論文の概要: Spatial Strategies, Not Actions: Vector-Quantized Geodesics as Tools for LLM-Driven Agents

• arxiv url: http://arxiv.org/abs/2610.00613v1
• Date: Wed, 30 Sep 2026 19:16:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:23.728384
• Title: Spatial Strategies, Not Actions: Vector-Quantized Geodesics as Tools for LLM-Driven Agents
• Title（参考訳）: 行動ではなく空間的戦略:LCM駆動型エージェントのツールとしてのベクトル量子測地学
• Abstract要約: 大規模言語モデル(LLM)に基づくエージェントは、空間的理解の欠如と、主に統計テキストパターンの活用でしばしば批判される。 グリッドワールド環境の高レベルオーケストレータとして機能するLLMと幾何学的ツールを組み合わせたアーキテクチャを用いて,それらの空間的理解について検討する。 オープンビジョン言語モデル(Qwen3.6-35B-A3B)を用いた部分的に観測可能な動的2Dグリッド環境におけるアプローチをテストする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Large language model (LLM) based agents are often criticized for lacking spatial understanding and mainly exploiting statistical text patterns. We investigate their spatial comprehension through an architecture combining geometrical tools with a LLM serving as a high-level orchestrator in grid-world environments. The agent first collects geodesic trajectories, which are then vector-quantized to extract a representative subset. Offline, the LLM associates a natural language description of the underlying behavioral patterns to each selected trajectory, making it a tool. Online, the LLM chooses the appropriate tool conditioned on the current state and goal. Low-level control is handled by primitive actions that execute the trajectory associated with the tool. From an agentic AI perspective, this approach separates learning into two levels: tool discovery is handled through unsupervised quantization of trajectories, while reasoning and decision-making are handled by the LLM. We test the approach in a partially observable dynamic 2D grid environment with an open vision-language model (Qwen3.6-35B-A3B). Pairing the geometry-derived tool library with an agent-centered zoom tool and a collision detection tool lets a fast, non-reasoning configuration match the goal-reaching rate of a much more costly chain-of-thought version, while cutting the cost of a decision from minutes to seconds.
• Abstract（参考訳）: 大規模言語モデル(LLM)に基づくエージェントは、空間的理解の欠如と、主に統計テキストパターンの活用でしばしば批判される。 グリッドワールド環境の高レベルオーケストレータとして機能するLLMと幾何学的ツールを組み合わせたアーキテクチャを用いて,それらの空間的理解について検討する。 エージェントはまず測地線を収集し、次にベクトル量子化して代表部分集合を抽出する。 オフラインでは、LLMは、基礎となる行動パターンの自然言語記述を、選択された各軌跡に関連付け、ツールとなる。 オンライン上では、LLMは現在の状況と目標に応じて適切なツールを選択する。 低レベルのコントロールは、ツールに関連するトラジェクトリを実行するプリミティブアクションによって処理される。 エージェントAIの観点から、このアプローチは学習を2つのレベルに分ける。ツール発見はトラジェクトリの教師なし量子化によって処理され、推論と意思決定はLLMによって処理される。 オープンビジョン言語モデル (Qwen3.6-35B-A3B) を用いて, 部分的に観察可能な動的2Dグリッド環境におけるアプローチを検証した。 エージェント中心のズームツールと衝突検出ツールでジオメトリ由来のツールライブラリをペアリングすることで、高速で非合理的な構成が、よりコストのかかるチェーンオブ思考バージョンの目標達成率と一致し、意思決定のコストを数分から数秒に短縮することができる。

関連論文リスト

• ML-Tool-Bench: Tool-Augmented Planning for ML Tasks [23.54937738755734]
  ツール強化機械学習エージェントの評価のためのベンチマークを導入する。 私たちのベンチマークは、インメモリ名のオブジェクト管理を組み込むことで、従来のツール使用の評価を超えています。 我々のアプローチはReActよりも16.2%向上し、すべてのKaggle課題の中央値を取ります。
  論文  参考訳（メタデータ） (2025-11-29T23:59:40Z)
• Z-Space: A Multi-Agent Tool Orchestration Framework for Enterprise-Grade LLM Automation [3.518072776386001]
  本稿では,データ生成指向型マルチエージェント協調ツール実行フレームワークZ-Spaceを提案する。 このフレームワークはElemeプラットフォームの技術部門にデプロイされており、大規模なテストデータ生成シナリオを提供している。 生産データは、ツール推論における平均トークン消費を96.26%削減していることを示している。
  論文  参考訳（メタデータ） (2025-11-23T03:59:14Z)
• AutoTool: Efficient Tool Selection for Large Language Model Agents [10.061664247482488]
  LLMの推論と意思決定能力を活用することで、複雑なタスクを自動化する強力なツールとして、LLM(Large Language Model)エージェントが登場した。 しかしながら、大きなボトルネックは、ツール選択の推論コストの高さにある。特に、各ステップで使用するツールを決定するために、繰り返しLLMを呼び出すReActのようなアプローチでは。 ツール使用慣性(Tool use inertia)という重要な経験的観測を生かして、繰り返しLLM推論をバイパスするグラフベースの新しいフレームワークであるAutoToolを提案する。
  論文  参考訳（メタデータ） (2025-11-18T16:41:48Z)
• TRAJECT-Bench:A Trajectory-Aware Benchmark for Evaluating Agentic Tool Use [74.47746287181383]
  大規模言語モデル(LLM)ベースのエージェントは、現実のタスクを完了するためのツールの使用にますます依存している。 LLMのツール使用能力を総合的に評価するためのトラジェクトリ対応ベンチマークであるTRAJECT-Benchを紹介する。
  論文  参考訳（メタデータ） (2025-10-06T07:30:25Z)
• Adaptive Tool Use in Large Language Models with Meta-Cognition Trigger [49.81945268343162]
  我々は,外部ツール利用のための適応型意思決定戦略であるMeCoを提案する。 MeCoは、表現空間内の高レベル認知信号をキャプチャすることで、メタ認知スコアを定量化する。 MeCoは微調整不要で、最小限のコストがかかる。
  論文  参考訳（メタデータ） (2025-02-18T15:45:01Z)
• Learning to Use Tools via Cooperative and Interactive Agents [58.77710337157665]
  ツール学習は、外部ツールを使用してユーティリティを拡張するエージェントとして、大きな言語モデル(LLM)を促進する。 ツール選択,ツール実行,アクションキャリブレーションの3つの特別なエージェントを個別にコーディネートする,協調型対話型エージェントフレームワークであるConAgentsを提案する。 3つのデータセットに対する実験により、LLMは、ConAgentsを装備した場合、大幅に改善されたベースラインよりも優れた性能を示した。
  論文  参考訳（メタデータ） (2024-03-05T15:08:16Z)

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。