論文の概要: When Faster Decisions Do Not Make Better Agents: An Empirical Study of Jev in Agent Workflows
- arxiv url: http://arxiv.org/abs/2610.13092v1
- Date: Fri, 09 Oct 2026 06:45:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-13 04:06:29.437188
- Title: When Faster Decisions Do Not Make Better Agents: An Empirical Study of Jev in Agent Workflows
- Title（参考訳）: より高速な決定がより良いエージェントを作らないとき--エージェントワークフローにおけるJevの実証研究
- Abstract要約: 最近のJevの出現は、意思決定を迅速かつ低コストで行う機会を提供する。
ローカルな貯蓄を効率的にかつ信頼性の高いタスク完了に変換できるかどうかを検討する。
4500件のタスク実行において、タスクの有効性、決定レベルおよびタスクレベルのリソース使用、実行動作を共同で評価する。
- 参考スコア（独自算出の注目度）: 13.654207263751156
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: AI agents depend on repeated decisions to accomplish tasks, with large language models (LLMs) commonly serving as their core decision makers. The recent emergence of Jev offers an opportunity to make these decisions faster and at lower cost. However, it remains unclear whether such local savings can be translated into efficient and reliable task completion. In this paper, we investigate this efficiency transfer across five agents in two representative application settings, embodied tasks in ALFWorld and mobile app use in AndroidWorld. Across 4,500 task executions, we jointly evaluate task effectiveness, decision-level and task-level resource use, and execution behavior. Experimental results show that Jev integration substantially reduces decision cost and latency across all five agents, with task-level gains varying by workflow. Task success remains close to baseline levels on ALFWorld and declines more substantially in two mobile agents. Auxiliary reasoning and additional interactions absorb decision savings, while failed recovery and premature completion limit successful delivery. Mean cost per successful outcome increases in one agent even as spending per attempt falls. These findings highlight the importance of preserving progress, supporting recovery, and verifying completion when integrating efficient decision models into agent workflows. Their practical value should be assessed through successful task delivery, recovery behavior, and resources per delivered outcome.
- Abstract（参考訳）: AIエージェントは、タスクを達成するために繰り返し決定に依存し、大きな言語モデル(LLM)が中核的な意思決定者として一般的に機能する。
最近のJevの出現は、これらの決定を迅速かつ低コストで行う機会を提供する。
しかし、そのような局所的な貯蓄が効率的かつ信頼性の高いタスク補完に変換できるかどうかは不明である。
本稿では,ALFWorldにおけるタスクの具体化,AndroidWorldにおけるモバイルアプリ利用の2つの代表的なアプリケーション設定における5つのエージェント間の効率伝達について検討する。
4500件のタスク実行において、タスクの有効性、決定レベルおよびタスクレベルのリソース使用、実行動作を共同で評価する。
実験結果から、Jev統合は5つのエージェント間の決定コストとレイテンシを大幅に削減し、ワークフローによってタスクレベルのゲインが変化することが示された。
タスクの成功は、ALFWorldのベースラインレベルに近づき、モバイルエージェント2つで大幅に減少している。
補助的推論と追加の相互作用は意思決定の貯蓄を吸収するが、回復は失敗し、早期完了は納品を成功させる。
成功率の平均コストは、試みごとの支出が減少しても、1つのエージェントで増加する。
これらの知見は、効率の良い意思決定モデルをエージェントワークフローに統合する場合、進捗の保存、回復のサポート、完了の検証の重要性を強調している。
それらの実践的価値は、タスクデリバリの成功、リカバリ行動、成果ごとのリソースを通じて評価されるべきです。
関連論文リスト
- ORAgentBench: Can LLM Agents Solve Challenging Operations Research Tasks End to End? [28.383940617377856]
ORAgentBenchは、自律エージェントを運用研究タスクで評価するための実行基盤ベンチマークである。
さまざまな運用シナリオにまたがる107のヒューマンレビュータスクが含まれており、それぞれに自然言語で簡潔な複数ファイルデータ、設定アーティファクト、必要なスキーマがパッケージされている。
14のフロンティアエージェントモデルによる実験では、現在のエージェントは信頼性の高いORの実践から程遠いままである。
論文 参考訳（メタデータ） (2026-06-18T04:43:23Z) - Scaling Small Agents Through Strategy Auctions [6.863341991827782]
我々は,小エージェントの性能が深層検索やコーディングタスクにおいて,タスクの複雑さを伴ってスケールしないことを示す。
フリーランサーマーケットプレースにインスパイアされたエージェントフレームワークである、ワークロード効率のためのStrategy Auctionsを紹介する。
SALEは最大のエージェントへの依存を53%減らし、全体のコストを35%減らし、最大のエージェントのpass@1を継続的に改善することを示した。
論文 参考訳（メタデータ） (2026-02-02T20:05:51Z) - Towards Outcome-Oriented, Task-Agnostic Evaluation of AI Agents [1.0305173936249623]
白書では、AIエージェントの成果に基づくタスク非依存のパフォーマンス指標11の新たなフレームワークを提案する。
本稿では、ゴール完了率(GCR)、自律度指数(AIx)、マルチステップタスクレジリエンス(MTR)、ビジネスインパクト効率(BIE)などの指標を紹介する。
この結果から, エージェント設計の相違が顕著であり, ハイブリットエージェントを一貫した高性能モデルとして強調した。
論文 参考訳（メタデータ） (2025-11-11T13:40:46Z) - WebLeaper: Empowering Efficiency and Efficacy in WebAgent via Enabling Info-Rich Seeking [60.35109192765302]
情報検索は、自律的な推論と意思決定を可能にする中核的な能力である。
我々は、高カバレッジなISタスクを構築し、効率的なソリューショントラジェクトリを生成するためのフレームワークであるWebLeaperを提案する。
本手法は,強いベースラインに対する有効性と効率性の向上を継続的に達成する。
論文 参考訳（メタデータ） (2025-10-28T17:51:42Z) - DecEx-RAG: Boosting Agentic Retrieval-Augmented Generation with Decision and Execution Optimization via Process Supervision [50.89715397781075]
Agentic Retrieval-Augmented Generation (Agentic RAG)は、複雑なタスクの処理能力を向上する。
我々は,決定と実行を取り入れたマルコフ決定プロセス(MDP)としてRAGをモデル化したDecEx-RAGを提案する。
DecEx-RAGは6つのデータセットに対して平均6.2%の絶対的なパフォーマンス向上を実現している。
論文 参考訳（メタデータ） (2025-10-07T08:49:22Z) - Efficient Agents: Building Effective Agents While Reducing Cost [48.65558640786415]
LLM(Large Language Model)によるエージェントは、複雑なマルチステップタスクに対処するための高度なシステムを実現する。
この研究は、現代のエージェントシステムにおける効率効率性トレードオフに関する最初の体系的研究である。
論文 参考訳（メタデータ） (2025-07-24T17:56:51Z) - CLEA: Closed-Loop Embodied Agent for Enhancing Task Execution in Dynamic Environments [39.5949489828609]
大規模言語モデル(LLM)は、意味論的推論を通じて複雑なタスクを階層的に分解する際、顕著な能力を示す。
クローズドループ・エンボダイド・エージェント (CLEA) は,クローズドループタスク管理のための機能的デカップリングを備えた,4つの特別なオープンソース LLM を組み込んだ新しいアーキテクチャである。
我々は、物体探索、操作、探索操作統合タスクのための2つの異種ロボットを用いて、操作可能な物体を実環境で実験する。
論文 参考訳（メタデータ） (2025-03-02T04:50:59Z) - Devil's Advocate: Anticipatory Reflection for LLM Agents [53.897557605550325]
我々のアプローチは、LLMエージェントに対して、与えられたタスクを管理可能なサブタスクに分解するように促す。
イントロスペクティブ・イントロスペクティブ・イントロスペクティブ・イントロスペクティブ(introspective intervention)を3回実施する。
潜在的な障害の予測と、アクション実行前の代替策。
サブタスクの目的とのポストアクションアライメントと、計画実行における最大限の努力を保証するための改善によるバックトラック。
論文 参考訳（メタデータ） (2024-05-25T19:20:15Z) - WESE: Weak Exploration to Strong Exploitation for LLM Agents [95.6720931773781]
本稿では,オープンワールド対話型タスクの解法において,LLMエージェントの強化を目的としたWeak Exploration to Strong Exploitation (WESE)を提案する。
WESEは、探究と搾取のプロセスを分離し、費用対効果の弱いエージェントを用いて世界的知識の探索を行う。
次に、獲得した知識を格納し、タスク関連知識を抽出する知識グラフベースの戦略を導入する。
論文 参考訳（メタデータ） (2024-04-11T03:31:54Z) - Reinforcement Learning with Efficient Active Feature Acquisition [59.91808801541007]
実生活では、情報取得は患者の医療検査に該当する可能性がある。
本稿では,アクティブな特徴獲得ポリシーを学習するモデルに基づく強化学習フレームワークを提案する。
この成功の鍵は、部分的に観察された状態から高品質な表現を学ぶ新しい逐次変分自動エンコーダである。
論文 参考訳（メタデータ） (2020-11-02T08:46:27Z)
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。