論文の概要: ProtAgent: Post-Training Compact Protein Tool Agents with Interaction-Level Credit Assignment

• arxiv url: http://arxiv.org/abs/2610.33746v1
• Date: Sat, 24 Oct 2026 15:42:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.434995
• Title: ProtAgent: Post-Training Compact Protein Tool Agents with Interaction-Level Credit Assignment
• Title（参考訳）: ProtAgent: インタラクションレベルクレジットアサインメントを備えた試験後コンパクトなタンパク質ツールエージェント
• Abstract要約: タンパク質アノテーション剤は、適切なバイオインフォマティクスツールを選択し、それらのアウトプットを解釈し、最終的な答えで結果のエビデンスを使用する必要がある。 本稿では,教師付き微調整を用いた2段階パイプラインであるProtAgentについて紹介する。
• 参考スコア（独自算出の注目度）: 59.85337246242935
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Protein annotation agents must choose suitable bioinformatics tools, interpret their outputs, and use the resulting evidence in the final answer. Most existing systems rely on frontier-scale models. We ask whether a compact model can instead learn this behavior through post-training with real tool interaction. We present ProtAgent, a two-stage pipeline that uses supervised fine-tuning (SFT) to learn the tool interface and standard on-policy REINFORCE to improve the interaction policy. Intermediate tool calls receive action rewards, and the final response receives a terminal answer reward. Step-level returns assign these rewards to the responses that produced them and to preceding actions. The episode-level baseline instead assigns one episode return to every action. On a fixed closed-loop protocol with real bioinformatics tools, ProtAgent-8B achieves 61.00% success under the annotation-coverage metric, compared with 41.60% for DeepSeek-V3.2-Thinking 671B and 60.80% for the strongest evaluated frontier system. In the three-seed comparison, mean success is 42.70% with episode-level returns and 61.40% with step-level returns under identity return normalization; the corresponding group-relative results are 36.50% and 58.20%. The metric measures recovery of reference annotations under this protocol; it does not by itself establish biological correctness or complete evidence grounding.
• Abstract（参考訳）: タンパク質アノテーション剤は、適切なバイオインフォマティクスツールを選択し、それらのアウトプットを解釈し、最終的な答えで結果のエビデンスを使用する必要がある。 既存のシステムの多くはフロンティアスケールモデルに依存している。 我々は、実際のツールインタラクションによるポストトレーニングによって、コンパクトモデルがこの振る舞いを学習できるかどうかを問う。 本稿では,教師付き微調整(SFT)を用いた2段階パイプラインであるProtAgentを紹介する。 中間ツールコールはアクション報酬を受け取り、最終応答はターミナル応答報酬を受け取る。 ステップレベルのリターンは、これらの報酬を生成したレスポンスと前のアクションに割り当てます。 エピソードレベルのベースラインは、すべてのアクションに1つのエピソードを割り当てる。 実際のバイオインフォマティクスツールを備えた固定クローズドループプロトコルでは、ProtAgent-8Bが61.00%の成功を達成し、DeepSeek-V3.2-Thinking 671B では41.60%、最も評価の高いフロンティアシステムでは60.80%である。 三種比較では、平均成功率はエピソードレベルのリターンで42.70%、アイデンティティレベルのリターンで61.40%であり、それに対応するグループ相対結果は36.50%と58.20%である。 このメートル法は、このプロトコルの下で参照アノテーションの回復を測定するが、それ自体が生物学的な正当性を確立したり、完全な証拠を根拠にしているわけではない。

関連論文リスト

• Beyond Pattern Matching in 3D MLLMs: Part-Level Functional Reasoning for Generalizable Recognition [54.603165239409925]
  3D MLLMはパターンマッチングによってオブジェクトを認識するが、これは幾何学的に類似したオブジェクトが不明瞭に機能的推論を必要とする場合に失敗する。 関数・アズ・アノテーション・パターンを同定し、関数言語は推論をサポートする代わりに既知のアイデンティティをデコレートする。 部分レベルの機能的推論はより一般化可能な3D認識への効果的な経路である。
  論文  参考訳（メタデータ） (2026-10-23T07:17:23Z)
• WEFT: Scaling Tool-Use Post-Training for General-Purpose Agents [83.57238211078025]
  WEFTは、環境幅、タスクの複雑さ、相互作用の多様性にまたがるエージェントインタラクションシステムの構築をスケールする。 大規模で安定した後トレーニングでは、WEFTは最適化と実行の信頼性の両方に対処する。 様々なモデルとベンチマークによる実験は、ツール使用後のトレーニングにおけるWEFTの有効性を示す。
  論文  参考訳（メタデータ） (2026-09-29T07:14:53Z)
• S3Gym: Can LLMs Turn Self-Testing and Self-Judging into Self-Improvement? [66.17176838165994]
  大規模言語モデル(LLM)は、ますます外部環境と相互作用し、かなりの行動経験を蓄積する。 エージェントがその振る舞いを積極的にテストし、得られた経験を判断し、その経験を使って将来の意思決定を改善することができるかどうかは不明だ。 LLM自己改善評価のための対話型ベンチマークである textbfStextsuperscript3Gym を導入する。
  論文  参考訳（メタデータ） (2026-08-31T17:05:41Z)
• Amplitude-Only FFN Intervention for Tool-Structured LLM Inference Method: Gated Evaluation Protocol, and Cross-Model Empirical Results [10.526208975530054]
  モデル重みをトレーニングせずに構造出力を改善するために,推定時フィードフォワードネットワーク(FFN)の介入について検討した。 増幅ゲーティング(Amplitude Gating, AG)は、未訓練のFFNの重量方向を保存し、生成時にのみ活性化の程度を調節する非破壊的な代替手段である。 これらの結果から,安全なFFNレベルの推論最適化のための最も信頼性の高い第1ターゲットとして,ツール構造推論が同定された。
  論文  参考訳（メタデータ） (2026-07-13T07:28:55Z)
• ACCORD: Action-Conditioned Contextual Grounding for Language Agents [69.73525608707764]
  ACCORD(Action-Conditioned Contextual Grounding)は、適応的なグラウンドのためのエージェントフレームワークである。 現状のエージェントは、しばしばそうすることができないことを示す。それらは、観察された特定の情報よりもむしろ仮定から行動し、収集した可能性のある情報を見落とし、既に返された証拠を組み込むことに失敗する。
  論文  参考訳（メタデータ） (2026-06-15T09:05:55Z)
• APEX-EM: Non-Parametric Online Learning for Autonomous Agents via Structured Procedural-Episodic Experience Replay [7.370176470430802]
  LLMベースの自律エージェントは、永続的な手続き記憶を欠いている。 我々は,構造化手続き計画の蓄積,検索,再利用を行う非パラメトリックオンライン学習フレームワークであるAPEX-EMを提案する。
  論文  参考訳（メタデータ） (2026-03-31T00:24:56Z)
• AgentProcessBench: Diagnosing Step-Level Process Quality in Tool-Using Agents [50.481033105867205]
  我々はAgentProcessBenchを紹介した。AgentProcessBenchは、現実的なツール拡張トラジェクトリにおけるステップレベルの有効性を評価するための最初のベンチマークである。 ベンチマークは、1,000の多様な軌跡と8,509の人間ラベル付きステップアノテーションと89.1%のアノテーション間合意で構成されている。 探索をキャプチャする3つのラベリングスキームと、ラベルのあいまいさを減らすためのエラー伝搬ルールを備えている。
  論文  参考訳（メタデータ） (2026-03-15T16:13:58Z)

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。