論文の概要: Agents, Think Only When it Helps

• arxiv url: http://arxiv.org/abs/2611.05709v1
• Date: Tue, 03 Nov 2026 22:35:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 03:25:57.893345
• Title: Agents, Think Only When it Helps
• Title（参考訳）: エージェントは助ける時だけ考える
• Abstract要約: 我々は,エージェントの究極の行動パフォーマンスに対する思考監督の重要性を疑問視する。 モデルスケールで広く採用されているエージェントベンチマークでは、思考の変更や破棄は、学生のパフォーマンスにはほとんど影響しない。 しかし,学習中に対応する行動において思考に関する情報が開示されない場合には,思考監督の重要性が指摘される。
• 参考スコア（独自算出の注目度）: 15.42824622975782
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: LLM agent distillation transfers agentic capabilities to student models by training on complete teacher trajectories that typically interleave thoughts and actions. We question how critical thought supervision is for agents' ultimate action performance. To answer this, we disentangle their impacts by independently perturbing teacher thoughts and actions during distillation. On widely adopted agent benchmarks across model scales, altering or discarding thoughts has little effect on student performance. We find, however, that thought supervision becomes important when information about the thought is not disclosed in the corresponding action during training. By identifying such discrepant cases, our findings challenge the common practice of distilling entire teacher trajectories for LLM agents, and offer a new insight that thought supervision can be a discernible choice for efficiency depending on whether the information of thought is disclosed in the action.
• Abstract（参考訳）: LLMの蒸留は、通常思考と行動のインターリーブを行う教師の完全な軌跡を訓練することで、学生モデルにエージェント能力を伝達する。 我々は,エージェントの究極の行動パフォーマンスに対する思考監督の重要性を疑問視する。 これに対応するために,蒸留中の教師の考えや行動を独立に摂動させることで,その影響を解消する。 モデルスケールで広く採用されているエージェントベンチマークでは、思考の変更や破棄は、学生のパフォーマンスにはほとんど影響しない。 しかし,学習中に対応する行動において思考に関する情報が開示されない場合には,思考監督の重要性が指摘される。 このような不明瞭な事例を同定することにより, LLMエージェントの教師軌跡全体を蒸留する一般的な実践に挑戦し, 思考情報の開示の有無に応じて, 思考監督が効率のよい選択となることを新たな知見として提示する。

関連論文リスト

• Agentic Critical Training [58.33938417298441]
  大規模言語モデル(LLM)を自律エージェントとして訓練することは、しばしば模倣学習から始まる。 本稿ではエージェントクリティカルトレーニング(ACT)を提案する。これは,エージェントに対して,選択肢間のよりよい行動を特定するための強化学習パラダイムである。 ACTは、異なるポストトレーニングメソッドと組み合わせることで、エージェントのパフォーマンスを一貫して改善する。
  論文  参考訳（メタデータ） (2026-03-09T17:58:56Z)
• Thinking Makes LLM Agents Introverted: How Mandatory Thinking Can Backfire in User-Engaged Agents [23.785816075149484]
  思考の誘導による複雑なタスクにおける大規模言語モデル(LLM)の性能向上のための強力な手法として、推論の緩和が登場した。 本研究は,LLMエージェントの明示的思考効果に関する総合的研究である。 ユーザを巻き込んだ設定では,必須思考がエージェントのバックファイアを引き起こし,異常なパフォーマンス低下の原因となることが分かっています。
  論文  参考訳（メタデータ） (2026-02-08T03:23:22Z)
• Gaming the Judge: Unfaithful Chain-of-Thought Can Undermine Agent Evaluation [76.5533899503582]
  大規模言語モデル(LLM)は、エージェントのパフォーマンスを評価するために、ますます裁判官として使われている。 このパラダイムは、エージェントのチェーン・オブ・シークレット(CoT)推論が内部の推論と環境状態の両方を忠実に反映していることを暗黙的に仮定している。 我々は、操作された推論だけで、様々なWebタスクにまたがる800の軌跡に対して、最先端のVLM審査員の偽陽性率を最大90%向上させることができることを実証した。
  論文  参考訳（メタデータ） (2026-01-21T06:07:43Z)
• Off-Trajectory Reasoning: Can LLMs Collaborate on Reasoning Trajectory? [13.980638430366625]
  推論 LLM は推論プロセスの言語化のために訓練され、複雑なタスクに対して強い利益をもたらす。 重要な前提条件は、他のモデルの部分的思考に基づいて有用性を評価し、構築する能力である。 本稿では,標準の単調訓練パイプラインが望ましい軌道外行動を提供できるか,という課題を考察する。
  論文  参考訳（メタデータ） (2025-10-07T19:42:50Z)
• Rejecting Hallucinated State Targets during Planning [84.179112256683]
  計画過程において、生成的または予測的モデルは、期待される状態や望ましい状態の集合を表す「ターゲット」を提案するためにしばしば用いられる。 残念ながら、学習したモデルは必然的に幻覚を与え、妄想的な行動や安全上の懸念を引き起こす可能性がある。 我々は、目標実現可能性評価器を学習することで、実現不可能な目標を特定し、拒否する戦略を考案する。
  論文  参考訳（メタデータ） (2024-10-09T17:35:25Z)

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。