論文の概要: TAC-CoT: Tool-Empowered Implicit Chain-of-Thought via Interleaving Explicit Tokens

• arxiv url: http://arxiv.org/abs/2611.01926v1
• Date: Sun, 01 Nov 2026 14:05:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-04 23:36:30.509717
• Title: TAC-CoT: Tool-Empowered Implicit Chain-of-Thought via Interleaving Explicit Tokens
• Title（参考訳）: TAC-CoT:明示的なトークンのインターリービングによるツール・エモーズド・インプリシット・チェーン・オブ・サート
• Abstract要約: ツールを組み込んだ適応型暗黙的CoTフレームワークであるTAC-CoTを提案する。 エージェント数学とQAベンチマークの実験では、TAC-CoTの精度は最大8.8ポイント向上し、モデルの前方通過を最大6.8倍削減している。
• 参考スコア（独自算出の注目度）: 28.211854447943846
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: LLM-based agentic systems are increasingly combined with CoT reasoning to solve tasks that require accurate reasoning, external knowledge, and multi-step deliberation. Yet, explicit CoT incurs substantial generation overhead, while implicit CoT, which replaces textual rationales with compact continuous tokens, does not naturally support the explicit communication interface required for agentic tool-use. We propose TAC-CoT, a tool-empowered adaptive implicit CoT framework that replaces explicit reasoning traces with compact latent reasoning segments while retaining textual tokens only for tool calls, observations, and final answers. This interleaved design enables agentic tool-use without verbalizing every intermediate reasoning step. Experiments on agentic math and QA benchmarks show that TAC-CoT improves accuracy by up to 8.8 points while reducing model forward passes by up to 6.8x. Furthermore, analyses show that TAC-CoT improves tool-use quality in both single- and multi-tool settings.
• Abstract（参考訳）: LLMベースのエージェントシステムは、正確な推論、外部知識、多段階の議論を必要とするタスクを解決するために、CoT推論と組み合わさりつつある。 しかし、明示的なCoTは、テキストの有理をコンパクトな連続トークンに置き換える暗黙的なCoTは、エージェントツールの使用に必要な明示的な通信インターフェースを自然にサポートしていない。 ツールを組み込んだ適応型暗黙的CoTフレームワークであるTAC-CoTを提案する。 このインターリーブドデザインは、中間推論ステップの全てを言語化することなく、エージェントツールの使用を可能にする。 エージェント数学とQAベンチマークの実験では、TAC-CoTの精度は最大8.8ポイント向上し、モデルの前方通過を最大6.8倍削減している。 さらに,TAC-CoTはシングルツール設定とマルチツール設定の両方でツール使用品質を向上させる。

関連論文リスト

• SIM-CoT: Supervised Implicit Chain-of-Thought [108.30049193668083]
  Implicit Chain-of-Thought(CoT)メソッドは、大規模言語モデルにおける明示的なCoT推論に代わるトークン効率の代替手段を提供する。 暗黙的なCoTの計算予算をスケールする際の中核的な不安定性問題を特定する。 そこで我々はSIM-CoTを提案する。SIM-CoTは,遅延推論空間を安定化・拡張するためのステップレベルの監視を実現するモジュールである。
  論文  参考訳（メタデータ） (2025-09-24T17:01:32Z)
• AdaCoT: Pareto-Optimal Adaptive Chain-of-Thought Triggering via Reinforcement Learning [30.265984245328124]
  Chain-of-Thoughtは、すべてのクエリに対する長い推論ステップを無差別に生成する。 AdaCoT(Adaptive Chain-of-Thought)は、LLMがCoTを呼び出すタイミングを適応的に決定できる新しいフレームワークである。 重要な技術的貢献はSLM(Selective Loss Masking)であり、決定境界崩壊の防止を目的としている。
  論文  参考訳（メタデータ） (2025-05-17T08:27:00Z)
• Sketch-of-Thought: Efficient LLM Reasoning with Adaptive Cognitive-Inspired Sketching [64.74765550805024]
  Chain-of-Thoughtはステップバイステップの問題解決を促すが、中間出力の過剰な冗長性を犠牲にすることが多い。 我々は,認知にインスパイアされた推論パラダイムを言語制約と統合する促進フレームワークであるSketch-of-Thought(SoT)を提案する。 SoTはトークンを最大84%削減し、18の推論データセットで最小限の精度ロスを達成している。
  論文  参考訳（メタデータ） (2025-03-07T06:57:17Z)
• To CoT or not to CoT? Chain-of-thought helps mainly on math and symbolic reasoning [55.52872152909785]
  Chain-of-Thought (CoT) は,大規模言語モデル (LLM) から推論能力を引き出すデファクト手法である。 私たちは、CoTが主に数学や論理学を含むタスクに強いパフォーマンス上の利点をもたらし、他のタスクよりもはるかに少ない利益をもたらすことを示しています。
  論文  参考訳（メタデータ） (2024-09-18T17:55:00Z)

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。