Die meisten Agent-Schleifen führen einen Werkzeugaufruf aus, sobald das Modell ihn vorschlägt. Die Ergebnisse von JevAct legen nahe, dass ein günstiger, wahrscheinlichkeitsbasierter Kontrollpunkt direkt vor der Ausführung werkzeugnutzende Agenten zuverlässiger machen kann, auch wenn die Gewinne je nach Benchmark stark schwanken.
Zusammenfassung für die Geschäftsleitung
- LLM-Agenten führen zunehmend folgenreiche Aktionen über externe Werkzeuge aus, doch diese Aktionen werden oft ohne unabhängige Prüfung von Policy-Konformität oder Aufgabenabschluss ausgeführt.
- JevAct übersetzt eine Domänen-Policy offline in Fragen, Regeln, ausführbare Zustandsprüfungen und bei Bedarf eine Checkliste für die Übergabe.
- Zur Laufzeit prüft Code Fakten in den Werkzeugdaten, während Kev, ein quelloffenes Jev-artiges Entscheidungsmodell, die Fragen beantwortet, die vom Gespräch abhängen.
- Im Vergleich mit einem ReAct-Harness auf τ²-bench (Airline, Telecom) und BFCL sind die Gewinne bei Telecom und beim Drei-Läufe-Erfolg auf BFCL konsistent, bei Airline gemischter.
- Die Autoren formulieren selbst vorsichtig: Die Befunde legen nahe, dass strukturierte Entscheidungsmodelle in Kombination mit ausführbarer Verifikation die Zuverlässigkeit verbessern können.
Das Problem: Auf den Vorschlag folgt die Ausführung #
Ein Agent, der einen Flug bucht, eine Bestellung storniert oder eine Kontoeinstellung ändert, tut etwas, das sich nicht still rückgängig machen lässt. Unbequem ist, wie wenig zwischen dem Vorschlag des Modells und seiner Wirkung steht. Viele Agent-Schleifen führen einen vorgeschlagenen Werkzeugaufruf aus, sobald das Modell ihn erzeugt. Niemand prüft unabhängig, ob die Aktion der Policy der Domäne entspricht oder ob eine Aufgabe, die der Agent für erledigt hält, tatsächlich erledigt ist.
Diese Lücke ist der Ausgangspunkt von "Think Before You Act: Decision Gate for LLM Agents", einem arXiv-Preprint von 2026 von Iftach Shoham, Yuval David und Kollegen bei IBM, das JevAct vorstellt. Die Beobachtung ist nicht neu, verdient aber eine klare Formulierung, weil sich so viel Agent-Tooling darauf konzentriert, den vorschlagenden Teil zu verbessern. ReAct-Agenten verschränken Schlussfolgern mit Werkzeugnutzung, und dieses Muster ist zu einer gängigen Baseline geworden. Reflexionsmethoden wie Self-Refine und Reflexion ergänzen Kritik und Feedback, um spätere Vorschläge oder Versuche zu verbessern, ohne Modellgewichte zu aktualisieren. So nützlich das ist: Diese Methoden verifizieren für sich genommen keine konkrete Aktion unmittelbar vor der Ausführung gegen eine Domänen-Policy. Die Prüfung, um die es JevAct geht, sitzt an einer anderen Stelle der Schleife: nachdem ein Vorschlag existiert und bevor er wirksam wird.
Was JevAct ist #
JevAct ist ein Harness, der ausgewählte Vorschläge vor der Ausführung prüft. Beschrieben wird es als Framework zur Laufzeitverifikation, das ausgewählte Agent-Aktionen abfängt und eine feedbackgesteuerte Korrektur ermöglicht. Es arbeitet unabhängig vom zugrunde liegenden Agent-Modell und erfordert keine Änderungen an dessen Parametern oder Werkzeugen. Im evaluierten Aufbau bleiben LLM, Basis-Prompt und Werkzeuge des Agent unverändert.
Architektonisch erweitert JevAct den Harness eines ReAct-Agent um eine selektive Prüfstufe zwischen Nachrichtenvorschlag und Ausführung. Das Wort "selektiv" ist wichtig. Das Framework prüft nicht jede Nachricht; es zielt auf bestimmte Arten von Aktionen. Zwei davon definiert das Paper. Ein Schreibaufruf verändert die Umgebung, etwa durch Buchen, Stornieren oder das Ändern einer Einstellung. Eine Übergabe beendet den Versuch des Agent, entweder indem der Nutzer an einen Menschen weitergeleitet wird oder indem ihm mitgeteilt wird, dass nichts mehr getan werden kann. Bei Schreibaufrufen richtet ein Policy-Verstoß Schaden an; bei Übergaben kann ein Agent zu früh aufgeben. Das erklärte Ziel des Frameworks, potenziell ungültige Aktionen und einen vorzeitigen Aufgabenabbruch zu erkennen, bildet genau diese beiden Kategorien ab.
Schlägt eine Prüfung fehl, wird der Vorschlag nicht einfach blockiert. Die Prüfungen können die Ausführung zurückstellen und vom LLM mit temporärem Feedback einen überarbeiteten Vorschlag anfordern, begrenzt durch ein festes Überarbeitungsbudget. Ein bestandener Vorschlag wird ausgeführt. Ein markierter geht mit gezieltem Feedback und einer begrenzten Chance zur Überarbeitung an den Agent zurück. Die Arbeitsteilung bleibt klar: Der Agent schlägt weiterhin Aktionen vor, Kev wählt sie nicht aus.
Zwei Arten von Evidenz, ein Gate #
Das Design beruht auf einer Trennung zwischen dem, was sich deterministisch verifizieren lässt, und dem, was nicht. JevAct kombiniert die deterministische Verifikation von Fakten im Werkzeugzustand mit der probabilistischen Bewertung des Gesprächskontexts. Zur Laufzeit prüft Code Fakten, die in den Werkzeugdaten vorliegen, und Kev beantwortet die Fragen, die vom Gespräch abhängen.
Diese Trennung ist vernünftig. Manche Policy-Bedingungen sind Fakten in den Datensätzen eines Werkzeugs, und ein Programm kann sie ohne die Meinung eines Modells lesen. Andere Bedingungen stecken in dem, was Nutzer und Agent einander gesagt haben, und keine Datenbankabfrage entscheidet sie. Gibt man die erste Art an Code und die zweite an ein Modell, wird das Modell nur zu dem befragt, was Code nicht beantworten kann.
Die Offline-Hälfte macht das Ganze beschreibbar. Ein Compiler wandelt eine Domänen-Policy in Fragen, Regeln, ausführbare Prüfungen des Werkzeugzustands und bei Bedarf eine Checkliste für die Übergabe um. Anders gesagt: JevAct kompiliert Domänen-Policies in ausführbare Zustandsprüfungen und strukturierte Fragen, die ein Prefill-only-Entscheidungsmodell auswertet. Die Autoren schreiben, sie legten die Grundlage für einen Workflow, der Domänen-Policies in Fragen, Entscheidungsregeln, ausführbare Zustandsprüfungen und Übergabe-Checklisten für ein Entscheidungsmodell-Gate übersetzt. Das ist bescheiden formuliert, und ich nehme es beim Wort: Die Aussage betrifft das Fundament eines Workflows, kein fertiges Produkt.
Warum ein Entscheidungsmodell statt eines LLM-Prüfers #
Die naheliegende Alternative ist ein LLM, das den Vorschlag liest und ein Urteil schreibt. Der Einwand des Papers ist praktischer Natur. Die frei formulierten Erklärungen eines solchen Prüfers müssen erst interpretiert werden, bevor ein Gate darauf reagieren kann, und diese Entscheidung mit einem Frontier-Modell zu treffen ist teuer. Ein Gate braucht eine Entscheidung, keinen Aufsatz.
Entscheidungsmodelle sind genau dafür gebaut. Jev führte Entscheidungsmodelle ein, die typisierte Auswahlen, Scores und Wahrscheinlichkeiten statt generierten Texts zurückgeben. Sie liefern Auswahlen und Wahrscheinlichkeiten für feste Fragen, was schwellenwertbasierte Prüfungen einfach macht. Das von JevAct genutzte Modell ist prefill-only und erzeugt wahrscheinlichkeitsbasierte Urteile, ohne auf LLM-Generierung angewiesen zu sein. Kev ist ein quelloffenes Entscheidungsmodell vom Typ Jev und sitzt in einem separaten Verifikationsschritt, bevor ausgewählte Aktionen wirksam werden.
Es gibt einen Haken, und die Autoren benennen ihn selbst. Die Wahrscheinlichkeiten eines Entscheidungsmodells sind nicht garantiert kalibriert oder korrekt, daher muss ihr Wert in der Agent-Schleife getestet statt vorausgesetzt werden. Dieser Satz rahmt den gesamten empirischen Teil. Die zentrale Frage lautet, ob ein Entscheidungsmodell als Verifizierer mit Wahrscheinlichkeitsschwelle neben ausführbaren Prüfungen des Werkzeugzustands dienen kann. Diese Frage ist experimentell zu beantworten, und im Experiment liegen die interessanten Details.
Verwandte Arbeiten zu Entscheidungsmodellen zeichnen ein gemischtes Bild davon, warum dieses Testen wichtig ist. Li et al. berichten wettbewerbsfähige Ergebnisse bei Präferenzen und evidenzbasierter Faktentreue, aber schwächere Leistung, wenn Herleitung gefordert ist. Rao und Callison-Burch berichten gemischte Ergebnisse bei Bewertungsrastern und überlappende Fehler mit LLM-Prüfern. Ein Entscheidungsmodell, das bei manchen Urteilsaufgaben stark und bei anderen schwächer ist, ist genau die Art Komponente, die man mit deterministischen Prüfungen kombinieren würde, statt ihr allein zu vertrauen.
Wie der Vergleich durchgeführt wurde #
JevAct wird mit einem ReAct-Harness verglichen, der in beiden Armen dasselbe Agent-LLM nutzt. Die Aufgaben umfassen Airline und Telecom in τ²-bench sowie mehrstufige Function-Calling-Aufgaben in BFCL. Das Agent-LLM über beide Arme konstant zu halten, ist die richtige Kontrolle für die gestellte Frage: Jeder Unterschied stammt aus dem Harness, nicht aus einem stärkeren oder schwächeren vorschlagenden Modell.
Das Paper berichtet seine Ergebnisse mit pass^3-Werten aus Tabelle 2 sowie dem Mindestens-einmal-Erfolg. Diese beiden Maße ziehen in verschiedene Richtungen, und der Kontrast zwischen ihnen erweist sich als aufschlussreich. Der Erfolg in allen drei Läufen belohnt einen Agent, der es jedes Mal richtig macht. Der Mindestens-einmal-Erfolg belohnt einen Agent, der es bei irgendeinem Versuch richtig macht. Ein Verifizierer, der fehlerhafte Aktionen abfängt, sollte dem ersten Maß verlässlicher helfen als dem zweiten, und die Ergebnisse passen zu dieser Lesart. Das Paper sagt allerdings nur, dass das BFCL-Muster mit wiederholbarerer Leistung bei einigen Aufgaben vereinbar ist; den Rest kennzeichne ich daher als Interpretation, nicht als Befund.
Was die Zahlen zeigen #
Bei Telecom verbessern alle acht Agenten sowohl den Mindestens-einmal-Erfolg als auch den Erfolg in allen drei Läufen. Das ist das klarste Ergebnis des Papers: keine Ausnahme unter den getesteten Agenten, bei keinem der beiden Maße.
Bei BFCL verbessern sich alle neun Agenten beim Drei-Läufe-Erfolg, doch die Mindestens-einmal-Ergebnisse sind gemischt. Das sollte man genau lesen. Bei BFCL steigt das strengere Maß für jeden getesteten Agent, um 0,1 bis 9,6 Punkte; das großzügigere Maß verbessert sich bei vier Agenten und sinkt bei fünf. Wer Wert darauf legt, dass sich ein Agent jedes Mal korrekt verhält, sieht hier die günstige Richtung. Wer wissen will, ob ein erneuter Versuch irgendwann gelingen könnte, findet den Nutzen hier nicht belegt.
Airline ist der Schwachpunkt. Bei Airline fallen die Effekte kleiner aus und variieren je nach Agent. Die Ergebniszusammenfassung spricht von besonders konsistenten Gewinnen bei Telecom und BFCL, während die Leistung bei Airline gemischter ist. Ein Gründer sollte das nicht zu "verbessert alles" aufrunden. Die Autoren berichten über verbesserte Zuverlässigkeit der Agenten über mehrere Modelle und Benchmarks hinweg, doch bei Airline sind die Gewinne kleiner und gemischt, und sie sagen, ihre Befunde belegten keine einheitlichen Gewinne. Das Paper weist darauf hin, dass bei 50 Airline-Aufgaben eine einzelne Aufgabe einen Wert um 2 Prozentpunkte verschiebt, kleine Unterschiede also vorsichtig zu lesen sind; darüber hinaus spekuliere ich nicht, warum Airline sich anders verhält.
Die Gesamtlesart haben die Autoren selbst abgesichert: Die Befunde legen nahe, dass die Kombination strukturierter Entscheidungsmodelle mit ausführbarer Verifikation die Zuverlässigkeit werkzeugnutzender LLM-Agenten verbessern kann. "Legen nahe" ist das richtige Verb. Es ist ein vielversprechendes Ergebnis, kein Beweis.
Was der Vergleich isoliert und was nicht #
Eine Einschränkung verdient mehr Gewicht, als sie gewöhnlich bekommt. Weil JevAct kompilierte Prüfungen und Überarbeitungsmöglichkeiten hinzufügt, bewerten die Vergleiche den gesamten Harness, nicht den Prüfer isoliert. Das ist ein erheblicher Vorbehalt für alle, die schließen möchten, dass das Entscheidungsmodell die Hauptarbeit leistet. Die Gewinne könnten aus Kevs Wahrscheinlichkeiten stammen, aus den ausführbaren Zustandsprüfungen, aus den zusätzlichen Überarbeitungschancen oder aus einer Kombination. Die Hauptvergleiche trennen das nicht.
Ich halte das weniger für einen Mangel als für eine ehrliche Beschreibung dessen, was ein Systempaper zeigen kann. Die Frage der Autoren, ob ein Entscheidungsmodell als Verifizierer mit Wahrscheinlichkeitsschwelle neben ausführbaren Prüfungen des Werkzeugzustands dienen kann, wird auf der Ebene des Paares beantwortet, denn das "neben" steht in der Frage selbst. Wer aber entscheidet, wohin Aufwand fließen soll, sollte es im Blick behalten. Wer etwas Ähnliches baut, kann aus dieser Evidenz weder ableiten, dass das Entscheidungsmodell allein die Verbesserung tragen würde, noch dass es die Code-Prüfungen allein täten.
Es bedeutet auch, dass der Kalibrierungsvorbehalt bestehen bleibt. Die Wahrscheinlichkeiten sind nicht garantiert kalibriert oder korrekt, und das Ergebnis auf Harness-Ebene beseitigt diese Unsicherheit nicht. Es zeigt, dass die Anordnung als Ganzes auf den getesteten Benchmarks geholfen hat.
Einordnung unter anderen Schutzmechanismen #
JevAct reiht sich in eine Vielzahl von Ansätzen ein, Agent-Aktionen abzusichern, und die Unterschiede sind lehrreich. GuardAgent nutzt einen separaten Agent, der aus nutzerdefinierten Schutzanforderungen Verifikationscode erzeugt und ausführt. Zwerdling et al. kompilieren Unternehmens-Policies in ausführbare Schutzprüfungen, die die Konformität vor Werkzeugaktionen prüfen. AgentSpec bildet Laufzeitbeschränkungen als Auslöser, Prädikate und Durchsetzungsaktionen ab. ShieldAgent leitet verifizierbare Regeln aus Policy-Dokumenten ab.
Andere stützen sich für die Verifikation selbst auf Modelle. ToolSafe nutzt einen gelernten Schutzmechanismus, um vorgeschlagene Werkzeugaufrufe zu bewerten und Feedback zurückzugeben, während PolicyGuard und PolicyGuide modellbasierte Verifizierer für Policy-Treue und Workflow-Führung einsetzen. CaMeL geht einen anderen Weg und erzwingt Sicherheit durch die Trennung von vertrauenswürdigem Kontrollfluss und nicht vertrauenswürdigen Daten.
Vor diesem Hintergrund liegt die unterscheidende Entscheidung von JevAct in seiner besonderen Paarung. Wie die Arbeiten, die Policies in ausführbare Schutzprüfungen kompilieren, wandelt es Policy in Prüfungen des Werkzeugzustands um. Wie die modellbasierten Verifizierer nutzt es ein Modell für Urteile, die Code nicht fällen kann. Neu ist ein Entscheidungsmodell, das Wahrscheinlichkeiten für feste Auswahlen liefert, online eingesetzt wird, bevor ausgewählte Aktionen ausgeführt werden, und Feedback zur Überarbeitung gibt. Die Vorschläge bleiben beim ReAct-LLM, und Kev sitzt in einem separaten Verifikationsschritt, bevor ausgewählte Aktionen wirksam werden.
Warum dieses Design Beachtung verdient #
Meiner Ansicht nach ist die nützlichste Idee hier nicht Kev selbst, sondern die Disziplin der Trennung. Code fragen, was Code beantworten kann. Ein Modell nur zu dem befragen, was vom Gespräch abhängt. Vorschlagenden und prüfenden Teil getrennt halten, damit das Modell, das eine Aktion prüft, nicht dasselbe ist, das sie vorgeschlagen hat. Und die Ausgabe des Verifizierers zu einer Wahrscheinlichkeit gegen eine Schwelle machen, sodass das Gate ein Vergleich ist und kein Text, den jemand auswerten muss.
Dieses Design macht auch die Schwachstellen lesbar. Schlägt eine Prüfung fehl, lässt sich fragen, ob es eine Zustandsprüfung oder eine Gesprächsfrage war. Sind die Schwellen falsch, sind es Zahlen, die man untersuchen kann. Die Mahnung des Papers, Wahrscheinlichkeiten in der Schleife zu testen, ist der richtige Instinkt und eine bessere Haltung, als anzunehmen, ein Verifizierer funktioniere, weil er plausibel klingt.
Die ungleichen Ergebnisse sprechen eher für die Ehrlichkeit der Berichterstattung. Ein Framework, das überall einheitliche Gewinne behauptet, verdiente mehr Misstrauen als eines, das acht von acht bei Telecom zeigt, neun von neun beim Drei-Läufe-Erfolg auf BFCL, gemischte Mindestens-einmal-Ergebnisse auf BFCL und variable Effekte bei Airline. Das Muster gibt Praktikern etwas, womit sie planen können: Die stärkste Evidenz betrifft die Zuverlässigkeit über wiederholte Läufe, die schwächste die Domäne, in der die Effekte je nach Agent variieren.
Was daraus folgt #
Für technische Leser ist die Lehre architektonisch. LLM, Basis-Prompt und Werkzeuge des Agent bleiben in JevAct unverändert, die Verifikationsschicht wird also um einen Agent herum ergänzt, nicht in ihn hineintrainiert. Für Gründer ist die praktische Lesart enger als die Schlagzeile. Das Paper berichtet über verbesserte Zuverlässigkeit über mehrere Modelle und Benchmarks hinweg, bei Airline gemischter, und seine Vergleiche bewerten den gesamten Harness statt des Prüfers isoliert. Die Hauptvergleiche belegen nicht, welche Komponente die Verbesserung erbringt, auch wenn die Airline-Ablation des Papers nahelegt, dass die programmatische Verifikation in diesem Umfeld einen Großteil davon ausmacht.
Die offene Frage ist die zentrale des Papers selbst: ob ein Entscheidungsmodell als Verifizierer mit Wahrscheinlichkeitsschwelle neben ausführbaren Prüfungen des Werkzeugzustands dienen kann, wenn seine Wahrscheinlichkeiten, wie die Autoren anmerken, nicht garantiert kalibriert oder korrekt sind. Die Airline-Ergebnisse, bei denen die Effekte kleiner sind und je nach Agent variieren, sind der erste Ort, an dem man nachsehen sollte. Ob diese Variation auf die Prüfungen, die Schwellen oder die kompilierten Policies zurückgeht, lassen die berichteten Ergebnisse offen, und es ist das Experiment, das ich als Nächstes am liebsten sähe.
Häufig gestellte Fragen #
Was ist JevAct? JevAct ist ein Framework zur Laufzeitverifikation von IBM-Forschern, das ausgewählte Agent-Aktionen, nämlich Schreibaufrufe und Übergaben, vor der Ausführung abfängt. Ein markierter Vorschlag geht mit gezieltem Feedback und einer begrenzten Chance zur Überarbeitung an den Agent zurück. LLM, Basis-Prompt und Werkzeuge des Agent bleiben unverändert.
Was macht Kev in JevAct? Kev ist ein quelloffenes Jev-artiges Entscheidungsmodell, das feste Fragen mit Wahrscheinlichkeiten statt mit generiertem Text beantwortet. In JevAct beantwortet es die Fragen, die vom Gespräch abhängen, während Code die in den Werkzeugdaten verfügbaren Fakten prüft. Kev wählt keine Aktionen aus; der Agent schlägt sie weiterhin vor.
Wie wurde JevAct evaluiert? Das Paper vergleicht JevAct mit einem ReAct-Harness, der in beiden Armen dasselbe Agent-LLM nutzt. Die Aufgaben umfassen Airline und Telecom in τ²-bench sowie mehrstufige Function-Calling-Aufgaben in BFCL. Der Erfolg wird sowohl als Mindestens-einmal-Erfolg über drei Läufe als auch als Erfolg in allen drei Läufen berichtet.
Hat JevAct jeden Agent auf jedem Benchmark verbessert? Nein. Bei Telecom verbesserten sich alle acht Agenten bei beiden Maßen, und bei BFCL verbesserten sich alle neun beim Drei-Läufe-Erfolg, während die Mindestens-einmal-Ergebnisse gemischt waren. Bei Airline fielen die Effekte kleiner aus und variierten je nach Agent, und die Autoren sagen, die Befunde belegten keine einheitlichen Gewinne.
Zeigt das Paper, dass das Entscheidungsmodell allein die Gewinne trägt? Nein. Weil JevAct kompilierte Prüfungen und Überarbeitungsmöglichkeiten hinzufügt, bewerten die Hauptvergleiche den gesamten Harness, nicht den Prüfer isoliert. Die Autoren merken zudem an, dass die Wahrscheinlichkeiten eines Entscheidungsmodells nicht garantiert kalibriert oder korrekt sind.
Quellen #
- Shoham, I., David, Y., Akrabi, O., Bilgory, E., Levy, I., Marreed, S., Zeltyn, S. and Shlomov, S., (2026). Think Before You Act: Decision Gate for LLM Agents ⧉. arXiv.
- Yao, S., Zhao, J., Yu, D., Du, N., Shafran, I., Narasimhan, K. and Cao, Y., (2022). ReAct: Synergizing Reasoning and Acting in Language Models ⧉. arXiv.
- Barres, V., Dong, H., Ray, S., Si, X. and Narasimhan, K., (2025). τ²-bench: Evaluating Conversational Agents in a Dual-Control Environment ⧉. arXiv.
- TypeSafe AI, (2026). Introducing System One Models and Jev ⧉. TypeSafe AI.
- Palmer, J., (2026). KEV: Prefill-only Decision Models ⧉. GitHub.
- Xiang, Z. et al., (2024). GuardAgent: Safeguard LLM Agents by a Guard Agent via Knowledge-Enabled Reasoning ⧉. arXiv.
- Chen, Z., Kang, M. and Li, B., (2025). ShieldAgent: Shielding Agents via Verifiable Safety Policy Reasoning ⧉. arXiv.
- Li, Y., Miao, Y., Krishnan, R. and Padman, R., (2026). Jev-as-a-Judge: Accept When Confident, Escalate When Unsure ⧉. arXiv.
- Rao, D. and Callison-Burch, C., (2026). Jev vs. LLMs as Rubric Judges: Cheaper, Faster, and Wrong in the Same Places ⧉. arXiv.
Zuletzt überprüft .
Diesen Artikel weiterveröffentlichen
Format für Medium kopieren
# Agent-Aktionen vor der Ausführung prüfen: das Entscheidungsgate JevAct — Sebastien Rousseau > Originally published at [https://sebastienrousseau.com/de/2026-11-18-agent-aktionen-vor-ausfuhrung-prufen-entscheidungsgate/](https://sebastienrousseau.com/de/2026-11-18-agent-aktionen-vor-ausfuhrung-prufen-entscheidungsgate/) JevAct prüft ausgewählte Aktionen von LLM-Agenten vor der Ausführung. Gegenüber ReAct mit gleichem Modell: klare Gewinne bei Telecom und BFCL, Airline gemischt. Read the full article on sebastienrousseau.com: https://sebastienrousseau.com/de/2026-11-18-agent-aktionen-vor-ausfuhrung-prufen-entscheidungsgate/
Format für Mastodon kopieren
Agent-Aktionen vor der Ausführung prüfen: das Entscheidungsgate JevAct — Sebastien Rousseau JevAct prüft ausgewählte Aktionen von LLM-Agenten vor der Ausführung. Gegenüber ReAct mit gleichem Modell: klare Gewinne bei Telecom und BFCL, Airline gemischt. https://sebastienrousseau.com/de/2026-11-18-agent-aktionen-vor-ausfuhrung-prufen-entscheidungsgate/
Formatiert für LinkedIn kopieren
Agent-Aktionen vor der Ausführung prüfen: das Entscheidungsgate JevAct — Sebastien Rousseau JevAct prüft ausgewählte Aktionen von LLM-Agenten vor der Ausführung. Gegenüber ReAct mit gleichem Modell: klare Gewinne bei Telecom und BFCL, Airline gemischt. Hier sind die wichtigsten strategischen Erkenntnisse: - Das Problem: Auf den Vorschlag folgt die Ausführung. Ein Agent, der einen Flug bucht, eine Bestellung storniert oder eine Kontoeinstellung ändert, tut etwas, das sich nicht still rückgängig machen lässt. - Was JevAct ist. JevAct ist ein Harness, der ausgewählte Vorschläge vor der Ausführung prüft. - Zwei Arten von Evidenz, ein Gate. Das Design beruht auf einer Trennung zwischen dem, was sich deterministisch verifizieren lässt, und dem, was nicht. - Warum ein Entscheidungsmodell statt eines LLM-Prüfers. Die naheliegende Alternative ist ein LLM, das den Vorschlag liest und ein Urteil schreibt. Wie geht Ihre Organisation mit den in diesem Beitrag beschriebenen Herausforderungen um? → https://sebastienrousseau.com/de/2026-11-18-agent-aktionen-vor-ausfuhrung-prufen-entscheidungsgate/ #LlmAgenten #AgentVerifikation #Laufzeitverifikation #Entscheidungsmodelle #WerkzeugnutzendeAgenten Sebastien Rousseau | CC-BY-4.0
Diesen Artikel zitieren
Agent-Aktionen vor der Ausführung prüfen: das Entscheidungsgate JevAct — Sebastien Rousseau
JevAct prüft ausgewählte Aktionen von LLM-Agenten vor der Ausführung. Gegenüber ReAct mit gleichem Modell: klare Gewinne bei Telecom und BFCL, Airline gemischt.
BibTeX
@online{rousseau2026agent,
author = {Rousseau, Sebastien},
title = {{Agent-Aktionen vor der Ausführung prüfen: das Entscheidungsgate JevAct — Sebastien Rousseau}},
year = {2026},
url = {https://sebastienrousseau.com/de/2026-11-18-agent-aktionen-vor-ausfuhrung-prufen-entscheidungsgate/},
urldate = {2026}
}RIS
TY - GEN AU - Rousseau, Sebastien TI - Agent-Aktionen vor der Ausführung prüfen: das Entscheidungsgate JevAct — Sebastien Rousseau PY - 2026 UR - https://sebastienrousseau.com/de/2026-11-18-agent-aktionen-vor-ausfuhrung-prufen-entscheidungsgate/ ER -
Vancouver
Rousseau S. Agent-Aktionen vor der Ausführung prüfen: das Entscheidungsgate JevAct — Sebastien Rousseau. sebastienrousseau.com. 2026 Nov 18. Available from: https://sebastienrousseau.com/de/2026-11-18-agent-aktionen-vor-ausfuhrung-prufen-entscheidungsgate/
Chicago
Rousseau, Sebastien. "Agent-Aktionen vor der Ausführung prüfen: das Entscheidungsgate JevAct — Sebastien Rousseau." sebastienrousseau.com. November 18, 2026. https://sebastienrousseau.com/de/2026-11-18-agent-aktionen-vor-ausfuhrung-prufen-entscheidungsgate/.
APA
Rousseau, S. (2026, November 18). Agent-Aktionen vor der Ausführung prüfen: das Entscheidungsgate JevAct — Sebastien Rousseau. sebastienrousseau.com. https://sebastienrousseau.com/de/2026-11-18-agent-aktionen-vor-ausfuhrung-prufen-entscheidungsgate/
Diesen Artikel republizieren
Agent-Aktionen vor der Ausführung prüfen: das Entscheidungsgate JevAct — Sebastien Rousseau
JevAct prüft ausgewählte Aktionen von LLM-Agenten vor der Ausführung. Gegenüber ReAct mit gleichem Modell: klare Gewinne bei Telecom und BFCL, Airline gemischt.
Dieser Artikel ist lizenziert unter Creative Commons Attribution 4.0 International. Eine Republikation erfordert Attribution zur kanonischen URL.
Agent-Aktionen vor der Ausführung prüfen: das Entscheidungsgate JevAct — Sebastien Rousseau JevAct prüft ausgewählte Aktionen von LLM-Agenten vor der Ausführung. Gegenüber ReAct mit gleichem Modell: klare Gewinne bei Telecom und BFCL, Airline gemischt. Originally published at https://sebastienrousseau.com/de/2026-11-18-agent-aktionen-vor-ausfuhrung-prufen-entscheidungsgate/ by Sebastien Rousseau. Licensed under CC-BY-4.0.
