論文の概要: CB-Agent: Concept-Based In-Context Learning for Sequential Action Selection

• arxiv url: http://arxiv.org/abs/2610.14574v1
• Date: Sat, 10 Oct 2026 04:48:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.080013
• Title: CB-Agent: Concept-Based In-Context Learning for Sequential Action Selection
• Title（参考訳）: CB-Agent:シークエンシャルアクション選択のための概念に基づくインコンテキスト学習
• Abstract要約: インコンテキスト学習(ICL)により、大きな言語モデルでは、パラメータを更新することなくデモを使用することができる。 CB-Agentは,概念ベースのICLを逐次行動選択に拡張する。 CB-Agentは3つの実験モデルサイズで評価された手法の中で,最も高いクロスベンチマーク平均を達成する。
• 参考スコア（独自算出の注目度）: 17.28590289441091
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In-context learning (ICL) allows large language models to use demonstrations without updating their parameters. For interactive agents, demonstrations are trajectories of reasoning, actions, and observations that illustrate how to complete a task. Reusing demonstrations in new situations is challenging: directly inputting full trajectories consumes limited prompt space and constrains the overall effectiveness, while natural-language summaries require the agent to translate general guidance into specific action choices. Therefore, we study whether expert action choices can directly supervise a reusable scoring rule. We propose CB-Agent, which extends concept-based ICL to sequential action selection. We extract environment-action decisions from expert trajectories and fit a concept vector by maximum likelihood to model the conditional distribution over candidate actions given the context. This model combines the concept with frozen language-model features and priors. During ReAct interaction, the agent uses this distribution to select environment actions without including demonstrations in the action-scoring context. Across TextWorld, ALFWorld, and ScienceWorld, CB-Agent achieves the highest cross-benchmark average among the evaluated methods at all three tested model sizes and ranks first on TextWorld and ScienceWorld at each size. ALFWorld experiments support the learned concept's contribution beyond prior-only scoring and show further gains when combined with Reflexion. Code is available at https://anonymous.4open.science/r/CB-Agent-DFF9/.
• Abstract（参考訳）: インコンテキスト学習(ICL)により、大きな言語モデルでは、パラメータを更新することなくデモを使用することができる。 対話的なエージェントにとって、デモンストレーションはタスクの完了方法を示す推論、行動、観察の軌跡である。 完全な軌跡を直接入力すると、限られたプロンプト空間が消費され、全体的な効果が制限される一方、自然言語の要約では、エージェントが一般的なガイダンスを特定の行動選択に翻訳する必要がある。 そこで本研究では,専門家の行動選択が再利用可能なスコアリングルールを直接監督できるかどうかを検討する。 CB-Agentは,概念ベースのICLを逐次行動選択に拡張する。 我々は,専門家の軌跡から環境行動決定を抽出し,その文脈が与えられた候補行動に対する条件分布をモデル化するために,概念ベクトルを最大で適合させる。 このモデルは、凍結した言語モデルの特徴と先行概念を組み合わせたものである。 ReActインタラクションの間、エージェントは、このディストリビューションを使用して、アクションスコリングコンテキストにデモを含めることなく、環境アクションを選択する。 TextWorld、ALFWorld、ScienceWorld全体で、CB-Agentは、テストされた3つのモデルサイズで評価されたメソッドの中で、最も高いクロスベンチマーク平均を達成し、各サイズでTextWorldとScienceWorldにランクインした。 ALFWorldの実験は、学習した概念が事前のみのスコアリングを超えて貢献することをサポートし、Reflexionと組み合わせた場合のさらなる利益を示す。 コードはhttps://anonymous.4open.science/r/CB-Agent-DFF9/で公開されている。

関連論文リスト

• Independent Multi-Agent Reinforcement Learning with Counterfactual Semantic-Social World Models [45.70357546589222]
  CASTLEは2つの相補的な世界モデルを備えたオフライントレーニング・オンライン・イン・コンテクスト・ガイダンス・フレームワークである。 エージェントの局所軌跡をオフラインで事前訓練したローカルダイナミクスワールドモデルでは、エージェントの局所軌跡ダイナミクスと部分可観測性を要約している。 セマンティック・ソーシャル・ワールド・モデル(Semantic-Social World Model)は、各候補のエゴ行動に対するコンパクトな短期的タスクと社会的結果を予測する。 後者は、同一ログされたロールアウト状態から取得した代替アクションに対して、可愛らしいチームメイトと反対のレスポンスを公開する、反ファクト的なロールアウトからトレーニングされる。
  論文  参考訳（メタデータ） (2026-10-06T03:53:47Z)
• Seg-Agent: Test-Time Multimodal Reasoning for Training-Free Language-Guided Segmentation [52.8308168727975]
  Seg-Agentは完全にトレーニング不要のフレームワークで、Explicit Multimodal Chain-of-Reasoningの先駆者です。 提案手法は, 生成, 選択, 洗練の3段階からなる対話型視覚推論ループを構築する。 various-LangSegは、明示的なセマンティック、ジェネリックオブジェクト、推論誘導セグメンテーションタスクをカバーする新しいベンチマークである。
  論文  参考訳（メタデータ） (2026-05-13T03:36:44Z)
• Sample-Efficient Online Learning in LM Agents via Hindsight Trajectory Rewriting [92.57796055887995]
  本稿では,言語モデルエージェントの強化学習から後視体験のリプレイに適応するプロンプトフレームワークECHOを紹介する。 ECHOは失敗した試みで達成できた代替目標のために最適化された軌道を生成する。 我々は、テキストベースのナビゲーションと計画ベンチマークであるXMiniGridのステートフルバージョンと、協調的な情報収集企業シミュレーションであるPeopleJoinQAについて、ECHOを評価した。
  論文  参考訳（メタデータ） (2025-10-11T18:11:09Z)
• DICE: Dynamic In-Context Example Selection in LLM Agents via Efficient Knowledge Transfer [50.64531021352504]
  インコンテキスト学習(ICL)によって強化された大規模言語モデルベースエージェントは、複雑な推論やツール使用タスクにおいて強力な能力を示している。 既存のアプローチは典型的には、エージェントやマルチステップの設定を含むサンプルの選択に依存している。 推論の各ステップにおいて最も関連性の高い実演を選択できるエージェントタスクのための理論的に基礎付けられた ICL フレームワーク DICE を提案する。
  論文  参考訳（メタデータ） (2025-07-31T13:42:14Z)
• Spatio-Temporal Context Prompting for Zero-Shot Action Detection [13.22912547389941]
  本稿では,視覚言語モデルの豊富な知識を効果的に活用し,対人インタラクションを実現する手法を提案する。 同時に複数の人物による異なる行動を認識するという課題に対処するために,興味あるトークンスポッティング機構を設計する。 提案手法は,従来の手法に比べて優れた結果を得ることができ,さらにマルチアクションビデオに拡張することができる。
  論文  参考訳（メタデータ） (2024-08-28T17:59:05Z)
• LangSuitE: Planning, Controlling and Interacting with Large Language Models in Embodied Text Environments [70.91258869156353]
  テキストエンボディの世界における6つの代表的具体的タスクを特徴とする多目的・シミュレーション不要なテストベッドであるLangSuitEを紹介する。 以前のLLMベースのテストベッドと比較すると、LangSuitEは複数のシミュレーションエンジンを使わずに、多様な環境への適応性を提供する。 具体化された状態の履歴情報を要約した新しいチェーン・オブ・ソート(CoT)スキーマであるEmMemを考案する。
  論文  参考訳（メタデータ） (2024-06-24T03:36:29Z)
• USER: Unified Semantic Enhancement with Momentum Contrast for Image-Text Retrieval [115.28586222748478]
  Image-Text Retrieval (ITR) は、与えられたクエリに意味のあるターゲットインスタンスを、他のモダリティから検索することを目的としている。 既存のアプローチは通常、2つの大きな制限に悩まされる。
  論文  参考訳（メタデータ） (2023-01-17T12:42:58Z)
• Instance-Aware Predictive Navigation in Multi-Agent Environments [93.15055834395304]
  エージェント間の相互作用と将来のシーン構造を予測するIPC(Instance-Aware Predictive Control)アプローチを提案する。 我々は,ego中心の視点でエージェント間のインタラクションを推定するために,新しいマルチインスタンスイベント予測モジュールを採用する。 シーンレベルとインスタンスレベルの両方の予測状態をより有効活用するために、一連のアクションサンプリング戦略を設計します。
  論文  参考訳（メタデータ） (2021-01-14T22:21:25Z)

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。