Z)
• InfoGatherer: Principled Information Seeking via Evidence Retrieval and Strategic Questioning [50.375547542738055]
  InfoGathererは、2つの補完的なソースから行方不明の情報を収集するフレームワークである。 InfoGathererは、法的および医療的タスクのターンを減らしながら、強力なベースラインを上回ります。
  論文  参考訳（メタデータ） (2026-03-06T04:55:03Z)
• InfoPO: Information-Driven Policy Optimization for User-Centric Agents [39.407032905771885]
  アクティブな不確実性低減のプロセスとしてマルチターンインタラクションをフレーム化するInfoPOを紹介する。 情報ゲイン報酬を計算し、そのフィードバックがエージェントのその後の行動分布を変化させるクレジットを回す。 そして、この信号とタスク結果とを適応分散ゲート融合により結合する。
  論文  参考訳（メタデータ） (2026-02-28T13:58:14Z)
• Value of Information: A Framework for Human-Agent Communication [34.068772934008244]
  大きな言語モデル(LLM)エージェントは基本的なジレンマに直面している: ユーザ要求は不明確だが、エージェントは不完全な情報に対処するか、明確化のためにユーザーを中断するかを決定する必要がある。 我々は、情報の価値(VoI)を通じてこのトレードオフを解決する決定論的枠組みを導入する。 我々は、VoIが手作業で調整された最高のベースラインと一貫して一致し、高いコスト設定で最大1.36のユーティリティポイントを達成することを示す。
  論文  参考訳（メタデータ） (2026-01-10T03:07:41Z)
• Are Your Agents Upward Deceivers? [73.1073084327614]
  大規模言語モデル(LLM)ベースのエージェントは、ユーザのためにタスクを実行する自律的な従属者として、ますます使われています。 これは、人間の組織の個人がどのように上官に嘘をついて良いイメージを作り出したり、罰を免れるかのような、詐欺にも関与するかどうかという問題を提起する。 本研究では,環境制約に直面するエージェントが障害を隠蔽し,報告なしに要求されない動作を行う現象であるエージェント上行錯誤を観察・定義する。
  論文  参考訳（メタデータ） (2025-12-04T14:47:05Z)
• SAUP: Situation Awareness Uncertainty Propagation on LLM Agent [52.444674213316574]
  大規模言語モデル(LLM)は多段階エージェントシステムに統合され、様々なアプリケーションにまたがる複雑な意思決定プロセスを可能にする。 既存の不確実性推定手法は主に最終段階の出力に重点を置いており、これは多段階決定プロセスにおける累積的不確実性やエージェントとその環境間の動的相互作用を考慮できない。 LLMエージェントの推論プロセスの各ステップを通じて不確実性を伝播する新しいフレームワークであるSAUPを提案する。
  論文  参考訳（メタデータ） (2024-12-02T01:31:13Z)

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。