論文の概要: Commitment Hierarchies under Intent Revision: A Belief-Revision Account of Salvage in Tool-Use Agents

• arxiv url: http://arxiv.org/abs/2609.37453v1
• Date: Mon, 28 Sep 2026 06:23:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:47.507859
• Title: Commitment Hierarchies under Intent Revision: A Belief-Revision Account of Salvage in Tool-Use Agents
• Title（参考訳）: インテント・リビジョンに基づくコミットメント階層:ツール・ユース・エージェントにおける救済の信念
• Abstract要約: 救世主の品質はモデル能力よりも役割設計の問題であることを示す。 ノードのローカルビューのみを観察するポリシーは安全かつコストが最適であることを示す。 3つの環境にわたって、ポリシーは達成可能な全貯蓄を回復し、再起動よりも43%安く、100%の正確さで回復する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: When a user changes their mind partway through a task, an agent that has already split the task into sub-goals and paid for tool calls must decide, per cached sub-result, whether to keep, patch, or discard it (salvage), restarting wastes valid work and continuing unchanged answers the old question. Our main finding is that salvage quality is a matter of role design rather than model capability: a language model asked the keep/patch/discard question one node at a time is unreliable, but asked to classify the revision once, with a deterministic layer propagating the decision, it reaches the cost-optimal oracle on all three models tested, from two vendors. Modeling the plan as a commitment hierarchy and the intent change as a belief-revision operator with AGM style postulates, we prove that no policy observing only a node's local view can be both safe and cost optimal, while the single classification design is both. Across three environments the policy recovers the full achievable savings, 43% cheaper than restart, at 100% correctness.
• Abstract（参考訳）: ユーザがタスクを部分的に変更する場合、タスクをサブゴールに分割し、ツールコールに支払ったエージェントは、キャッシュされたサブレスポンス毎に、それを保持、パッチ、破棄するか(セーブ)を決定し、無駄を再開し、有効な作業を再開し、古い質問に答え続ける必要がある。 言語モデルは、一度に1つのノードに質問し、そのノードを信頼できないと問うが、決定論的レイヤで一度に分類するように要求し、決定を伝達し、2つのベンダーからテストされた3つのモデルで、コスト-最適オラクルに到達した。 計画がコミットメント階層としてモデル化され, AGM スタイルの仮定によるリビジョン演算子としての意図変化により, ノードのローカルビューのみを観察する政策が安全かつコスト的に最適でありながら, 単一分類設計が両方であることを示す。 3つの環境にわたって、ポリシーは達成可能な全貯蓄を回復し、再起動よりも43%安く、100%の正確さで回復する。

関連論文リスト

• MeshHeal: Two-Timescale Self-Healing for Gray Failures in Decentralized LLM Agent Networks [60.95806999869478]
  MeshHealは、完全に分散化された自己修復フレームワークである。 能力にマッチしたピアレビューを2つのタイムスケールに分けている。 1タスクあたり51kのトータルモデルトークンを使用して0.839の劣化位相精度を達成し、最強のベースラインでは1タスクあたり115kの0.807の精度を達成した。
  論文  参考訳（メタデータ） (2026-09-24T04:29:37Z)
• Which LLM for Which Work? Budgeted Model Allocation under Uncertain Evaluation [13.385373310554327]
  証拠と整合したすべての品質表で、1つの代入が最適かどうかを問う。 固定予算問題に対して、これは正確に2つの解決証明書を付与する: 推定テーブルで1回、最低テーブルで1回解決する。
  論文  参考訳（メタデータ） (2026-08-30T05:00:43Z)
• Separating Disclosure from Authorization: Field-Tier Minimization for Agent Action Mediation [0.0]
  動作を認可するシステムは、その決定を十分に確認し、その決定を証明したシステムは監査に十分な記録をしなければならないことを示す。 各アクションクラスではなく、各パラメータフィールドを3つの層に分類する。 台帳のコミットメントは、完全な、最小化されていないパラメータの標準ダイジェストである、という中心的な性質がある。
  論文  参考訳（メタデータ） (2026-08-26T07:45:05Z)
• Lift, Associate, and Fuse: A Decision-Centric Framework for 2D-to-3D Foundation Model Transfer [18.616107275409764]
  2次元基礎モデルから3次元セグメンテーションへの予測を伝達する手法は、一般にタスクまたは表現によってグループ化される。 我々は5つの演算子として転送システムを表す決定中心のフレームワークである textbfLift, Associate, and Fuse (LAF) を紹介する。 LAFは、永続キャリアの明示的な契約を定義し、破棄された証拠が回収不能になる第1段階を特定する。
  論文  参考訳（メタデータ） (2026-08-21T01:33:23Z)
• Safety Invariants for Agents Orchestrating Irreversible State Transitions: A Four-Dimensional Formalism Evaluated on Public Ledgers [0.0]
  フォーマリズムを使って、実行忠実性( executionfidelity)と呼ばれる保証を記述し、証明します。 7つの安全不変量は、経験から数えられるのではなく、忠実性条件に由来するもので、保証を解除する。 システムはデプロイされ、8つのチェーンにまたがる108のプロダクション書き込み操作によって、障害分類が復活する。
  論文  参考訳（メタデータ） (2026-08-01T17:29:42Z)
• Ask the World Before Acting: Environment Probing for Calibrated Agent World Models [2.571318992830046]
  長い地平線に作用する言語エージェントは、ツール状態、オブジェクト位置、グラフエッジ、サブゴール依存関係に関する信念を維持する必要がある。 我々は、構造化エージェントワールドモデルのための予算決定問題として環境探索を定式化する。 EnvProbeは、タスククリティカル性、安定化性、言語化された不確実性、依存性の役割を組み合わせた単純なスコアリングポリシーです。
  論文  参考訳（メタデータ） (2026-06-30T09:45:49Z)
• RepoMirage: Probing Repository Context Reasoning in Code Agents with Perturbations [51.43574078961796]
  本稿では,SWE-Bench Verified上に構築された2段階評価スイートRepoMirageを紹介する。 RepoMirage-Perturbは、リポジトリレベルの摂動を保存する3つのタイプのセマンティクスを適用している。 RepoAnchorは、下流の問題解決からリポジトリの探索を分離する構造第一のプロトタイプワークフローである。
  論文  参考訳（メタデータ） (2026-05-25T06:26:43Z)
• PRISM: : Planning and Reasoning with Intent in Simulated Embodied Environments [59.07829883257003]
  5つの集合住宅の上に建設され、PRISMは300の人間認証タスクを3つの能力レベルに構成する。 PRISMはエージェントに依存しない実行可能なアクションAPIを公開し、任意のエージェントをエンドツーエンドで評価できるようにする。
  論文  参考訳（メタデータ） (2026-05-12T04:59:47Z)
• Not Every Subject Should Stay: Machine Unlearning for Noisy Engagement Recognition [53.005382593686356]
  エンゲージメント認識データセットは典型的には主観的インデクシングであり、しばしば騒々しく主観的な監督を含んでいる。 本研究では、この設定を、エンゲージメント認識のためのポストホック衛生機構として、主観レベルマシンアンラーニングを通して研究する。
  論文  参考訳（メタデータ） (2026-05-06T10:03:06Z)
• Learning Steerable Clarification Policies with Collaborative Self-play [67.67872810596839]
  不明瞭なクエリを処理するために、AIアシスタントは不確実性を管理するためのポリシーが必要である。 我々は,この不確実性を管理するために,自己再生を用いて評価可能な政策を訓練することを提案する。 このことが、提供されたコストに応じて予測可能な振る舞いを変更する、評価可能なポリシーにつながることを示す。
  論文  参考訳（メタデータ） (2025-12-03T18:49:54Z)
• Hierarchical Reinforcement Learning as a Model of Human Task Interleaving [60.95424607008241]
  我々は、強化学習によって駆動される監督制御の階層モデルを開発する。 このモデルは、タスクインターリービングの既知の経験的効果を再現する。 その結果、階層的RLがタスクインターリービングのもっともらしいモデルとして支持された。
  論文  参考訳（メタデータ） (2020-01-04T17:53:28Z)

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。