形式化されたLLM(agent)設計を Toward: 构件構造モデルと論理的なダイナミクス解析の適用

現在の大規模言語モデル（LLM）での研究は分割されています：コンセプチュアルなフレームワークや手法論的原則に関する議論が、実装詳細に頻繁に融合され、読者と著者が混乱を招く複雑さを増しています。我々は，これらの分断の根元として、構文構造から点検と比較するLLMアgentの正式モデルの欠如を指摘しており、それを補うためには構築されたモデルが必要です。そのためには exttt{構造的なコンテクスト・モデル}という仮説的なモデルを使うことで、実装に関係なくLLMア gentの描写と比較を行うことができるようになります。この基礎に立ち、我々はLLMの代理研究と開発のライフサイクル全体を満たす補間なコンポーネントとして2つを説明します：(1) 壁内実装フレームワークを要する；及び(2)持続可能なオブジェクト作成プロセス exttt{論理的なダイナミクス解析}。我々の提案する工程は、代理体についてのメカニズムに関する原理的洞察と共に急速で系統的に適応を許せる設計に導く効果を持っています。我々は最も困難な状況に対して成功率において約32パーセント点アップするよう我々のアプローチによるエージェントを達成しましたというデモンストレーションを行いました。

arXiv:2602.08276v1 Announce Type: new Abstract: Current research on large language model (LLM) agents is fragmented: discussions of conceptual frameworks and methodological principles are frequently intertwined with low-level implementation details, causing both readers and authors to lose track amid a proliferation of superficially distinct concepts. We argue that this fragmentation largely stems from the absence of an analyzable, self-consistent formal model that enables implementation-independent characterization and comparison of LLM agents. To address this gap, we propose the \texttt{Structural Context Model}, a formal model for analyzing and comparing LLM agents from the perspective of context structure. Building upon this foundation, we introduce two complementary components that together span the full lifecycle of LLM agent research and development: (1) a declarative implementation framework; and (2) a sustainable agent engineering workflow, \texttt{Semantic Dynamics Analysis}. The proposed workflow provides principled insights into agent mechanisms and supports rapid, systematic design iteration. We demonstrate the effectiveness of the complete framework on dynamic variants of the monkey-banana problem, where agents engineered using our approach achieve up to a 32 percentage points improvement in success rate on the most challenging setting.