Learning Optimal Agent Behavior From a Synthetic Reasoning Action Dataset
Notice bibliographique
Résumé
Recent advances in large language models (LLMs) have demonstrated impressive capabilities in reasoning and problem solving. However, a key limitation persists: most models rely on static, pre-injected external knowledge provided at the beginning of generation, without the ability to dynamically retrieve or act upon information mid-process. This fixed context window approach often leads to hallucinations, outdated references, or incomplete answers, particularly in complex or open-ended tasks. To address this, we propose integrating action calls such as function executions, API queries, or web searches during the reasoning process, allowing the model to access and incorporate relevant external information at decision-critical moments. This mechanism more closely resembles human reasoning: when solving a problem, humans often recognize the need for additional information, consult a resource (e.g., a search engine or document), and then refine their conclusions based on the new input. By enabling models to interleave reasoning with tool use, we can significantly enhance their accuracy, factual grounding, and adaptability. This approach is particularly valuable in the context of LLM-based agents, which must operate autonomously in dynamic environments. In such settings, the ability to perform contextual information retrieval or computation mid-generation is essential for robust, real-time decision making. Compared to static knowledge injection, action-in-the-loop reasoning empowers agents to ask the right questions at the right time, thereby reducing uncertainty and improving overall performance across a wide range of tasks.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».