論文の概要: Behaviour analysis for large language model-driven agents

• arxiv url: http://arxiv.org/abs/2610.32087v1
• Date: Fri, 23 Oct 2026 02:48:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 01:38:06.32841
• Title: Behaviour analysis for large language model-driven agents
• Title（参考訳）: 大規模言語モデル駆動エージェントの行動解析
• Abstract要約: 本稿では,データ駆動型行動発見と分析と実験研究を結びつける汎用フレームワークを提案する。 分析はプロセスにおける行動の位置を保持し、それらの関係を解釈可能な仮説として表現する。 提案手法は, 様々な長さ, イベント順序, エージェントの役割のトラジェクトリに対して開発され, より広範な使用を支援するために必要なコーディング, 分析, 実験の進歩を特定する。
• 参考スコア（独自算出の注目度）: 22.515075642486618
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Understanding language-agent behaviour requires learning how actions are organised across a trajectory and how this organisation relates to context and outcomes. We propose a general framework that connects data-driven behavioural discovery with analysis and experimental investigation. Categories developed from recorded activity define what is measured. Analyses preserve the behaviours' positions in the process and express their relationships as interpretable hypotheses. Statistical assessment and tests in held-out contexts examine the strength and scope of the evidence. Experiments, including prompt steering, then test how behaviour and outcomes change under deliberately varied conditions. A study of iterative self-reflection illustrates how discovery, dependency learning and prompt comparisons can inform one another. We develop this approach for trajectories of varying length, event order and agent roles, and identify advances in coding, analysis and experimentation needed to support its wider use.
• Abstract（参考訳）: 言語エージェントの振る舞いを理解するには、軌跡を越えて行動がどのように組織化され、この組織がコンテキストや成果とどのように関係しているかを学ぶ必要がある。 本稿では,データ駆動型行動発見と分析と実験研究を結びつける汎用フレームワークを提案する。 記録されたアクティビティから開発されたカテゴリは、測定したものを定義します。 分析はプロセスにおける行動の位置を保持し、それらの関係を解釈可能な仮説として表現する。 保持された文脈における統計的評価とテストは、証拠の強さと範囲を調べます。 迅速なステアリングを含む実験は、故意に異なる条件下での行動と成果がどのように変化するかをテストする。 反復的自己回帰の研究は、発見、依存性の学習、そして素早い比較がお互いにどのように情報を伝達するかを示している。 提案手法は, 様々な長さ, イベント順序, エージェントの役割のトラジェクトリに対して開発され, より広範な使用を支援するために必要なコーディング, 分析, 実験の進歩を特定する。

関連論文リスト

• Sparse Autoencoders for Mechanistic Interpretability in NLP: A Critical Survey of Recoverability, Interpretability, and Utility [13.923849468280425]
  スパースオートエンコーダ (SAE) は機械的解釈可能性に対する有望なアプローチとして出現している。 自然言語処理におけるSAEの研究138件について批判的な調査を行った。
  論文  参考訳（メタデータ） (2026-10-14T12:56:00Z)
• A Survey on Self-Improving Test-Time Intelligence: Feedback-Driven Adapting, Learning, and Scaling at Inference [72.19201465132619]
  このようなデプロイメント時間の改善を理解するための統一的な視点として,フィードバック駆動型テスト時間インテリジェンス(TTI)を提案する。 この視点は、テスト時適応、テスト時学習、テスト時スケーリングに関連するもので、ハイブリッドシステムにおけるそれらの相違点と相違点の両方を強調します。 私たちの目標は、テスト時に自己改善型AIシステムを研究するための、一貫性のある基礎と研究ロードマップを提供することです。
  論文  参考訳（メタデータ） (2026-09-01T11:41:39Z)
• Causally Evaluating the Learnability of Formal Language Tasks [59.73001113068827]
  データ周波数と学習可能性の関係を精査する。 特定のサブタスクの学習可能性を測定するために、Kullback-Leibler分散メトリクスを導出する。 実験の結果,因果介入を伴わない学習性の評価は誤結論につながることがわかった。
  論文  参考訳（メタデータ） (2026-06-08T17:58:36Z)
• How to Interpret Agent Behavior [56.59836196946289]
  本稿では,エージェントの動作を実行時に記述・解析するための分類法であるACT*ONOMYを紹介する。 共用語彙を提供することで、ACT*ONOMYは研究者、エージェントデザイナー、エンドユーザーがエージェントの振る舞いをより一貫して解釈するのに役立つ。
  論文  参考訳（メタデータ） (2026-05-13T14:52:40Z)
• Investigation into In-Context Learning Capabilities of Transformers [14.14937947207076]
  トランスフォーマーは、文脈内学習(ICL)の強力な能力を示した 本研究では,二項分類タスクにおける文脈内学習の体系的研究を行う。 本結果は,文脈内学習がいつ成功し,いつ失敗するかを決定する上で,次元性,信号強度,文脈情報の重要性を強調した。
  論文  参考訳（メタデータ） (2026-04-28T16:57:55Z)
• Dynamics Within Latent Chain-of-Thought: An Empirical Study of Causal Structure [58.89643769707751]
  表現空間における潜在連鎖を操作可能な因果過程として研究する。 遅延ステップの予算は、均質な余分な深さよりも、非局所的なルーティングを備えたステージ機能のように振る舞う。 これらの結果は、モード条件と安定性を意識した分析を、潜伏推論システムの解釈と改善のための信頼性の高いツールとして動機付けている。
  論文  参考訳（メタデータ） (2026-02-09T15:25:12Z)
• Attention Trajectories as a Diagnostic Axis for Deep Reinforcement Learning [4.662814261930481]
  本稿では,学習過程を定量的に分析して分析する科学的手法を提案する。 このアプローチは、オブジェクトとモダリティレベルでのサリエンシ情報を階層的な注意プロファイルに集約する。 この手法はアルゴリズム固有の注意バイアスを明らかにし、意図しない報酬駆動戦略を明らかにし、冗長な感覚チャネルへの過度な適合を診断する。
  論文  参考訳（メタデータ） (2025-11-25T18:20:42Z)
• Decoding In-Context Learning: Neuroscience-inspired Analysis of Representations in Large Language Models [5.062236259068678]
  In-context Learning (ICL) による大規模言語モデル(LLM)の性能向上について検討する。 本稿では,Llama-270BとVicuna 13Bのパラメータ化探索と,関連する情報と無関係情報に対する注意度の測定方法を提案する。 ICL後の行動改善とLLM層間の埋め込みと注意重みの変化との間に有意な相関が認められた。
  論文  参考訳（メタデータ） (2023-09-30T09:01:35Z)
• Task Formulation Matters When Learning Continually: A Case Study in Visual Question Answering [58.82325933356066]
  継続的な学習は、以前の知識を忘れずに、一連のタスクでモデルを漸進的にトレーニングすることを目的としている。 本稿では,視覚的質問応答において,異なる設定がパフォーマンスに与える影響について詳細に検討する。
  論文  参考訳（メタデータ） (2022-09-30T19:12:58Z)

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。