論文の概要: LAMB: Latent Multi-Hypothesis Beliefs for Long-Horizon Large Language Agents

• arxiv url: http://arxiv.org/abs/2610.26955v1
• Date: Sun, 18 Oct 2026 10:41:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.40765
• Title: LAMB: Latent Multi-Hypothesis Beliefs for Long-Horizon Large Language Agents
• Title（参考訳）: LAMB:Long-Horizon Large Language Agentsのための潜伏多相理論
• Abstract要約: ロングホライゾンの言語エージェントは、相互作用の証拠を保持するコンパクトな記憶を必要とするが、観測されていない状態に関する競合する仮説を保っている。 LAMBは潜伏多仮説信念の反復的枠組みである。 これらの結果は、効率的な長期意思決定のためのコンパクトメモリとして、潜伏多仮説の信念を支持する。
• 参考スコア（独自算出の注目度）: 45.34127117846614
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Long-horizon language agents require compact memories that retain interaction evidence while preserving competing hypotheses about unobserved states. Although effective, many belief-state methods encode memory in discrete natural language, where repeated compression can omit evidence or prematurely discard plausible alternatives. We introduce LAMB, a recurrent framework for latent multi-hypothesis beliefs. A Common--Delta factorization combines a shared Common state for interaction evidence with weighted Delta components for competing hypotheses. Relative evidence from action-outcome predictions guides recurrent hypothesis updates without generating textual memory. A context-conditioned readout exposes hypotheses separately to the policy through a fixed-token belief prefix in the default configuration. The belief modules and policy are jointly trained using action imitation and auxiliary state, outcome, and observation-discrimination objectives. Across ALFWorld, BabyAI, ScienceWorld, and Crafter, LAMB matches or outperforms PABU, improving ALFWorld SR@30 and ScienceWorld success by 6.0 and 22.0 percentage points, respectively, and Crafter achievement progress by 26.37 points. On ALFWorld, it also reduces the redundant-action rate by 17.70 percentage points. These results support latent multi-hypothesis beliefs as compact memory for effective long-horizon decision making
• Abstract（参考訳）: ロングホライゾンの言語エージェントは、相互作用の証拠を保持するコンパクトな記憶を必要とするが、観測されていない状態に関する競合する仮説を保っている。 実効性はあるものの、多くの信条状態法は離散自然言語のメモリを符号化し、反復圧縮は証拠を省略したり、プラウチブルな代替品を早期に破棄したりすることができる。 LAMBは潜伏多仮説信念の反復的枠組みである。 共通デルタ因子化(Common-Delta factorization)は、相互作用証拠の共有共通状態と、競合する仮説の重み付けデルタ成分を組み合わせる。 アクションアウトカム予測からの相対的なエビデンスによって、テキストメモリを生成することなく、繰り返し発生する仮説更新が導かれる。 コンテキスト条件付き読み出しは、デフォルト設定の固定トークンの信念プレフィックスを通じて、ポリシーに別々に仮説を公開する。 信念モジュールとポリシーは、行動模倣と補助状態、結果、観察と識別の目的を用いて共同で訓練される。 ALFWorld、BabyAI、ScienceWorld、Crafter全体では、LAMBはPABUにマッチまたはオーバーパフォーマンスし、ALFWorld SR@30とScienceWorldはそれぞれ6.0ポイント、ScienceWorldは22.0ポイント、Crafterの達成は26.37ポイント向上した。 ALFWorldでは、冗長アクション率を17.70ポイント削減する。 これらの結果は、効率的な長期意思決定のためのコンパクトメモリとしての潜在多仮説信念を支持する。

関連論文リスト

• MicroVerse: An Instrument for Measuring Self-Authored Identity Drift in Long-Horizon Multi-Agent Language-Model Simulations [47.771518253102975]
  MicroVerseは、生成エージェントのアイデンティティドリフトを測定する行動科学機器である。 エージェントは不変の"ソウルファイル"(コア値、モラル境界、パーソナリティ、目標)を持ち、50 x 50の環境に生息する。 反自己偽装は、アイデンティティー修飾の単一の最大の意味圏として現れない。
  論文  参考訳（メタデータ） (2026-08-16T16:31:42Z)
• Knowledge-Guided Multimodal Reasoning over Interacting Streams for Video-Level Ambivalence and Hesitancy Recognition [0.9297355862757838]
  PRISM-AHはA/Hを時間とともに展開するマルチモーダルコンフリクトとして扱うフレームワークである。 知識誘導型大規模言語モデルは、データセットの専門的な分類法を用いて、構造化された証拠を理由づける。 525ビデオのラベル付き公開テストパーティションでは、PRISM-AHは0.2827のゼロショットベースラインと比較して0.6133のマクロF1を達成する。
  論文  参考訳（メタデータ） (2026-07-28T16:44:38Z)
• Before the Action: Benchmarking LLMs on Prospective Hypothesis Discovery [95.44432473367836]
  大規模言語モデル(LLM)は、事前に特定された質問に答える能力に優れるが、未解決の未解決段階をナビゲートする能力はほとんど測定されていない。 仮説探索(PHD)を導入し,不確定な証拠から,仮説空間を自律的に構築することをモデルに求める。 本稿では,6つの科学的・分析的領域にわたる988ケースのベンチマークであるHypoArenaと,オープンエンド仮説セットの評価フレームワークであるHypoEvalを紹介する。
  論文  参考訳（メタデータ） (2026-07-17T08:56:43Z)
• One Reflection Is Not Enough: Self-Correcting Autonomous Research via Multi-Hypothesis Failure Attribution [85.65263343588026]
  我々は,自己修正型,自律型,接地型実験機であるSAGEを提案する。 その中核的なメカニズムであるMHFA(Multi-Hypothesis Failure Attribution)は、回復を構造的因果診断として扱う。 12のトピック、5ドメインのベンチマークでは、SAGEは基準リフレクションでメトリクスを含むアウトプットを42%から92%に増やしている。
  論文  参考訳（メタデータ） (2026-06-30T10:54:16Z)
• Agent-BRACE: Decoupling Beliefs from Actions in Long-Horizon Tasks via Verbalized State Uncertainty [70.43119366710778]
  本稿では,Agens-BRACE: Agent Belief state Representation by Abstraction and Confidence Estimationを紹介する。 LLMエージェントを信頼状態モデルと政策モデルに分離し、強化学習を通じて協調的に最適化する手法である。 長期にわたる部分的に観察可能な言語環境において、平均して+14.5%の絶対的な改善を実現している。
  論文  参考訳（メタデータ） (2026-05-12T02:37:04Z)
• Belief Memory: Agent Memory Under Partial Observability [56.41506249481312]
  本稿では,メモリパラダイムを観測毎に1つの結論にシフトし,その確率で複数の結論を導出するBeliefMemを提案する。 BeliefMemは決定論的パラダイムが破棄されるという不確実性を保ち、エージェントが高い信頼を持って行動することを可能にする。 LoCoMoとALFWorldベンチマークの実証的な評価は、限られたデータであっても、BeliefMemが最高の平均パフォーマンスを達成することを示している。
  論文  参考訳（メタデータ） (2026-05-07T02:03:13Z)

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。