論文の概要: TomasuLLM: Out-of-Order Speculative Execution for LLM Agents
- arxiv url: http://arxiv.org/abs/2609.38201v1
- Date: Tue, 22 Sep 2026 03:41:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-01 18:57:26.355868
- Title: TomasuLLM: Out-of-Order Speculative Execution for LLM Agents
- Title（参考訳）: TomasuLLM: LLMエージェントのアウトオブオーダー投機的実行
- Abstract要約: TomasuLLMは、タスク実行の正確性を維持しながら、軌道順からエージェントツール呼び出しを実行する。
将来のアクションをドラフトし、独立したコピーオンライトサンドボックスで実行し、依存関係とエフェクトをトレースし、検証後にのみトラジェクティブオーダをコミットする。
サブ秒から数分のツールコールにまたがる3つのベンチマークで、TomasuLLMはレポートされたベンチマーク手段を改善し、ツールのレイテンシでスケールする。
- 参考スコア（独自算出の注目度）: 18.529521561107412
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Long-running tools can dominate coding-agent latency: compilers, test suites, and repository commands take seconds to minutes while the agent idles. This observation stall presents the same tension that drove out-of-order processors -- asequential interface hides work that can be predicted and started early, but a speculative result may become visible only after it and every earlier step have been validated. We present TomasuLLM, a runtime that executes agent tool calls out of trajectory order while preserving task-execution correctness. It drafts future actions, runs them in isolated copy-on-write sandboxes, traces their dependencies and effects, and commits results in trajectory order only after validation against committed state. Across three benchmarks spanning sub-second to minutes-long tool calls, TomasuLLM improves the reported benchmark means and scales with tool latency: 1.31x on 100 SWE-bench Verified tasks, 1.35x on 28 Terminal-Bench 2.0 tasks, and 1.27x matched progress on 18 SWE-Marathon sessions. Across 4,010 audited commit-validation records, it produces zero false accepts.
- Abstract（参考訳）: コンパイラ、テストスイート、リポジトリコマンドはエージェントがアイドルしている間に秒から数分かかる。
この観察ストールは、順序外プロセッサを駆使したのと同じ緊張を示します -- 逐次インターフェースは、予測や早期開始が可能な作業を隠すが、投機的な結果は、それが終わった後にのみ見えて、初期のステップが検証される。
TomasuLLMは,タスク実行の正確性を保ちながら,エージェントツールの呼び出しをトラジェクティブオーダーから呼び出すランタイムである。
将来のアクションをドラフトし、独立したコピーオンライトサンドボックスで実行し、依存関係とエフェクトをトレースし、コミットされた状態に対する検証後にのみ、トラジェクティブの順序をコミットする。
サブ秒から数分のツールコールにまたがる3つのベンチマークで、TomasuLLMは報告されたベンチマーク平均を改善し、ツールのレイテンシでスケールする。100のSWEベンチタスクの1.31倍、28のターミナルベンチ2.0タスクの1.35倍、および18のSWEマラソンセッションの1.27倍である。
4,010回の監査されたコミットバリデーションレコードでは、ゼロの偽のアセプションが生成される。
関連論文リスト
- SWE-MILE: Asynchronous Potential-Induced Milestone Credit Assignment for Long-Horizon Software Engineering Agents [52.92536111845184]
SWE-MILEは、ワークフローランタイムからきめ細かいプロセス監視を導出するプロセス監視フレームワークである。
非同期シャドウプローブは、分離されたサンドボックス内のリポジトリ変更アクションを再生し、エージェントのプライマリインタラクションと並行して検証を実行する。
2つの代表的な長期SWEタスクの実験は、エージェント性能を大幅に改善したことを示している。
論文 参考訳（メタデータ） (2026-09-26T13:49:14Z) - VABench: Measuring Embodied Spatial Intelligence through Visual Demonstrations, Active Perception, and Metric Control [57.5995346750474]
VA-Benchを導入し、完全なオブザーバ・レアソン・アクト・リビジョンループを評価する。
汎用MLLMは、RGBのみのデモンストレーションから手続き的コンテキストを学習する。
モデルには特権オブジェクトのポーズ、オラクルの軌跡、学習されたアクションヘッドは含まれない。
論文 参考訳（メタデータ） (2026-09-17T01:24:51Z) - Speculative Macro Commit for Faster Tool-Using Agents [18.574702996656935]
2層エージェントシステムの実行機構である textbfSpeculative Macro Commit (SMC) を導入する。
SMCは、トレーニングトレースから繰り返し発生するマルチアクションスケルトンをマイニングし、マクロライブラリーに保存する。
AppWorldでは,SAベースラインを7.7%,シーケンシャル実行を44.9%削減する。
論文 参考訳（メタデータ） (2026-09-03T00:31:43Z) - ClawProBench: Trace-Aware Evaluation of AI Agents with Runtime Coverage and Frozen Workplace-Style Holdouts [0.0]
エージェントベンチマークは、エージェントがステートフルランタイム上で実行されている場合でも、最終回答のみを評価することが多い。
OpenClaw上でインスタンス化されたランタイムネイティブエージェント評価のためのトレース対応ベンチマークであるClawProBenchを提案する。
論文 参考訳（メタデータ） (2026-08-23T17:09:02Z) - MazeRunner: Nonlinear Task and Clue Orchestration for LLM-driven Black-Box Automated Penetration Testing [40.54981107553332]
MazeRunnerは,3エージェントのタスク・アンド・キューオーケストレーションフレームワーク上に構築された,自律的な浸透テストシステムである。
MazeRunnerは47.7%の注釈付きサブタスクを完了しており、PentestGPT-V2は36.2%、Claude Codeは34.2%である。
論文 参考訳（メタデータ） (2026-08-14T11:46:15Z) - Getting Better at Working With You: Compiling User Corrections into Runtime Enforcement for Coding Agents [99.67681154381803]
Test-time Rule Acquisition and Compiled Enforcement (TRACE)は、コーディングエージェントランタイムのためのスキル層パイプラインである。
開発者が事前に記述した実行時チェックとは異なり、TRACEスキルはユーザのチャット修正に由来する。
論文 参考訳（メタデータ） (2026-06-11T10:43:40Z) - WildClawBench: A Benchmark for Real-World, Long-Horizon Agent Evaluation [88.10947115397971]
この研究でWildClawBenchは、6つのテーマのカテゴリにまたがる60の人間によるバイリンガルなマルチモーダルタスクのネイティブランタイムベンチマークである。
各タスクは、約8分間のウォールクロック時間と20以上のツールコールで実行されます。
グラディングはハイブリッドであり、決定論的ルールベースのチェック、副作用の環境状態監査、意味的検証のためのLLM/VLM判定を組み合わせている。
論文 参考訳（メタデータ） (2026-05-11T17:49:43Z) - Act While Thinking: Accelerating LLM Agents via Pattern-Aware Speculative Tool Execution [18.50317396128381]
PASTEは、推測によってツールの遅延を隠すように設計されたPattern-Aware Speculative Tool Executionメソッドである。
PASTEは平均タスク完了時間を48.5%削減し、ツールの実行スループットを1.8倍改善する。
論文 参考訳（メタデータ） (2026-03-19T13:36:50Z) - AEGIS: No Tool Call Left Unchecked -- A Pre-Execution Firewall and Audit Layer for AI Agents [4.963079926145645]
AEGISはAIエージェントのための事前実行ファイアウォールと監査層である。
ツール実行パスに介在し、3段階のパイプラインを適用する。
ハイリスクコールは、人間の承認のために行われ、すべての決定は、未確認の監査証跡に記録される。
論文 参考訳（メタデータ） (2026-03-13T03:49:12Z) - ImpossibleBench: Measuring LLMs' Propensity of Exploiting Test Cases [58.411135609139855]
タスク完了のための「ショートカット」は、大規模言語モデルの信頼性評価と展開に重大なリスクをもたらす。
我々は,LLMエージェントがテストケースを利用するための正当性を測定するベンチマークフレームワークであるImpossibleBenchを紹介する。
実践的なフレームワークとして、ImpossibleBenchは単なる評価ではなく、汎用的なツールである。
論文 参考訳（メタデータ） (2025-10-23T06:58:32Z) - Get my drift? Catching LLM Task Drift with Activation Deltas [55.75645403965326]
タスクドリフトは攻撃者がデータを流出させたり、LLMの出力に影響を与えたりすることを可能にする。
そこで, 簡易線形分類器は, 分布外テストセット上で, ほぼ完全なLOC AUCでドリフトを検出することができることを示す。
このアプローチは、プロンプトインジェクション、ジェイルブレイク、悪意のある指示など、目に見えないタスクドメインに対して驚くほどうまく一般化する。
論文 参考訳（メタデータ） (2024-06-02T16:53:21Z)
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。