HaReCAP: 習慣的行動に基づく再帰的大規模言語モデルエージェントの接地

HaReCAPは、長期的なembodiedタスクにおけるLLMエージェントの再帰的コンテキスト管理フレームワークReCAPの拡張手法。ReCAPは階層的なタスク分解と親ノードの修正により計画の安定性を向上させるが、リーフノードでの原子サブタスクの実行可能なアクションへの接地（last-mile grounding）に毎回LLMを呼び出すため、トークンと呼び出しのオーバーヘッドが生じる。HaReCAPは、成功した軌跡から頻出するリーフ決定を抽出し、オフラインで監査可能かつ棄却可能なワンステップのリーフ反射ルールにコンパイルする。実行時には、ルールが現在の有効アクションセット内で一意に合法アクションを決定できる場合のみLLM呼び出しをスキップし、それ以外は元のReCAPにフォールバックする。これにより、再帰的コンテキストを毎回LLMに渡すことなく、ルーチン的なリーフ接地の冗長性を削減する。

先行研究のReCAPは、再帰的なコンテキスト管理により計画の安定性を向上させるが、リーフノードでの接地に毎回LLMを呼び出すため、長期的実行中にトークンと呼び出しのオーバーヘッドが蓄積する。HaReCAPは、この「last-mile grounding redundancy」を、オフラインで抽出したルールベースのリーフ反射により削減する点が新しい。ReCAPの制御フローを維持しつつ、ルールが適用できる場合のみLLM呼び出しをスキップする低干渉な拡張であり、環境やモデルを問わず一般的に成功する軌跡でトークン消費を削減できる。

HaReCAPの手法の核心は、成功した軌跡から頻出するリーフ決定を抽出し、オフラインで「監査可能かつ棄却可能なワンステップのリーフ反射ルール」にコンパイルすること。実行時には、現在の有効アクションセット（valid-action set）に対してルールが一意に合法アクションを決定できる場合のみ、リーフLLM呼び出しをスキップする。それ以外の場合は元のReCAPにフォールバックする。これにより、再帰的コンテキストを毎回LLMに渡すことなく、ルーチン的な接地の冗長性を削減しつつ、元の再帰的制御フローを維持する。

Robotouille（同期・非同期）とALFWorldの2つの環境で、メインモデルにQwen3.5-27Bを用いて評価。ReCAPとHaReCAPの両方が解けたタスクにおいて、トークン消費量をRobotouille同期で14.67%、Robotouille非同期で17.93%、ALFWorldで20.08%削減した。これにより、HaReCAPがReCAPスタイルの再帰的コンテキスト管理フレームワークの低干渉拡張として機能し、一般的に成功する軌跡でlast-mile groundingの冗長性を削減できることを示した。

要旨からは、HaReCAPのルール抽出が成功した軌跡に依存するため、多様な環境やタスクでの一般化可能性や、ルールが適用できない場合のフォールバック頻度、ルールの監査可能性と棄却可能性の具体的な実装、モデルや環境の違いによる性能差などについての詳細な議論は不明。また、トークン削減率は両手法で解けたタスクに限定されており、解けないタスクへの影響や成功率の変化については言及されていない。

要旨で参照されているReCAP（Recursive context-management framework）が次に読むべき論文。また、関連する再帰的LLMエージェントやembodiedタスクの計画手法、ルールベースの接地手法に関する研究が考えられるが、具体的な論文名は要旨にないため、同分野の定番として「LLM-based planning for embodied agents」や「hierarchical task decomposition」に関する論文を挙げる。