論文の概要: SGG-ReflAct: Sub-Goal Guided ReflAct with Structured Planning for Reliable Long-Horizon Reasoning

• arxiv url: http://arxiv.org/abs/2609.34548v1
• Date: Mon, 28 Sep 2026 08:10:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 12:34:57.585275
• Title: SGG-ReflAct: Sub-Goal Guided ReflAct with Structured Planning for Reliable Long-Horizon Reasoning
• Title（参考訳）: SGG-ReflAct: Reliable Long-Horizon Reasoningのための構造化計画付きサブゴールガイド型ReflAct
• Abstract要約: 推論の地平線が大きくなるにつれて、矛盾した内部の信念は中間的なエラーを引き起こし、エージェントはその目標からドリフトする。 SGG-ReflActは,単一経路LSMプランナから生成されたサブゴールをリフレクションプロセスに統合する推論バックボーンである。 我々はこのフレームワークをビームSGG-ReflActに拡張し、単一パスプランナをビーム探索に基づくLLMプランナに置き換えて、構造化計画探索を行う。
• 参考スコア（独自算出の注目度）: 0.6445605125467574
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent advances in reasoning backbones have empowered large language model (LLM)agentstotackle complex, multi-step tasks. However, as reasoning horizons grow, inconsistent internal beliefs induce intermediate errors that cause agents to drift from their goals. This limitation also persists in REFLACT, which reflects only on the end-goal at each step without explicitly considering intermediate sub goals. To address this problem, we propose SGG-ReflAct (Sub-Goal Guided Re flAct), a reasoning backbone that integrates sub-goals generated through a single path LLM planner into the reflection process. We further extend this framework to BeamSGG-ReflAct, which replaces the single-path planner with a beam search based LLM planner for structured plan exploration. We run experiments on ALF World, ScienceWorld, and Jericho with multiple LLM models. SGG-ReflAct out performs REFLACT in nearly all settings, achieving best success rate gains of 14.9 percentage points on ALFWorld and 8.0 percentage points on ScienceWorld with Llama-3.1-8B-Instruct. Our experimental analysis shows that SGG-ReflAct re duces hallucinated actions and achieves its largest gains on procedurally ordered tasks. Furthermore, experimental results with BeamSGG-ReflAct show that the backbone's effectiveness depends on plan quality: explicitly specifying the re quired operations recovers gains that plan searching alone cannot achieve. These results demonstrate that SGG-ReflAct offers a practical and highly effective rea soning backbone, enabling LLM agents to achieve reliable performance in com plex, long-horizon tasks through easy integration.
• Abstract（参考訳）: バックボーン推論の最近の進歩は、大規模言語モデル(LLM)の複雑なマルチステップタスクに力を与えている。 しかし、推論の地平線が大きくなるにつれて、矛盾した内部の信念は中間的な誤りを誘発し、エージェントはその目標からドリフトする。 この制限は REFLACT にも持続するが、これは各ステップにおけるエンドゴールのみを反映し、中間部分ゴールを明示的に考慮しない。 この問題に対処するため,SGG-ReflAct(Sub-Goal Guided Re flAct)を提案する。 我々はさらにこのフレームワークをビームSGG-ReflActに拡張し、単一パスプランナをビーム探索に基づくLLMプランナに置き換えて、構造化計画探索を行う。 複数のLSMモデルを用いてALF World、ScienceWorld、Jerrichoで実験を行った。 SGG-ReflActは、ほぼ全ての環境でREFLACTを実行し、ALFWorldで14.9ポイント、ScienceWorldでLlama-3.1-8B-Instructで8.0ポイントの最高成功率を達成した。 実験により,SGG-ReflActは幻覚作用を再現し,手続き的に順序づけられたタスクにおいて最大の利益を得ることが示された。 さらに、BeamSGG-ReflActによる実験結果から、バックボーンの有効性はプランの品質に依存することが明らかとなった。 これらの結果から, SGG-ReflActは, 簡便な統合により, 複合複雑長軸タスクにおいて, LLMエージェントが信頼性の高い性能を達成できることが示唆された。

関連論文リスト

• SPIRAL: Symbolic LLM Planning via Grounded and Reflective Search [11.651841902428673]
  SPIRALは3つの専門的な大規模言語モデルの認知アーキテクチャをモンテカルロ木探索ループに組み込む新しいフレームワークである。 DailyLifeAPIsとHuggingFaceデータセットでは、SPIRALがデフォルトのChain-of-the-artプランニングメソッドを一貫して上回っている。 我々の研究は、LLM推論をガイド付き、反射型、接地型検索プロセスとして構築することで、より堅牢で効率的な自律型プランナーが得られることを示した。
  論文  参考訳（メタデータ） (2025-12-29T03:19:42Z)
• Learning to Reason and Navigate: Parameter Efficient Action Planning with Large Language Models [63.765846080050906]
  本稿では,大規模言語モデル (PEAP-LLM) を用いたパラメータ効率の高いアクションプランナを提案する。 実験により,提案したREVERIEモデルが従来の最先端モデルよりも優れていることが示された。
  論文  参考訳（メタデータ） (2025-05-12T12:38:20Z)
• From Words to Actions: Unveiling the Theoretical Underpinnings of LLM-Driven Autonomous Systems [59.40480894948944]
  大規模言語モデル (LLM) は、物理世界の意思決定問題を解くことができる。 このモデルの下で、LLM Plannerは、プロンプトを介して言語ベースのサブゴールを反復的に生成することにより、部分的に観測可能なマルコフ決定プロセス(POMDP)をナビゲートする。 我々は,事前学習したLLMプランナーが,文脈内学習を通じてベイズ的集計模倣学習(BAIL)を効果的に行うことを証明した。
  論文  参考訳（メタデータ） (2024-05-30T09:42:54Z)
• Towards Efficient LLM Grounding for Embodied Multi-Agent Collaboration [68.29746557968107]
  本稿では,多エージェント協調のための新しいフレームワークを提案する。これは,効率的な自己調整のための強化アドバンテージフィードバック(Reinforced Advantage feedback, ReAd)を導入する。 Over-AIと難解なRoCoBenchの実験は、ReAdが成功率のベースラインを超え、エージェントの相互作用ステップを著しく減少させることを示している。
  論文  参考訳（メタデータ） (2024-05-23T08:33:19Z)

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。