論文の概要: Think Before You Act: Decision Gate for LLM Agents
- arxiv url: http://arxiv.org/abs/2610.38620v1
- Date: Wed, 28 Oct 2026 10:40:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-01 01:32:09.990655
- Title: Think Before You Act: Decision Gate for LLM Agents
- Title（参考訳）: 行為の前に考える: LLMエージェントのための決定ゲート
- Abstract要約: 実行前に選択したエージェントアクションをインターセプトするランタイム検証フレームワークであるJevActを紹介する。
JevActはドメインポリシーを実行可能な状態チェックと、プリフィルのみの意思決定モデルで評価された構造化された質問にコンパイルする。
JevAct を 11 個の LLM エージェントに対して,2 ドルの Airline タスクと Telecom タスクと BFCL タスクで評価した。
- 参考スコア（独自算出の注目度）: 4.89979099508841
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: LLM agents increasingly perform consequential actions through external tools, yet their proposed actions are often executed without independent verification of policy compliance or task completion. We introduce JevAct, a runtime verification framework that intercepts selected agent actions before execution and enables feedback-driven correction. JevAct compiles domain policies into executable state checks and structured questions evaluated by a prefill-only decision model, which produces probability-based judgments without relying on LLM generation. By combining deterministic verification of tool-state facts with probabilistic assessment of conversational context, the framework identifies potentially invalid actions and premature task termination, providing targeted feedback for bounded revision. JevAct operates independently of the underlying agent model and requires no modifications to its parameters or tools. We evaluate JevAct across eleven LLM agents on $τ^2$-bench Airline and Telecom tasks and BFCL. Results show improvements in agent reliability across multiple models and benchmarks, with particularly consistent gains on Telecom and BFCL, while performance on Airline is more mixed. Overall, these findings suggest that combining structured decision models with executable verification can improve the reliability of tool-using LLM agents.
- Abstract（参考訳）: LLMエージェントは、外部ツールを通じて連続的なアクションを実行することが多いが、それらのアクションは、ポリシーコンプライアンスやタスク完了の独立した検証なしに実行されることが多い。
我々は、実行前に選択されたエージェントアクションをインターセプトし、フィードバック駆動の修正を可能にするランタイム検証フレームワークであるJevActを紹介する。
JevActは、ドメインポリシーを実行可能状態チェックと、プレフィルのみの決定モデルで評価された構造化された質問にコンパイルする。
ツール状態事実の決定論的検証と会話コンテキストの確率論的評価を組み合わせることで、潜在的に無効な行動と早期タスク終了を識別し、限定されたリビジョンに対する目標フィードバックを提供する。
JevActは基盤となるエージェントモデルとは独立して動作し、パラメータやツールを変更する必要はない。
JevActを$τ^2$-bench AirlineとTelecomタスクとBFCLで評価した。
結果は、複数のモデルとベンチマークでエージェントの信頼性が向上し、特にTelecomとBFCLは、Airlineのパフォーマンスがより混在していることを示している。
これらの結果から,構造化決定モデルと実行可能検証を組み合わせることで,ツール使用型LCMエージェントの信頼性が向上することが示唆された。
関連論文リスト
- Reconciling Process Supervision with Outcome-Based Credit in Agentic Policy Optimization [13.354353071601379]
我々は、特権付き監督を成果ベースアクションクレジットに変換するTASPOを紹介する。
3つのエージェントベンチマークで、TASPOはGRPOよりも10.6%改善し、目に見えないタスクを一般化する。
論文 参考訳（メタデータ） (2026-08-31T16:51:50Z) - From Profiling to Synthesis: Benchmarking Implicit Behavioral Alignment in Personalized LLM Agents [56.187590188698955]
大規模言語モデルは、ますます有能な自律エージェントを可能にしてきたが、そのようなエージェントを実用的に有効にするためには、パーソナライズが不可欠である。
最近のベンチマークではエージェントのパーソナライゼーションの評価が始まっているが、それらは主に静的な選好スナップショット、固定されたインタラクションログ、あるいは事前に定義されたユーザプロファイルに対する質問応答に依存している。
縦断的相互作用履歴から構築した暗黙的行動アライメントのベンチマークであるIBA-Benchを紹介する。
IBA-Agentは、広範囲な検索と軌道レベルのアライメントを通じて競合する優先順位を調整するエージェントフレームワークである。
論文 参考訳（メタデータ） (2026-08-03T12:52:04Z) - Think Twice, Act Once: Verifier-Guided Action Selection For Embodied Agents [23.69429098915734]
Verifier-Guided Action Selection (VegAS)はMLLMベースのエンボディエージェントの堅牢性を改善するために設計されたテストタイムフレームワークである。
我々は、VeGASが常に一般化を改善し、CoTベースラインよりも36%の性能向上を実現していることを示す。
論文 参考訳（メタデータ） (2026-05-12T18:08:24Z) - OLIVIA: Online Learning via Inference-time Action Adaptation for Decision Making in LLM ReAct Agents [74.20327254615854]
大規模言語モデルエージェントは、シーケンシャルな意思決定タスクを解決するために、推論、行動選択、観察をインターリーブする。
LLMエージェントの既存の推論時間適応法は、主にプロンプトや検索に依存している。
提案するOLIVIAは,ReAct型エージェントのための推論時行動適応フレームワークである。
論文 参考訳（メタデータ） (2026-05-11T19:28:20Z) - Autonomous Adversary: Red-Teaming in the age of LLM [1.4302803674538154]
言語モデルエージェント(LMA)は、レッドチーム操作を増強するための強力なプリミティブとして現れている。
我々は、これらのエージェントが中核攻撃機能とどのように交わるかを分析し、現在の強度と限界を評価する。
制御された対向エミュレーション環境における2つの横移動シナリオのLMAをベンチマークする。
論文 参考訳（メタデータ） (2026-05-07T16:07:41Z) - FAMA: Failure-Aware Meta-Agentic Framework for Open-Source LLMs in Interactive Tool Use Environments [60.3427704389541]
大規模言語モデルは、自律エージェントの意思決定コアとして、ますます多くデプロイされている。
しかし、会話のベンチマークでは、誤った意思決定のカスケード効果のために、これらのエージェントは頻繁に失敗する。
これらの課題に対処するために、Failure-Aware Meta-Agenticフレームワークを提案する。
論文 参考訳（メタデータ） (2026-04-28T02:21:53Z) - Should I Have Expressed a Different Intent? Counterfactual Generation for LLM-Based Autonomous Control [31.47957931665684]
大規模言語モデル(LLM)を利用したエージェントは、高レベルのユーザ意図を環境内の計画や行動に変換することができる。
本稿では,エージェント制御シナリオにおいて,そのような反実的推論を可能にするフレームワークを提案する。
論文 参考訳（メタデータ） (2026-01-27T22:18:57Z) - SAND: Boosting LLM Agents with Self-Taught Action Deliberation [54.48979740613828]
大規模言語モデル(LLM)エージェントは、通常、ReActスタイルの専門家軌道の教師付き微調整や、ペアのロールアウトよりも好みの最適化で調整される。
本稿では,自己学習型アクチオN審議(SAND)フレームワークを提案する。
SANDは、初期教師付き微調整よりも平均20%改善し、また最先端のエージェントチューニングアプローチより優れている。
論文 参考訳（メタデータ） (2025-07-10T05:38:15Z) - Learning to Use Tools via Cooperative and Interactive Agents [58.77710337157665]
ツール学習は、外部ツールを使用してユーティリティを拡張するエージェントとして、大きな言語モデル(LLM)を促進する。
ツール選択,ツール実行,アクションキャリブレーションの3つの特別なエージェントを個別にコーディネートする,協調型対話型エージェントフレームワークであるConAgentsを提案する。
3つのデータセットに対する実験により、LLMは、ConAgentsを装備した場合、大幅に改善されたベースラインよりも優れた性能を示した。
論文 参考訳（メタデータ） (2024-03-05T15:08:16Z)
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。