cv usk(@cv_usk):🧩 エージェントの訓練環境は、実はかなり「理想化」されています。ツールは常に正常に応答し、ユーザーは混乱なく指示を出す——そんな前提で育ったエージェントが、本番環境のタイムアウトやエラー、ユーザーからの突然の訂正にどこまで耐えられるでしょうか。著者らはここに着目し、実際のMCPサーバー557個から収集した2万4千件超のツール失敗を分析し、8つの失敗パターンと1,170件の「回復スキル」を抽出しました。これを元に、失敗直後からの立て直し、最初からの再計画、ユーザーからの自然言語での訂正という3つの角度でエージェントに反省のやり方を教え込み、さらにノイズ入りとクリーンな経験を混ぜた強化学習でその能力を磨き上げます。これがAgent-Reflexという手法です。結果は明確で、長時間のツール利用ベンチマーク5種の平均でベースモデルの31.6%から58.6%へと大幅に向上し、ノイズを混ぜた評価でも45.9%という高い性能を維持しました。失敗を恐れず回復する力そのものを、プロンプトではなくパラメータに刻み込んだことが効いています。タイトル: Agent-Reflex: Teaching Language Agents to Act Reflectively URL: https://t.co/oRC6hI5H0W #LLMエージェント #強化学習

2026.10.22 08:43

🧩 エージェントの訓練環境は、実はかなり「理想化」されています。ツールは常に正常に応答し、ユーザーは混乱なく指示を出す——そんな前提で育ったエージェントが、本番環境のタイムアウトやエラー、ユーザーからの突然の訂正にどこまで耐えられるでしょうか。著者らはここに着目し、実際のMCPサーバー557個から収集した2万4千件超のツール失敗を分析し、8つの失敗パターンと1,170件の「回復スキル」を抽出しました。これを元に、失敗直後からの立て直し、最初からの再計画、ユーザーからの自然言語での訂正という3つの角度でエージェントに反省のやり方を教え込み、さらにノイズ入りとクリーンな経験を混ぜた強化学習でその能力を磨き上げます。これがAgent-Reflexという手法です。結果は明確で、長時間のツール利用ベンチマーク5種の平均でベースモデルの31.6%から58.6%へと大幅に向上し、ノイズを混ぜた評価でも45.9%という高い性能を維持しました。失敗を恐れず回復する力そのものを、プロンプトではなくパラメータに刻み込んだことが効いています。タイトル: Agent-Reflex: Teaching Language Agents to Act Reflectively URL: #LLMエージェント# #強化学習#

显示更多