論文の概要: Thinking Before Thinking: Scaling Agentic Inference Through Meta-Reasoning
- arxiv url: http://arxiv.org/abs/2609.38147v1
- Date: Tue, 29 Sep 2026 17:57:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-30 21:28:47.822733
- Title: Thinking Before Thinking: Scaling Agentic Inference Through Meta-Reasoning
- Title（参考訳）: 考える前に考える:メタ推論によるエージェント推論のスケーリング
- Abstract要約: エージェントメタ推論は,制御選択を明示的かつ構造化する推論時ハーネスである。
ワーカーはタスクレベルの計算を実行し、コントローラは実行が確立したものを統合する。
決定の間、コントローラはその全履歴を再生するのではなく、実行時のコンパクトな説明しか持たない。
- 参考スコア（独自算出の注目度）: 104.97890382020937
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As agents take on longer and more complex problems, controlling the execution becomes a task in its own right. Each step in the run brings new control choices, like which partial work to build on, whether to start fresh, or when to stop. We introduce agentic meta-reasoning, an inference-time harness that makes these choices an explicit and structured reasoning process. Workers carry out the task-level computation, while a controller consolidates what the run has established, explores next options, assesses what each option is worth under the remaining budget, and dispatches the chosen work with context drawn from persistent memory. Between decisions the controller carries only a compact account of the run rather than replaying its full history. Our baselines span production coding agents and research harnesses, together with a Direct Control Agent using the same workers and compute budget allowance. On ProgramBench, which tests long-horizon agentic capability through program reconstruction, meta-reasoning achieves 71.5% with GPT-5.5 against 58.0% for Codex; with Opus 4.8 it achieves 67.2% against 65.5% for Claude Code. On the other benchmarks, spanning abstract reasoning, multi-domain long-horizon reasoning, and proof generation, it gains between 3.6 and 4.2 points over direct control, averaged across three frontier models. It keeps improving over the tested budget ranges where direct control plateaus, though its overhead can hurt at small budgets. Artifact-graph analysis reveals more reuse of earlier work, higher coverage of correct solutions in most settings, and nonuniform gains in final selection. These results indicate that spending computation on structured control becomes more important as agents scale to longer runs.
- Abstract（参考訳）: エージェントがより長く、より複雑な問題に対処するにつれて、実行を制御することは、それ自体がタスクとなる。
実行中の各ステップは、ビルドする部分的な作業、再起動の可否、停止するタイミングなど、新しいコントロール選択をもたらす。
エージェントメタ推論は,これらの選択を明示的かつ構造化された推論プロセスとする推論時ハーネスである。
ワーカーはタスクレベルの計算を実行し、コントローラは実行が確立したものを集約し、次のオプションを探索し、残りの予算で各オプションの価値を評価し、選択した作業を永続メモリから引き出されたコンテキストでディスパッチする。
決定の間、コントローラはその全履歴を再生するのではなく、実行時のコンパクトな説明しか持たない。
私たちのベースラインは、プロダクションのコーディングエージェントと研究ハーネスにまたがっており、同じワーカーと計算予算の許容度を使用するダイレクトコントロールエージェントも使用しています。
ProgramBenchでは、プログラム再構成によって長期のエージェント能力をテストし、GPT-5.5で71.5%、Codexで58.0%、Opus 4.8で67.2%、Claude Codeで65.5%を達成している。
他のベンチマークでは、抽象的推論、マルチドメインの長距離推論、証明生成にまたがって、3つのフロンティアモデルの平均3.6から4.2ポイントが直接制御される。
直接制御高原の試験対象の予算範囲の改善は継続するが、そのオーバーヘッドは小さな予算で損なわれる可能性がある。
アーティファクトグラフ解析は、初期の作業の再利用、ほとんどの設定における正しいソリューションのカバレッジの向上、最終選択における不均一なゲインを明らかにしている。
これらの結果から, エージェントのスケールが長くなるにつれて, 構造化制御への利用計算の重要性が示唆された。
関連論文リスト
- MetaCtrl: Your Large Language Models Can Reason Better and More Concisely with a Metacognitive Controller [20.056421925231813]
トークン予算や推論の再トレーニングを必要とせず,凍結推論を適応的に制御する軽量コントローラであるMetaCtrlを紹介する。
数学、科学、コードにまたがる7つのベンチマークにおいて、MetaCtrlは推論長を減らしながらLRMの精度を一貫して改善している。
これらの結果は,推論時間生成を大幅に削減しつつ,推論精度を向上させるためのプラグアンドプレイコントローラとしてMetaCtrlを確立する。
論文 参考訳（メタデータ） (2026-09-29T11:41:17Z) - CodeActionBench: Evaluating Agentic Code-as-Policy for Embodied Manipulation [55.1660787557339]
CodeActionBenchは、エージェント的なCode-as-Policyを通じてこの機能を評価する25の操作タスクのベンチマークである。
共有ロボットAPIは、RGB観測、校正された幾何学的操作、ロボットのフィードバック、および有界運動を提供し、タスク依存の判断を評価対象に残す。
9つの構成と675の試行で大規模な評価が行われ、成功率は2.7%から73.3%である。
最も強力な構成であるGPT-6 Astra with Codex CLIは、3回の試行で少なくとも25タスクのうち22タスクを解決した。
論文 参考訳（メタデータ） (2026-09-27T17:59:31Z) - EcoAgent-Bench: Evaluating Economic Decision-Making in Budget-Constrained LLM Agents [8.799203536862382]
EcoAgent-Benchを紹介します。
その結果、予算と経済的な行動選択の完了は、異なる特性であることが明らかとなった。
論文 参考訳（メタデータ） (2026-08-06T01:47:47Z) - Embodied Agents Take Control: Minimal-Interface Zero-Shot Agents Rival Industrial-Scale Policies in Vision-and-Language Navigation [27.261164150282706]
汎用エージェントがループを単独で維持できることがわかった。
我々は、この組織をエージェント・エンボディド・コントロールと呼びます。
より長い地平線、レイテンシ、コンテキスト成長は、持続的な自律性の障壁であり続けているが、これらの結果は、汎用モデルがナビゲーションポリシーなしで既に競争力のある実施制御を達成可能であることを示している。
論文 参考訳（メタデータ） (2026-07-28T18:00:34Z) - Do More Agents Help? Controlled and Protocol-Aligned Evaluation of LLM Agent Workflows [8.909548943361637]
BenchAgentは、単一エージェント、固定マルチエージェント(MAS)、および1つの正規化された実行およびロギングプロトコルの下でMASを進化させる。
BenchAgentは、GPT-4.1で10の推論、コーディング、ツール使用ベンチマークでこれらの基質内部を評価する。
PAE GAIAスナップショットでは、Claude-Codeスタイルのランタイムワークフローが全体の66.72%、Level 3では69.23%に達した。
論文 参考訳（メタデータ） (2026-06-04T03:50:47Z) - ClawForge: Generating Executable Interactive Benchmarks for Command-Line Agents [59.626170560327274]
textbfClawForgeは、ステートコンフリクト下で実行可能なコマンドラインカテゴリのためのジェネレータベースのベンチマークフレームワークである。
私たちはこのフレームワークをClawForge-Bench(17のシナリオ、6の能力カテゴリ)としてインスタンス化します。
論文 参考訳（メタデータ） (2026-05-13T21:34:08Z) - Runaway is Ashamed, But Helpful: On the Early-Exit Behavior of Large Language Model-based Agents in Embodied Environments [54.67512489842682]
大規模言語モデル(LLM)は、複雑な実施環境において、強力な計画と意思決定能力を示す。
LLMをベースとしたエージェントの早期退避行動を探究する第一歩を踏み出す。
論文 参考訳（メタデータ） (2025-05-23T08:23:36Z)
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。