論文の概要: Computation, Not Memory: Chain-of-Thought and State Tracking in LLM Agents

• arxiv url: http://arxiv.org/abs/2610.25760v1
• Date: Mon, 19 Oct 2026 04:18:24 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:01:23.223778
• Title: Computation, Not Memory: Chain-of-Thought and State Tracking in LLM Agents
• Title（参考訳）: LLMエージェントのチェーン・オブ・サートと状態トラッキング
• Abstract要約: エージェントのアクションが、正しいアクションが変化する状態に依存するとき、その推論にどのように依存するかを問う。 Qwen3-8BとQwen3.5-9Bでは、各アクションの前に生成し、プロンプトにそれ以前の推論を保持する2つの推論の役割を分離する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Language-model agents often reason before they act, and the value of monitoring that reasoning depends on how it relates to their actions. We ask how an agent's actions depend on its reasoning when the correct action depends on a changing state. In a small file-system task, background events announce which file's lock has been toggled but not its new value. The agent therefore has to reconstruct the current locks from its history before it can move files safely. With Qwen3-8B and Qwen3.5-9B, we separate two roles of reasoning: generating it before each action, and retaining earlier reasoning in the prompt. Most of the reduction in lock-violating commands comes from reasoning written at the moment of action. Retaining earlier reasoning adds little to rule-following, although it helps one model complete the task. The benefit depends on what the reasoning says. Filler text, reasoning written for another history and an accurate table of the state do not reproduce it. When we give the agent reasoning written for a history that differs in one lock value, the agent acts on that reasoning even against its own history. Without reasoning, linear probes recover the state from the model's activations about as well as a text classifier recovers it from the transcript. However, decoding accuracy does not predict which interventions change the agent's actions. In this setting, the benefit of reasoning for rule-following comes mainly from generating it at each step. The state that can be decoded without reasoning is a limited guide to how the agent acts.
• Abstract（参考訳）: 言語モデルエージェントは、しばしば行動する前に推論し、その推論を監視する価値は、それが行動にどのように関係するかに依存する。 エージェントのアクションが、正しいアクションが変化する状態に依存するとき、その推論にどのように依存するかを問う。 小さなファイルシステムタスクでは、バックグラウンドイベントはどのファイルのロックがトグルされているか発表するが、新しい値ではない。 そのためエージェントは、ファイルを安全に移動させる前に、現在のロックをその履歴から再構築する必要がある。 Qwen3-8BとQwen3.5-9Bでは、各アクションの前に生成し、プロンプトにそれ以前の推論を保持する2つの推論の役割を分離する。 ロック違反コマンドの削減のほとんどは、アクションの時点で書かれた推論によるものである。 事前の推論はルールフォローにはほとんど影響しないが、あるモデルがそのタスクを完了させるのに役立つ。 その利点は推論が何を言っているかによって異なる。 ファイラーテキスト、別の歴史のために書かれた推論、状態の正確な表はそれを再現しない。 1つのロック値が異なる履歴のために書かれたエージェント推論を与えると、エージェントは自身の履歴に対してさえその推論を行う。 推論なしでは、線形プローブはモデルのアクティベーションから状態を回復し、テキスト分類器はそれを転写から回復する。 しかし、復号精度は、どの介入がエージェントの動作を変えるかを予測しない。 この設定では、ルールフォローの推論の利点は、主に各ステップでそれを生成することから得られます。 推論なしで復号化できる状態は、エージェントの動作の限られたガイドである。

関連論文リスト

• Kairos: Transactional Security Enforcement at the System Boundary for LLM Agents [10.493000314031077]
  大規模言語モデル(LLM)エージェントは、ソフトウェア開発ライフサイクルの不可欠な部分になりつつある。 修正されていない不透明なエージェントの分離境界における参照モニタであるKairosを提示する。 どの情報源が信頼されているかを記述する宣言的政策は、ほとんどの効果を決定論的に決定し、残りを無視し、エージェントが投機的に継続する間に保持される。
  論文  参考訳（メタデータ） (2026-10-13T14:24:26Z)
• The belief-action gap in language model agents [6.478742989183677]
  言語モデル(LM)エージェントは異なる理由で失敗し、異なる説明と介入を必要とする。 我々は、状態信念、行動価値観、行動嗜好がLMエージェントとしてどのように相互作用するかを調査し、テキストレンダリンググリッドの世界における意思決定にコミットする。
  論文  参考訳（メタデータ） (2026-10-12T22:04:36Z)
• When Should Agents Think? Adaptive Reasoning via Cross-Turn Estimation [107.3164703390355]
  本稿では,適応エージェント推論のためのトレーニング手法として,クロスツーリング推定(RACE)による推論適応を提案する。 RACEは、削除が現在のおよびその後の参照アクションに限定的な影響を持つ推論ターンを特定する。 4つの代表エージェントベンチマークの実験により、RASはタスク性能を維持したり改善したりしながら、推論コストを大幅に削減することが示された。
  論文  参考訳（メタデータ） (2026-10-08T14:43:09Z)
• Tracing the Thoughts of a Coding Agent Playing ARC-AGI-3: Lessons for Continual Learning [2.148015602930458]
  我々は,コーディングエージェントが一連の推論タスクを通してどのように学習するかを研究する。 我々はエージェントに指示を与えないインタラクティブな推論ゲームであるARC-AGI-3をプレイさせる。 エージェントはPythonスクリプトとテキストノートとして学んだことを記録し、ハーネスはすべてのアクションと観察の完全なログを保持する。
  論文  参考訳（メタデータ） (2026-10-08T08:04:18Z)
• Agents Are Systems, Not Models: Rethinking Agentic Evaluation [80.87068485535677]
  エージェントの構成の5つの部分(タスク情報、推論、自己検証、時間予算、バックボーンモデル)について検討する。 結果の約54%は、変更ではなく、同じ構成を繰り返すことによるものです。 ベンチマークと18,000以上のエージェントトラジェクトリをリリースする。
  論文  参考訳（メタデータ） (2026-10-01T12:55:07Z)
• When Can Agents Forget Their Reasoning? ICLR for Long-Horizon Agent Context Compression [55.84813053778976]
  ロングホライズル言語モデルエージェントは、推論履歴を継続的に蓄積する。 歴史的推論の除去は、将来の行動と結果として生じる相互作用の軌跡を変える可能性がある。 長軸推論のためのインタラクションアウェア圧縮を提案する。
  論文  参考訳（メタデータ） (2026-09-24T14:28:43Z)
• How Strongly Should Task State Influence an LLM Agent? [20.501736782803743]
  ロングホライズンに割り当てられた作業は、タスクの状態を追跡するためにLLMエージェントを必要とする。 表示、説明、強制された状態からどれだけの信頼性があるかは、誰も知りません。 タスクルール、モデル、ペア化されたエピソードを修正し、タスク状態がエージェントにどれだけ強く到達するかを変える。
  論文  参考訳（メタデータ） (2026-09-22T04:42:44Z)
• Turning Interaction History into Execution State: A Runtime Layer for Long-Horizon Coding Agents [48.967927222079965]
  Ledgerは、エージェントの完了したインタラクションを明示的な実行状態に蒸留するランタイム層である。 Ledgerはこの状態をオンライン実行台帳に保持し、各ステップの2つのバウンダリに適用される。 500のSWE-bench検証インスタンス全体で、LedgerはPass@1を56.2%から64.2%に、GPT-5 miniを75.8%から81.0%に、MiniMax M2.5を81.0%に引き上げている。
  論文  参考訳（メタデータ） (2026-08-01T18:25:00Z)
• Do Models Read What They Write? Causal Registers in Scratchpad Reasoning [2.61135281451375]
  制御された状態追跡タスクと既知の更新ルールを使用して、この要件をテストする。 我々は、可視的スクラッチパッドのテキストを固定しながら、1つの書き込み状態の内部表現を編集する。 Qwen2.5-Coder-7Bでは、状態記述モデルは、編集された状態によって入力される次のフェーズビットを、保持されたサンプルの80%と91%で予測する。
  論文  参考訳（メタデータ） (2026-06-28T17:32:59Z)
• The Why Behind the Action: Unveiling Internal Drivers via Agentic Attribution [63.61358761489141]
  LLM(Large Language Model)ベースのエージェントは、カスタマーサービス、Webナビゲーション、ソフトウェアエンジニアリングといった現実世界のアプリケーションで広く使われている。 本稿では,タスク結果に関係なく,エージェントの動作を駆動する内部要因を識別する,テキスト汎用エージェント属性のための新しいフレームワークを提案する。 標準ツールの使用やメモリ誘起バイアスのような微妙な信頼性リスクなど、さまざまなエージェントシナリオでフレームワークを検証する。
  論文  参考訳（メタデータ） (2026-01-21T15:22:21Z)
• A New Bandit Setting Balancing Information from State Evolution and Corrupted Context [52.67844649650687]
  本稿では,2つの確立されたオンライン学習問題と包括的フィードバックを組み合わせた,逐次的意思決定方式を提案する。 任意の瞬間にプレーする最適なアクションは、エージェントによって直接観察できない基礎となる変化状態に付随する。 本稿では,レフェリーを用いて,コンテキストブレイジットとマルチアームブレイジットのポリシーを動的に組み合わせるアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-11-16T14:35:37Z)

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。