論文の概要: ParaAgent: Reinforcing Parallel Acting in Open-World Tool Environments

• arxiv url: http://arxiv.org/abs/2609.33618v1
• Date: Sun, 27 Sep 2026 14:34:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-05 15:14:05.946349
• Title: ParaAgent: Reinforcing Parallel Acting in Open-World Tool Environments
• Title（参考訳）: ParaAgent: オープンワールドツール環境での並列実行の強化
• Abstract要約: 言語モデルエージェントは、オープンワールドのツール環境にますますデプロイされています。 鍵となるのは、それらを分離するか、インターリーブするかではなく、粒度をまたいで調整する方法にある、と我々は主張する。 位相レベル探索を組み合わせた並列ループであるParaActを導入する。 $rightleftharpoons$ Execution with action-level parallelism
• 参考スコア（独自算出の注目度）: 44.124357840622274
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Language model agents are increasingly deployed in open-world tool environments, which require balancing exploring unknown capabilities and exploiting known ones. Existing methods face a performance-efficiency tradeoff: they either rigidly decouple exploration and execution or interleave them without coordination. We argue that the key lies not in whether to decouple or interleave them, but in how to coordinate them across granularities. We introduce ParaAct, a structured parallel-action loop that combines phase-level Exploration $\rightleftharpoons$ Execution with action-level parallelism. To learn this loop, ParaAgent combines multi-agent cold-start demonstrations with reinforcement learning under multi-level advantage decoupling, making planning structure explicit and supervising it with step-, phase-, and trajectory-level rewards. Learning is supported by our ToolEnv, a scalable simulator grounded in 50,011 realistic tool interfaces. On two open-world tool benchmarks, ParaAgent-4B achieves the best average success among all baselines, including GPT-4.1 systems, with the largest gains on multi-tool tasks. Behavioral analyses show that these gains stem from this action organization, highlighting its importance for capable and efficient open-world agents.
• Abstract（参考訳）: 言語モデルエージェントは、未知の能力の探索と既知のものの利用のバランスを必要とする、オープンワールドのツール環境にますますデプロイされている。 既存のメソッドは、厳格に探索と実行を分離するか、調整なしでインターリーブするか、パフォーマンス効率のトレードオフに直面します。 鍵となるのは、それらを分離するか、インターリーブするかではなく、粒度をまたいで調整する方法にある、と我々は主張する。 位相レベルの探索を$\rightleftharpoons$ Executionとアクションレベルの並列性を組み合わせた並列ループであるParaActを導入する。 このループを学習するために、ParaAgentはマルチエージェントのコールドスタートデモとマルチレベルのアドバンテージデカップリング下での強化学習を組み合わせることで、計画構造を明確化し、ステップレベル、フェーズレベル、トラジェクトリレベルの報酬で監視する。 学習は50,011のリアルなツールインターフェースを基盤としたスケーラブルなシミュレータであるToolEnvによってサポートされています。 2つのオープンワールドツールベンチマークにおいて、ParaAgent-4BはGPT-4.1システムを含む全てのベースラインで最高の平均的な成功を達成する。 行動分析は、これらの利益がこの行動組織に由来することを示しており、有能で効率的なオープンワールドエージェントの重要性を強調している。

関連論文リスト

• Exploratory, Communicative, and Deployable: Vision-Driven Embodied Agents for Open-World Mobile Manipulation [47.58516950734307]
  既存のフレームワークは、しばしば特権化されたシミュレータの状態に依存するか、あるいは完全な命令を仮定し、現実的なデプロイメント課題を回避します。 本稿では,オープンワールドモバイル操作のためのエージェントフレームワークREALを提案する。 我々は、データ収集、教師付き微調整、オンライン強化学習を駆動するための多様なタスク構成を設計する。
  論文  参考訳（メタデータ） (2026-07-15T09:55:45Z)
• ToolOmni: Enabling Open-World Tool Use via Agentic learning with Proactive Retrieval and Grounded Execution [49.30293260493709]
  大きな言語モデル(LLM)は、外部ツールを利用することで問題解決能力を高める。 静的埋め込み検索やパラメータ記憶に頼っている既存の手法は、ユーザの意図をツールのセマンティクスに合わせるのに苦労している。 提案するツールOmniは,プロアクティブ検索とグラウンドド実行により,オープンワールドツール利用のためのLLMを実現する統合エージェントフレームワークである。
  論文  参考訳（メタデータ） (2026-04-15T12:26:10Z)
• Code-in-the-Loop Forensics: Agentic Tool Use for Image Forgery Detection [59.04089915447622]
  ForenAgentはインタラクティブなIFDフレームワークで、MLLMが検出対象に関するPythonベースの低レベルツールを自律的に生成、実行、洗練することができる。 人間の推論にインスパイアされた我々は、グローバルな認識、局所的な焦点、反復的探索、そして全体論的偏見を含む動的推論ループを設計する。 実験の結果,ForenAgent は IFD 課題に対する創発的なツール利用能力と反射的推論を示すことがわかった。
  論文  参考訳（メタデータ） (2025-12-18T08:38:44Z)
• Training One Model to Master Cross-Level Agentic Actions via Reinforcement Learning [42.1534425503333]
  CrossAgentは異種作用空間をマスターし、軌道の各ステップで最も効果的なインターフェースを自律的に選択する統合エージェントモデルである。 オープンソースのMinecraft環境における800以上のタスクの実験は、CrossAgentが最先端のパフォーマンスを達成することを示す。
  論文  参考訳（メタデータ） (2025-12-10T14:52:29Z)
• UltraCUA: A Foundation Model for Computer Use Agents with Hybrid Action [77.63125913907771]
  本稿では,GUIプリミティブと高レベルのプログラムツールコールのギャップを埋める基盤モデルであるUltraCUAを提案する。 7Bおよび32Bモデルによる実験は、最先端のエージェントよりも大幅に改善されている。
  論文  参考訳（メタデータ） (2025-10-20T17:48:26Z)
• Adaptive Tool Generation with Models as Tools and Reinforcement Learning [3.592245101862886]
  MTRは、ツール強化推論のためのシミュレーションファーストのトレーニングフレームワークである。 スキーマ検証されたシミュレートされた観察で、完全なReActトレースから学習する。 MTRは、ライブAPIシステムと競合するエクサクトマッチ(EM)スコアを取得する。
  論文  参考訳（メタデータ） (2025-10-08T09:48:50Z)
• VerlTool: Towards Holistic Agentic Reinforcement Learning with Tool Use [78.29315418819074]
  VerlToolは、体系的な設計原則を通じて制限に対処する統一的でモジュール化されたフレームワークです。 我々のフレームワークはARLTをマルチターントラジェクトリとして定式化し、マルチモード観測トークン(テキスト/画像/ビデオ)を単一ターンRLVRパラダイムを超えて拡張する。 モジュール化されたプラグインアーキテクチャは、軽量Python定義のみを必要とする迅速なツール統合を可能にする。
  論文  参考訳（メタデータ） (2025-09-01T01:45:18Z)

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。