FAMA：インタラクティブなツール利用環境向けオープンソースLLMのための失敗対応型メタ・エージェント・フレームワーク
arXiv cs.CL / 2026/4/29
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- 本論文は、対話型かつツールを使うタスクでオープンソースLLMエージェントの性能を高めるための「FAMA（Failure-Aware Meta-Agentic）」フレームワークを提案する。
- まず、ベースラインのエージェントから失敗の軌跡を分析し、多数ターンの意思決定で連鎖的に破綻を招く「頻出の誤りパターン」を特定する。
- 次にFAMAは、最小限の専門エージェントだけを起動し、意思決定ステップの前にツール利用エージェントへ向けて狙いを定めた文脈（コンテキスト）を注入する。
- 複数のオープンソースLLMでの実験により、標準ベースラインに対して評価モード横断で最大27%の性能向上が示された。
- 本研究は、よくある失敗に対処するための文脈を選択的に整備し注入することが、信頼性の高いマルチターンのツール利用エージェント設計に有効な原則であると示唆している。
