論文の概要: From Relevance to Validity: Zero-Shot Tool Selection via Functional and Contextual Validation

• arxiv url: http://arxiv.org/abs/2610.20388v1
• Date: Wed, 14 Oct 2026 15:53:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:16.241584
• Title: From Relevance to Validity: Zero-Shot Tool Selection via Functional and Contextual Validation
• Title（参考訳）: 関連性から妥当性:機能的・文脈的検証によるゼロショットツールの選択
• Abstract要約: 大きな言語モデル(LLM)エージェントは、目に見えないドメインや実行コンテキストからタスクに直面している。 既存の支配的なメソッドは、主に関連性ランキングに依存するが、セマンティックマッチングだけでは、ツールが機能的に互換性があるか、あるいは新しいコンテキストで適用可能であることを保証できない。 提案手法は,意味的関連性と,エンドポイントと機能的互換性とタスク条件の文脈的エビデンスを補完するプログレッシブ・バリデーション・フレームワークである。
• 参考スコア（独自算出の注目度）: 11.339002928341387
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language model (LLM) agents increasingly face tasks from unseen domains and execution contexts, making zero-shot tool selection essential for identifying tools that can satisfy task requirements. Existing dominant methods mainly rely on relevance ranking, but semantic matching alone cannot ensure that a tool is functionally compatible or remains applicable in a new context. We preliminarily identify a \emph{transfer-validity gap}, where semantically relevant tools may still fail to satisfy functional or contextual requirements after transfer. To address this gap, we propose \methodname{}, a progressive validation framework that complements semantic relevance with endpoint-grounded functional compatibility and task-conditioned contextual evidence. Across cross-domain and cross-dataset transfer, \methodname{} consistently improves capability ranking, with larger gains under functional or contextual ambiguity. Ablation results further confirm the complementary contributions of functional and contextual validation.
• Abstract（参考訳）: 大きな言語モデル(LLM)エージェントは、目に見えないドメインや実行コンテキストからタスクに直面しているため、タスク要求を満たすツールを特定するのに、ゼロショットツールの選択が不可欠である。 既存の支配的なメソッドは、主に関連性ランキングに依存するが、セマンティックマッチングだけでは、ツールが機能的に互換性があるか、あるいは新しいコンテキストで適用可能であることを保証できない。 ここでは, 意味的関連ツールが伝達後の機能的, 文脈的要件を満たすのに失敗するおそれのある, \emph{transfer-validity gap} を予め同定する。 このギャップに対処するために,意味的関連性を補うプログレッシブな検証フレームワークである 'methodname{} を提案する。 クロスドメインとクロスデータセットの転送を通じて、 \methodname{} は機能的あるいはコンテキスト的あいまいさの下で大きなゲインを持つため、常に機能ランキングを改善している。 アブレーションの結果は、機能的および文脈的検証の相補的な寄与をさらに確認する。

関連論文リスト

• Unifying Conformal Language Tasks with In-Context Ensembles [9.021619744856501]
  本稿では,テキスト内学習のサンプルキュレーションとアンサンブルを用いてスコア関数を生成するConformal Relevanceフレームワークを提案する。 このフレームワークの7つのNLPタスクへの適用を実証し、アンサンブルされたコンフォメーションスコアに対する多様性の影響を理論的に研究する。
  論文  参考訳（メタデータ） (2026-09-02T18:00:01Z)
• SemAnCorr: Semantic Anchored Correspondence for Zero-Shot Manipulation Skill Transfer [12.085313110793734]
  SemAnCorrは、密接な通信を確立するトレーニング不要のフレームワークである。 ベンチマーク評価の結果,SemAnCorrは90.8%のセマンティック精度を達成できた。 これらの改善は,実世界の操作性能に直接変換されることを示す。
  論文  参考訳（メタデータ） (2026-07-30T15:41:39Z)
• Bidirectional Semantic Complementary Tool Retrieval for Remote Sensing Agents [14.603837941754483]
  大規模言語モデル(LLM)に基づくエージェントは、リモートセンシング(RS)データの自動処理のための新しいパラダイムを提供する。 意味的非対称性」に直面する既存のツール検索手法 本稿では,双方向のセマンティック補完ツール検索手法を提案する。
  論文  参考訳（メタデータ） (2026-04-29T14:07:19Z)
• ToolGate: Contract-Grounded and Verified Tool Execution for LLMs [35.000785781403515]
  外部ツールを付加した大規模言語モデル(LLM)は、複雑な推論タスクにおいて顕著な機能を示した。 既存のフレームワークは、いつツールが呼び出されるか、結果がコミットされるべきかどうかを決定するために、自然言語の推論に大きく依存している。 textbfToolGateは、論理的安全性保証と検証可能な状態進化を提供するフォワード実行フレームワークである。
  論文  参考訳（メタデータ） (2026-01-08T07:56:45Z)
• Code-in-the-Loop Forensics: Agentic Tool Use for Image Forgery Detection [59.04089915447622]
  ForenAgentはインタラクティブなIFDフレームワークで、MLLMが検出対象に関するPythonベースの低レベルツールを自律的に生成、実行、洗練することができる。 人間の推論にインスパイアされた我々は、グローバルな認識、局所的な焦点、反復的探索、そして全体論的偏見を含む動的推論ループを設計する。 実験の結果,ForenAgent は IFD 課題に対する創発的なツール利用能力と反射的推論を示すことがわかった。
  論文  参考訳（メタデータ） (2025-12-18T08:38:44Z)
• GRETEL: A Goal-driven Retrieval and Execution-based Trial Framework for LLM Tool Selection Enhancing [6.790345342526922]
  GRETELは、サンドボックス化された計画実行評価サイクルを通じてセマンティックに検索された候補を処理するエージェントワークフローを実装している。 ToolBenchベンチマークに関する包括的な評価は、すべてのメトリクスで大幅に改善されていることを示しています。
  論文  参考訳（メタデータ） (2025-10-10T00:12:51Z)
• Knowledge Graph Completion with Relation-Aware Anchor Enhancement [50.50944396454757]
  関係認識型アンカー強化知識グラフ補完法(RAA-KGC)を提案する。 まず、ヘッダーのリレーショナル・アウェア・エリア内でアンカー・エンティティを生成します。 次に、アンカーの近傍に埋め込まれたクエリを引っ張ることで、ターゲットのエンティティマッチングに対してより差別的になるように調整する。
  論文  参考訳（メタデータ） (2025-04-08T15:22:08Z)
• Learning Task Representations from In-Context Learning [67.66042137487287]
  大規模言語モデル(LLM)は、文脈内学習(ICL)において顕著な習熟性を示した。 ICLプロンプトにおけるタスク情報をアテンションヘッドの関数として符号化するための自動定式化を導入する。 提案手法は,テキスト中の実演からタスク固有の情報を抽出し,テキストと回帰タスクの両方で優れる。
  論文  参考訳（メタデータ） (2025-02-08T00:16:44Z)
• FamiCom: Further Demystifying Prompts for Language Models with Task-Agnostic Performance Estimation [73.454943870226]
  言語モデルは、コンテキスト内学習能力に優れています。 本稿では,タスク非依存のパフォーマンス推定のためのより包括的な尺度であるFamiComを提案する。
  論文  参考訳（メタデータ） (2024-06-17T06:14:55Z)
• Syntax and Semantics Meet in the "Middle": Probing the Syntax-Semantics Interface of LMs Through Agentivity [68.8204255655161]
  このような相互作用を探索するためのケーススタディとして,作用性のセマンティックな概念を提示する。 これは、LMが言語アノテーション、理論テスト、発見のためのより有用なツールとして役立つ可能性を示唆している。
  論文  参考訳（メタデータ） (2023-05-29T16:24:01Z)

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。