Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

LLM-based Agentic Reasoning Frameworks: A Survey from Methods to Scenarios

Created by
  • Haebom

作者

Bingxi Zhao, Lin Geng Foo, Ping Hu, Christian Theobalt, Hossein Rahmani, Jun Liu

概要

本論文は、大規模言語モデル（LLM）ベースのエージェントシステムの固有の推論能力の発展に伴い、さまざまな自動化作業で人間レベルのパフォーマンスを示すシステムが登場した現状を取り上げます。 LLMを使用するという共通点がありますが、エージェントシステムの推論フレームワークは、推論プロセスを異なる方法で調整して構成します。本稿では、エージェント推論フレームワークを体系的に分類する分類スキームを提案し、さまざまなシナリオでの適用を比較してフレームワークレベルの推論を支配する方法を分析します。具体的には、統合型言語を提案して、エージェント推論システムを単一エージェント方式、ツールベース方式、およびマルチエージェント方式に分類します。その後、科学的発見、医療、ソフトウェアエンジニアリング、社会シミュレーション、および経済学の分野における主要な適用例の包括的なレビューを提供し、各フレームワークの特徴とさまざまな評価戦略をまとめます。この論文の目的は、研究コミュニティにさまざまなエージェント推論フレームワークの強み、適切なシナリオ、および評価慣行の全体的な視点を提供することによって理解を助けることです。

Takeaways、Limitations

•
Takeaways：
◦
LLMベースのエージェントシステムの推論フレームワークの体系的な分類体系を提示し、さまざまなシステムの理解を促進します。
◦
単一エージェント、ツールベース、マルチエージェント方式でエージェント推論システムを分類する統合型言語を提供します。
◦
科学、医療、ソフトウェアエンジニアリングなど、さまざまな分野でLLMベースのエージェントシステムの適用例を総合的に分析します。
◦
各フレームワークの特徴と評価戦略をまとめて、研究者に実践的なガイダンスを提供します。
•
Limitations：
◦
提示された分類スキームがすべてのタイプのLLMベースのエージェントシステムを包括的に扱うかどうかは、さらなる研究が必要である。
◦
各フレームワークのパフォーマンス比較の客観的な基準とベンチマークの欠如は限界として指摘されるかもしれません。
◦
急速に発展するLLMとエージェントシステムの分野における最新動向の両方を反映していない可能性があります。
👍
Made with Slashpage