BALAR(베이지안 에이전트 루프 능동 추론)는 파인튜닝 없이 LLM 에이전트와 사용자 간 구조화된 다중 턴 상호작용을 가능하게 하는 태스크 독립적 외부 루프 알고리즘입니다. 잠재 상태에 대한 구조화된 신념을 유지하고 예상 상호 정보량을 최대화하는 질문을 선택하며, 현재 표현이 부족할 때 동적으로 상태 표현을 확장합니다. 탐정 사례·사고 퍼즐·임상 진단 세 가지 벤치마크에서 모든 베이스라인 대비 각각 14.6%, 38.5%, 30.5% 정확도 향상을 달성했습니다.
- •파인튜닝 없이 적용 가능한 태스크 독립적 베이지안 외부 루프 알고리즘
- •예상 상호 정보량 최대화로 다음 질문 선택, 현재 표현 부족 시 상태 표현 동적 확장
- •탐정 사례·사고 퍼즐·임상 진단 3개 벤치마크에서 모든 베이스라인 능가
- •AR-Bench-DC 14.6%, AR-Bench-SP 38.5%, iCraft-MD 30.5% 정확도 향상 달성
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
BALAR : A Bayesian Agentic Loop for Active Reasoning
- 1.BALAR은 파인튜닝 없이 베이지안 신념 업데이트로 LLM 에이전트의 구조적 다중 턴 상호작용 구현
- 2.상호정보 최대화로 명확화 질문 선택, 현재 상태 표현이 부족하면 동적으로 확장
- 3.탐정 추리·사고 퍼즘·임상 진단 벤치마크에서 기준선 대비 14.6~38.5% 정확도 향상
왜 중요한가?
추가 학습 없이 베이지안 추론으로 LLM의 능동적 정보 수집 능력을 대폭 향상시켜 의료 진단 등 고위험 다중 턴 시나리오에 바로 적용 가능하다.
언급 프로젝트
본문 미리보기
arXiv:2605.05386v1 Announce Type: new Abstract: Large language models increasingly operate in interactive settings where solving a task requires multiple rounds of information exchange with a user. However, most current systems treat dialogue reactively and lack a principled mechanism to reason about what information is missing and which question should be asked next. We propose BALAR (Bayesian Agentic Loop for Active Reasoning), a task-agnostic outer-loop algorithm that requires no fine-tuning
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 13:10AI 초안
