論文の概要: JevSpawn: Adaptive Agentic Inference through Compositional Action Spaces

• arxiv url: http://arxiv.org/abs/2610.00437v1
• Date: Wed, 30 Sep 2026 17:23:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:23.657262
• Title: JevSpawn: Adaptive Agentic Inference through Compositional Action Spaces
• Title（参考訳）: JevSpawn: コンポジションアクション空間による適応的エージェント推論
• Abstract要約: LLMエージェントはトークンによって中間的推論とアクショントークンを生成し、拡張された相互作用を遅く、計算的に高価にする。 Jevスタイルのモデルは、有限体上の高速確率予測を提供するが、これらのフィールドを事前に指定する必要がある。 本稿では,自然言語タスク仕様と有限確率探索を結びつける構成ポリシーであるJevSpawnを紹介する。
• 参考スコア（独自算出の注目度）: 6.989089390599786
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: LLM agents generate intermediate reasoning and actions token by token, making extended interactions slow and computationally expensive. Jev-style models offer fast probabilistic predictions over finite fields, but require those fields to be specified in advance. This requirement limits autonomous task solving, where the available actions must be derived from natural language instructions and adapted through interaction. We introduce JevSpawn, a compositional policy that connects natural language task specifications to finite probabilistic exploration. Parallel action spawning is coupled with feedback driven branch selection, representation revision, and recovery from retained alternatives. Shared action structure and model prefixes reduce repeated generation and context computation without additional training. Evaluations on eight benchmark tasks against seven agent baselines and a TypeSafe Jev variant establish JevSpawn as a promising approach to structured agentic inference, with improved task performance and faster navigation.
• Abstract（参考訳）: LLMエージェントはトークンによって中間的推論とアクショントークンを生成し、拡張された相互作用を遅く、計算的に高価にする。 Jevスタイルのモデルは、有限体上の高速確率予測を提供するが、これらのフィールドを事前に指定する必要がある。 この要件は、利用可能なアクションが自然言語命令から導出され、対話を通じて適応されなければならない、自律的なタスク解決を制限する。 本稿では,自然言語タスク仕様と有限確率探索を結びつける構成ポリシーであるJevSpawnを紹介する。 並列アクション生成は、フィードバック駆動のブランチ選択、表現のリビジョン、保持された代替品からのリカバリと結合される。 共有アクション構造とモデルプレフィックスは、追加のトレーニングなしで繰り返し生成とコンテキスト計算を減らす。 7つのエージェントベースラインとTypeSafe Jevの亜種に対する8つのベンチマークタスクの評価は、JevSpawnを構造化エージェント推論への有望なアプローチとして確立し、タスクパフォーマンスを改善し、ナビゲーションを高速化する。

関連論文リスト

• Semantic Projection for Continual Self-Evolution of Language Agents [16.446374971954032]
  パラメータ空間から振舞い空間へ勾配射影の関数原理を伝達するemphSemantic-Scope Projected Evolution (SSPE)を導入する。 SSPEは、最終クロスドメイン能力を改善し、強力なスキル進化ベースラインに対する忘れを軽減します。 これらの結果は、言語エージェントの安定かつ適応的な自己進化のための有望な原理として意味的プロジェクションを確立する。
  論文  参考訳（メタデータ） (2026-09-29T03:36:07Z)
• PACT: Preserving Anchored Cores in Task-vectors for Model Merging [68.52455853496585]
  モデルマージは、複数のタスク固有の細調整されたモデルを単一のマルチタスクモデルに結合することを目的としている。 既存のモデルマージアプローチのほとんどは、Task Arithmeticパラダイムに従っています。 本研究では,タスクベクトル内の固定されたタスク固有コア(LBW次元)を,事前学習した重みのサブ空間と補間を整合させることにより保存するPACTを提案する。
  論文  参考訳（メタデータ） (2026-06-17T02:48:35Z)
• Semantically Structured Mixture-of-Experts for Compositional Robotic Manipulation [21.358519910897652]
  拡散ベースのポリシーは、正確なロボット操作のための新しい標準を確立したが、重要なスケーラビリティのボトルネックに直面している。 合成ロボット操作のためのSMODP(Semantically Structured Mixture-of-Experts Diffusion Policy)を導入する。 提案手法は,パラメータ効率が大幅に向上したマルチタスクベンチマークにおいて,代表拡散とMoEベースのベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2026-05-22T10:38:59Z)
• ARCANE: A Multi-Agent Framework for Interpretable and Configurable Alignment [11.754819989978785]
  ARCANEは、複数エージェントの協調問題としてアライメントをフレーム化して、自然言語のルーリックとして利害関係者の好みを動的に表現するフレームワークである。 実用理論に着想を得て, ルーブリック学習を再構築問題として定式化し, 正規化グループシーケンスポリシー最適化(GSPO)手法を適用した。 以上の結果から,ルーブリックに基づく報酬モデルが,複雑な長軸AIシステムに対して,解釈可能な,テスト時適応アライメントへの有望な経路を提供することが示された。
  論文  参考訳（メタデータ） (2025-12-05T22:39:54Z)
• Activity Grammars for Temporal Action Segmentation [71.03141719666972]
  時間的アクションセグメンテーションは、トリミングされていないアクティビティビデオを一連のアクションセグメンテーションに変換することを目的としている。 本稿では,時間的行動セグメンテーションのための神経予測を導くための効果的な活動文法を提案する。 実験の結果,提案手法は時間的動作のセグメンテーションを性能と解釈性の両方の観点から著しく改善することが示された。
  論文  参考訳（メタデータ） (2023-12-07T12:45:33Z)
• Integrating LLMs and Decision Transformers for Language Grounded Generative Quality-Diversity [0.0]
  品質多様性(Quality-Diversity)は最適化の一分野であり、強化学習と制御ドメインの問題によく適用される。 本稿では,レパートリーをトラジェクトリの自然言語記述で拡張する大規模言語モデルを提案する。 また、このような生成エージェントの性能を評価するためのLCMベースのアプローチを提案する。
  論文  参考訳（メタデータ） (2023-08-25T10:00:06Z)
• Retrieve-and-Fill for Scenario-based Task-Oriented Semantic Parsing [110.4684789199555]
  シナリオベースのセマンティックパーシングを導入し、最初に発話の「scenario」を曖昧にする必要がある元のタスクの変種を紹介します。 この定式化により、タスクの粗くきめ細かな側面を分離することが可能となり、それぞれがオフザシェルフニューラルネットワークモジュールで解決される。 私たちのモデルはモジュール化され、差別化可能で、解釈可能で、シナリオから余分な監督を得られるようになります。
  論文  参考訳（メタデータ） (2022-02-02T08:00:21Z)
• Inferring Temporal Compositions of Actions Using Probabilistic Automata [61.09176771931052]
  本稿では,動作の時間的構成を意味正規表現として表現し,確率的オートマトンを用いた推論フレームワークを提案する。 我々のアプローチは、長い範囲の複雑なアクティビティを、順序のないアトミックアクションのセットとして予測するか、自然言語文を使ってビデオを取得するという既存の研究とは異なる。
  論文  参考訳（メタデータ） (2020-04-28T00:15:26Z)

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。