ברוב לולאות הסוכנים, קריאה לכלי מתבצעת ברגע שהמודל מציע אותה. התוצאות של JevAct מרמזות שנקודת ביקורת זולה, מבוססת הסתברויות, הממוקמת ממש לפני הביצוע, יכולה להפוך סוכנים המשתמשים בכלים לאמינים יותר, אם כי השיפור משתנה מאוד בין מבחני הייחוס.
תקציר מנהלים
- סוכני LLM מבצעים יותר ויותר פעולות בעלות השלכות באמצעות כלים חיצוניים, ובכל זאת הפעולות האלה מבוצעות לעיתים קרובות בלי אימות עצמאי של עמידה במדיניות או של השלמת המשימה.
- JevAct מהדרת מראש (offline) מדיניות תחום לשאלות, לכללים, לבדיקות מצב ניתנות להרצה, ובמידת הצורך לרשימת תיוג להעברה (hand-off).
- בזמן ריצה, קוד בודק עובדות ברשומות הכלים, ו-Kev, מודל החלטה בקוד פתוח בסגנון Jev, עונה על שאלות שתלויות בשיחה.
- בהשוואה לרתמת ReAct על τ²-bench (Airline, Telecom) ועל BFCL, השיפור עקבי ב-Telecom ובהצלחה בשלוש ריצות ב-BFCL, ומעורב יותר ב-Airline.
- המסגור של המחברים עצמם זהיר: הממצאים מרמזים ששילוב מודלי החלטה מובנים עם אימות ניתן להרצה יכול לשפר את האמינות.
הבעיה: הביצוע בא מיד אחרי ההצעה #
סוכן שמזמין טיסה, מבטל הזמנה או משנה הגדרה בחשבון עושה משהו שאי אפשר לבטל בשקט. החלק הלא נוח הוא כמה מעט עומד בין ההצעה של המודל לבין התוצאה. לולאות סוכנים רבות מבצעות קריאה לכלי ברגע שהמודל מפיק אותה. איש אינו בודק באופן עצמאי אם הפעולה עומדת במדיניות התחום, או אם משימה שהסוכן רואה כגמורה אכן גמורה.
הפער הזה הוא נקודת המוצא של "Think Before You Act: Decision Gate for LLM Agents", פרסום מקדים ב-arXiv מ-2026 של Iftach Shoham, Yuval David ועמיתיהם ב-IBM, שמציג את JevAct. זו אינה תצפית חדשה, אבל כדאי לומר אותה בפשטות, כי כל כך הרבה מכלי הסוכנים מתמקדים בשיפור המציע. סוכני ReAct משלבים חשיבה עם שימוש בכלים, והדפוס הזה הפך לנקודת ייחוס נפוצה. שיטות רפלקציה כמו Self-Refine ו-Reflexion מוסיפות ביקורת ומשוב כדי לשפר הצעות או ניסיונות מאוחרים יותר, בלי לעדכן את משקלי המודל. מועילות ככל שיהיו, השיטות האלה אינן מאמתות בעצמן פעולה מסוימת מול מדיניות תחום מיד לפני הביצוע. הבדיקה ש-JevAct מתעניינת בה נמצאת בנקודה אחרת בלולאה: אחרי שקיימת הצעה ולפני שהיא מתבצעת.
מה זה JevAct #
JevAct היא רתמה (harness) שבודקת הצעות נבחרות לפני הביצוע. היא מתוארת כמסגרת אימות בזמן ריצה שמיירטת פעולות נבחרות של סוכן ומאפשרת תיקון מונחה משוב. היא פועלת באופן בלתי תלוי במודל הסוכן שמתחתיה, ואינה דורשת שום שינוי בפרמטרים של המודל או בכלים שלו. בתצורה שהוערכה, ה-LLM של הסוכן, הפרומפט הבסיסי והכלים נשארים ללא שינוי.
מבחינה ארכיטקטונית, JevAct מרחיבה את הרתמה של סוכן ReAct בכך שהיא מכניסה שלב בדיקה סלקטיבי בין הצעת ההודעה לבין הביצוע. המילה "סלקטיבי" חשובה. המסגרת אינה בודקת כל הודעה; היא מכוונת לסוגים מסוימים של פעולות. המאמר מגדיר שניים. קריאת כתיבה (write call) משנה את הסביבה, למשל בהזמנה, בביטול או בשינוי הגדרה. העברה (hand-off) מסיימת את הניסיון של הסוכן, בין אם בהעברת המשתמש לאדם ובין אם באמירה למשתמש שאין עוד מה לעשות. כתיבות הן המקום שבו הפרת מדיניות גורמת נזק; העברות הן המקום שבו סוכן יכול לוותר מוקדם מדי. המטרה המוצהרת של המסגרת, לזהות פעולות שעלולות להיות לא תקפות וסיום מוקדם של משימה, ממופה לשתי הקטגוריות האלה.
כשבדיקה נכשלת, ההצעה אינה פשוט נחסמת. הבדיקות יכולות לדחות את הביצוע ולבקש מה-LLM הצעה מתוקנת עם משוב זמני, בכפוף לתקציב תיקונים קבוע. הצעה שעוברת ממשיכה. הצעה שסומנה חוזרת לסוכן עם משוב ממוקד והזדמנות מוגבלת לתקן. וחלוקת העבודה נשארת ברורה: הסוכן עדיין מציע פעולות, ו-Kev אינו בוחר אותן.
שני סוגי ראיות, שער אחד #
התכנון נשען על הפרדה בין מה שאפשר לאמת באופן דטרמיניסטי לבין מה שאי אפשר. JevAct משלבת אימות דטרמיניסטי של עובדות במצב הכלים עם הערכה הסתברותית של ההקשר השיחתי. בזמן ריצה, קוד בודק עובדות הזמינות ברשומות הכלים, ו-Kev עונה על השאלות שתלויות בשיחה.
ההפרדה הזו הגיונית. חלק מתנאי המדיניות הם עובדות שיושבות ברשומות של כלי, ותוכנה יכולה לקרוא אותן בלי חוות דעת של מודל כלשהו. תנאים אחרים חיים במה שהמשתמש והסוכן אמרו זה לזה, ושום שאילתה במסד נתונים לא תכריע בהם. כשמעבירים את הסוג הראשון לקוד ואת השני למודל, המודל נשאל רק על דברים שקוד אינו יכול לענות עליהם.
החצי שפועל מראש הוא מה שהופך את זה למעשי. מהדר הופך מדיניות תחום לשאלות, לכללים, לבדיקות ניתנות להרצה על מצב הכלים, ובמידת הצורך לרשימת תיוג להעברה. במילים אחרות, JevAct מהדרת מדיניות תחום לבדיקות מצב ניתנות להרצה ולשאלות מובנות שמוערכות על ידי מודל החלטה מסוג prefill-only. המחברים אומרים שהם מניחים את היסוד לתהליך עבודה שמהדר מדיניות תחום לשאלות, לכללי החלטה, לבדיקות מצב ניתנות להרצה ולרשימות תיוג להעברה עבור שער של מודל החלטה. זו דרך צנועה לנסח זאת, והייתי מקבל אותה כפשוטה: הטענה היא על יסוד של תהליך עבודה, לא על מוצר גמור.
מדוע מודל החלטה ולא שופט LLM #
החלופה המתבקשת היא שופט LLM שקורא את ההצעה וכותב פסק דין. ההתנגדות של המאמר מעשית. הסברים חופשיים של שופט כזה עדיין צריכים פרשנות לפני ששער יכול לפעול לפיהם, וקבלת ההחלטה הזו עם מודל חזית (frontier) יקרה. שער צריך החלטה, לא חיבור.
מודלי החלטה בנויים בדיוק לזה. Jev הציגה מודלי החלטה שמחזירים בחירות מוקלדות, ציונים והסתברויות במקום טקסט מחולל. הם מחזירים בחירות והסתברויות לשאלות קבועות, מה שהופך בדיקות מבוססות סף לפשוטות. המודל ש-JevAct משתמשת בו הוא prefill-only ומפיק שיפוטים מבוססי הסתברות בלי להסתמך על חילול של LLM. Kev הוא מודל החלטה בקוד פתוח מסוג Jev, הממוקם בשלב אימות נפרד לפני שפעולות נבחרות מתבצעות.
יש מלכוד, והמחברים מציינים אותו בעצמם. ההסתברויות של מודל החלטה אינן מובטחות להיות מכוילות או נכונות, ולכן יש לבחון את ערכן בתוך לולאת הסוכן ולא להניח אותו. המשפט הזה ממסגר את כל החלק האמפירי. השאלה המרכזית היא אם מודל החלטה יכול לשמש מאמת עם סף הסתברות לצד בדיקות ניתנות להרצה על מצב הכלים. זו שאלה שהתשובה עליה באה מניסוי, והניסוי הוא המקום שבו נמצאים הפרטים המעניינים.
עבודות קשורות על מודלי החלטה נותנות תמונה מעורבת של הסיבה שהבדיקה הזו חשובה. Li et al. מדווחים על תוצאות תחרותיות בהעדפות ובעובדתיות מבוססת ראיות, אבל על ביצועים חלשים יותר כשנדרשת גזירה. Rao ו-Callison-Burch מדווחים על תוצאות מעורבות במחוונים (rubrics) ועל שגיאות חופפות עם שופטי LLM. מודל החלטה שחזק בחלק ממשימות השיפוט וחלש באחרות הוא בדיוק סוג הרכיב שהייתם רוצים לצמד לבדיקות דטרמיניסטיות ולא לסמוך עליו לבדו.
איך נערכה ההשוואה #
JevAct מושווית לרתמת ReAct המשתמשת באותו LLM של הסוכן בשתי הזרועות. המשימות כוללות את Airline ואת Telecom ב-τ²-bench ומשימות קריאה לפונקציות מרובות סבבים ב-BFCL. קיבוע ה-LLM של הסוכן בשתי הזרועות הוא הבקרה הנכונה לשאלה שנשאלת: כל הבדל נובע מהרתמה, לא ממציע חזק או חלש יותר.
המאמר מדווח את תוצאותיו בנתוני pass^3, הלקוחים מטבלה 2, לצד הצלחה לפחות פעם אחת. שני המדדים מושכים לכיוונים שונים, והניגוד ביניהם מתברר כאינפורמטיבי. הצלחה בכל שלוש הריצות מתגמלת סוכן שמצליח בכל פעם. הצלחה לפחות פעם אחת מתגמלת סוכן שמצליח בניסיון כלשהו. מאמת שתופס פעולות שגויות אמור לעזור לראשון באופן אמין יותר מאשר לשני, והתוצאות מתאימות לקריאה הזו, אם כי המאמר אומר רק שהדפוס ב-BFCL עקבי עם ביצועים חוזרים יותר במשימות מסוימות, ולכן אסמן את השאר כפרשנות ולא כממצא.
מה המספרים מראים #
ב-Telecom, כל שמונת הסוכנים משפרים הן את ההצלחה לפחות פעם אחת והן את ההצלחה בכל שלוש הריצות. זו התוצאה הנקייה ביותר במאמר: אין חריגים בין הסוכנים שנבדקו, באף אחד מהמדדים.
ב-BFCL, כל תשעת הסוכנים משתפרים בהצלחה בשלוש ריצות, אבל תוצאות ההצלחה לפחות פעם אחת מעורבות. קראו זאת בעיון. ב-BFCL, המדד המחמיר עולה אצל כל סוכן שנבדק, ב-0.1 עד 9.6 נקודות; המדד המקל משתפר אצל ארבעה סוכנים ויורד אצל חמישה. אם חשוב לכם שסוכן יתנהג נכון בכל פעם, זה הכיוון החיובי. אם חשוב לכם אם ניסיון חוזר עשוי להצליח בסוף, התועלת לא הוכחה כאן.
Airline היא נקודת התורפה. ההשפעות ב-Airline קטנות יותר ומשתנות בין הסוכנים. סיכום התוצאות מנסח זאת כשיפור עקבי במיוחד ב-Telecom וב-BFCL, בזמן שהביצועים ב-Airline מעורבים יותר. מייסד שקורא את זה לא צריך לעגל את זה ל"משפר הכול". המחברים מדווחים על שיפור באמינות הסוכנים בכמה מודלים ומבחני ייחוס, אבל ב-Airline השיפור קטן יותר ומעורב, והם אומרים שהממצאים שלהם אינם מבססים שיפור אחיד. המאמר מזהיר שעם 50 משימות ב-Airline, משימה בודדת מזיזה ציון ב-2 נקודות אחוז, ולכן יש לקרוא הבדלים קטנים בזהירות; מעבר לזה, לא אנחש מדוע Airline מתנהגת אחרת.
הקריאה הכוללת מסויגת על ידי המחברים עצמם: הממצאים מרמזים ששילוב מודלי החלטה מובנים עם אימות ניתן להרצה יכול לשפר את האמינות של סוכני LLM המשתמשים בכלים. "מרמזים" הוא הפועל הנכון. זו תוצאה מבטיחה, לא הוכחה.
מה ההשוואה מבודדת ומה לא #
מגבלה אחת ראויה למשקל רב יותר משהיא מקבלת בדרך כלל. מכיוון ש-JevAct מוסיפה בדיקות מהודרות והזדמנויות לתיקון, ההשוואות מעריכות את הרתמה המלאה, לא את השופט בנפרד. זו הסתייגות משמעותית עבור מי שמקווה להסיק שמודל ההחלטה עושה את העבודה הקשה. השיפור יכול לנבוע מההסתברויות של Kev, מבדיקות המצב הניתנות להרצה, מההזדמנויות הנוספות לתקן, או משילוב כלשהו. ההשוואות העיקריות אינן מפרידות ביניהם.
לטעמי זה לא כל כך פגם אלא תיאור כן של מה שמאמר מערכות יכול להראות. השאלה שהמחברים שואלים, אם מודל החלטה יכול לשמש מאמת עם סף הסתברות לצד בדיקות ניתנות להרצה על מצב הכלים, נענית ברמת הצמד, שכן "לצד" נמצא בשאלה עצמה. אבל קורא שמחליט היכן להשקיע מאמץ צריך לזכור זאת. אם אתם בונים משהו דומה, אינכם יכולים להסיק מהראיות האלה שמודל ההחלטה לבדו היה נושא את השיפור, וגם לא שבדיקות הקוד לבדן היו עושות זאת.
זה גם אומר שהסתייגות הכיול עדיין בתוקף. ההסתברויות אינן מובטחות להיות מכוילות או נכונות, והתוצאה ברמת הרתמה אינה מסירה את אי-הוודאות הזו. היא מראה שהמערך כולו עזר במבחני הייחוס שנבדקו.
איפה זה עומד מול תכנונים אחרים של מעקפי בטיחות #
JevAct מצטרפת לאוסף צפוף של גישות לשמירה על פעולות סוכנים, וההבדלים מלמדים. GuardAgent משתמשת בסוכן נפרד כדי לחולל ולהריץ קוד אימות מתוך דרישות הגנה שהמשתמש מגדיר. Zwerdling et al. מהדרים מדיניות חברה למעקפי בטיחות ניתנים להרצה שבודקים עמידה במדיניות לפני פעולות בכלים. AgentSpec מייצגת אילוצי זמן ריצה כטריגרים, כפרדיקטים וכפעולות אכיפה. ShieldAgent גוזרת כללים ניתנים לאימות ממסמכי מדיניות.
אחרות נשענות על מודלים לאימות עצמו. ToolSafe משתמשת במעקף בטיחות נלמד כדי להעריך קריאות לכלים מוצעות ולהחזיר משוב, בזמן ש-PolicyGuard ו-PolicyGuide משתמשות במאמתים מבוססי מודל לעמידה במדיניות ולהכוונת תהליכי עבודה. CaMeL הולכת בדרך אחרת, ואוכפת אבטחה באמצעות הפרדה בין זרימת בקרה מהימנה לבין נתונים לא מהימנים.
על הרקע הזה, הבחירה הייחודית של JevAct היא הצימוד המסוים שלה. כמו קו העבודה שמהדר מדיניות למעקפי בטיחות ניתנים להרצה, היא הופכת מדיניות לבדיקות על מצב הכלים. כמו המאמתים מבוססי המודל, היא משתמשת במודל לשיפוטים שקוד אינו יכול לבצע. מה שהיא מוסיפה הוא מודל החלטה שמחזיר הסתברויות לבחירות קבועות, בשימוש מקוון לפני שפעולות נבחרות מתבצעות, עם משוב לתיקון. היא משאירה את ההצעות ל-LLM של ReAct ומציבה את Kev בשלב אימות נפרד לפני שפעולות נבחרות מתבצעות.
מדוע כדאי לעקוב אחרי התכנון הזה #
לדעתי, הרעיון השימושי ביותר כאן אינו Kev עצמו אלא המשמעת של ההפרדה. שאלו את הקוד את מה שקוד יכול לענות עליו. שאלו מודל רק את מה שתלוי בשיחה. הפרידו בין המציע למאמת, כך שהמודל שבודק פעולה אינו זה שהציע אותה. והפכו את הפלט של המאמת להסתברות מול סף, כך שהשער הוא השוואה ולא קטע טקסט שמישהו צריך לפענח.
התכנון הזה גם הופך את נקודות התורפה לקריאות. אם בדיקה מחטיאה, אפשר לשאול אם זו הייתה בדיקת מצב או שאלה שיחתית. אם הספים שגויים, הם מספרים שאפשר לבחון. ההסתייגות של המאמר עצמו, שיש לבחון את ההסתברויות בתוך הלולאה, היא האינסטינקט הנכון, והיא עמדה טובה יותר מאשר להניח שמאמת עובד כי הוא נשמע הגיוני.
התוצאות הלא אחידות, אם כבר, מרגיעות לגבי הכנות של הדיווח. מסגרת שטוענת לשיפור אחיד בכל מקום הייתה ראויה לחשד רב יותר מאשר מסגרת שמראה שמונה מתוך שמונה ב-Telecom, תשעה מתוך תשעה בהצלחה בשלוש ריצות ב-BFCL, תוצאות מעורבות בהצלחה לפחות פעם אחת ב-BFCL, והשפעות משתנות ב-Airline. הדפוס נותן לאנשי המקצוע משהו לתכנן סביבו: הראיות החזקות ביותר הן לאמינות לאורך ריצות חוזרות, והחלשות ביותר הן בתחום שבו ההשפעות משתנות בין הסוכנים.
מה לעשות עם זה #
עבור קוראים טכניים, המסקנה ארכיטקטונית. ה-LLM של הסוכן, הפרומפט הבסיסי והכלים נשארים ללא שינוי ב-JevAct, ולכן שכבת האימות היא משהו שמוסיפים סביב הסוכן ולא משהו שמאמנים לתוכו. עבור מייסדים, הקריאה המעשית צרה יותר מהכותרת. המאמר מדווח על שיפור באמינות בכמה מודלים ומבחני ייחוס, כשב-Airline התמונה מעורבת יותר, וההשוואות שלו מעריכות את הרתמה המלאה ולא את השופט בנפרד. ההשוואות העיקריות אינן קובעות איזה רכיב אחראי לשיפור, אם כי ניסוי ההסרה (ablation) של המאמר ב-Airline מרמז שהאימות התכנותי אחראי לחלק גדול ממנו בתצורה הזו.
השאלה הפתוחה היא השאלה המרכזית של המאמר עצמו: אם מודל החלטה יכול לשמש מאמת עם סף הסתברות לצד בדיקות ניתנות להרצה על מצב הכלים, כשכפי שהמחברים מציינים, ההסתברויות שלו אינן מובטחות להיות מכוילות או נכונות. תוצאות Airline, שבהן ההשפעות קטנות יותר ומשתנות בין הסוכנים, הן המקום הראשון לבדוק. אם השונות הזו נובעת מהבדיקות, מהספים או מהמדיניות שמהודרת, זו שאלה שהתוצאות המדווחות משאירות פתוחה, וזה הניסוי שהייתי רוצה לראות בהמשך יותר מכל.
שאלות נפוצות #
מה זה JevAct? JevAct היא מסגרת אימות בזמן ריצה של חוקרי IBM שמיירטת פעולות נבחרות של סוכן, כלומר קריאות כתיבה והעברות, לפני הביצוע. הצעה שסומנה חוזרת לסוכן עם משוב ממוקד והזדמנות מוגבלת לתקן. ה-LLM של הסוכן, הפרומפט הבסיסי והכלים נשארים ללא שינוי.
מה Kev עושה ב-JevAct? Kev הוא מודל החלטה בקוד פתוח בסגנון Jev שעונה על שאלות קבועות בהסתברויות ולא בטקסט מחולל. ב-JevAct הוא עונה על השאלות שתלויות בשיחה, בזמן שקוד בודק עובדות הזמינות ברשומות הכלים. Kev אינו בוחר פעולות; הסוכן עדיין מציע אותן.
איך הוערכה JevAct? המאמר משווה את JevAct לרתמת ReAct המשתמשת באותו LLM של הסוכן בשתי הזרועות. המשימות כוללות את Airline ואת Telecom ב-τ²-bench ומשימות קריאה לפונקציות מרובות סבבים ב-BFCL, וההצלחה מדווחת הן כהצלחה לפחות פעם אחת בשלוש ריצות והן כהצלחה בכל שלוש הריצות.
האם JevAct שיפרה כל סוכן בכל מבחן ייחוס? לא. ב-Telecom כל שמונת הסוכנים השתפרו בשני המדדים, וב-BFCL כל התשעה השתפרו בהצלחה בשלוש ריצות בזמן שתוצאות ההצלחה לפחות פעם אחת היו מעורבות. ההשפעות ב-Airline היו קטנות יותר והשתנו בין הסוכנים, והמחברים אומרים שהממצאים אינם מבססים שיפור אחיד.
האם המאמר מראה שמודל ההחלטה לבדו מניע את השיפור? לא. מכיוון ש-JevAct מוסיפה בדיקות מהודרות והזדמנויות לתיקון, ההשוואות העיקריות מעריכות את הרתמה המלאה, לא את השופט בנפרד. המחברים גם מציינים שההסתברויות של מודל ההחלטה אינן מובטחות להיות מכוילות או נכונות.
הפניות #
- 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.
נסקר לאחרונה .
פרסם מחדש מאמר זה
העתק בפורמט Medium
# לאמת פעולות של סוכנים לפני שהן רצות: שער מודל ההחלטה של JevAct — Sebastien Rousseau > Originally published at [https://sebastienrousseau.com/he/2026-11-18-pavlvt-shel-svknym-lpny-shhn-rtsvt/](https://sebastienrousseau.com/he/2026-11-18-pavlvt-shel-svknym-lpny-shhn-rtsvt/) JevAct בודקת פעולות נבחרות של סוכני LLM לפני שהן רצות. מול רתמות ReAct עם אותו מודל סוכן, השיפור היה עקבי ב-Telecom וב-BFCL, אך מעורב ב-Airline. Read the full article on sebastienrousseau.com: https://sebastienrousseau.com/he/2026-11-18-pavlvt-shel-svknym-lpny-shhn-rtsvt/
העתק בפורמט Mastodon
לאמת פעולות של סוכנים לפני שהן רצות: שער מודל ההחלטה של JevAct — Sebastien Rousseau JevAct בודקת פעולות נבחרות של סוכני LLM לפני שהן רצות. מול רתמות ReAct עם אותו מודל סוכן, השיפור היה עקבי ב-Telecom וב-BFCL, אך מעורב ב-Airline. https://sebastienrousseau.com/he/2026-11-18-pavlvt-shel-svknym-lpny-shhn-rtsvt/
העתק מעוצב עבור LinkedIn
לאמת פעולות של סוכנים לפני שהן רצות: שער מודל ההחלטה של JevAct — Sebastien Rousseau JevAct בודקת פעולות נבחרות של סוכני LLM לפני שהן רצות. מול רתמות ReAct עם אותו מודל סוכן, השיפור היה עקבי ב-Telecom וב-BFCL, אך מעורב ב-Airline. להלן עיקרי הנקודות האסטרטגיות: - הבעיה: הביצוע בא מיד אחרי ההצעה. סוכן שמזמין טיסה, מבטל הזמנה או משנה הגדרה בחשבון עושה משהו שאי אפשר לבטל בשקט. - מה זה JevAct. JevAct היא רתמה (harness) שבודקת הצעות נבחרות לפני הביצוע. - שני סוגי ראיות, שער אחד. התכנון נשען על הפרדה בין מה שאפשר לאמת באופן דטרמיניסטי לבין מה שאי אפשר. - מדוע מודל החלטה ולא שופט LLM. החלופה המתבקשת היא שופט LLM שקורא את ההצעה וכותב פסק דין. כיצד מתמודד הארגון שלכם עם האתגרים המתוארים במאמר זה? → https://sebastienrousseau.com/he/2026-11-18-pavlvt-shel-svknym-lpny-shhn-rtsvt/ #סוכניLlm #אימותסוכנים #אימותבזמןריצה #מודליהחלטה #סוכניםהמשתמשיםבכלים Sebastien Rousseau | CC-BY-4.0
ציטוט הכתבה
לאמת פעולות של סוכנים לפני שהן רצות: שער מודל ההחלטה של JevAct — Sebastien Rousseau
JevAct בודקת פעולות נבחרות של סוכני LLM לפני שהן רצות. מול רתמות ReAct עם אותו מודל סוכן, השיפור היה עקבי ב-Telecom וב-BFCL, אך מעורב ב-Airline.
BibTeX
@online{rousseau2026לאמת,
author = {Rousseau, Sebastien},
title = {{לאמת פעולות של סוכנים לפני שהן רצות: שער מודל ההחלטה של JevAct — Sebastien Rousseau}},
year = {2026},
url = {https://sebastienrousseau.com/he/2026-11-18-pavlvt-shel-svknym-lpny-shhn-rtsvt/},
urldate = {2026}
}RIS
TY - GEN AU - Rousseau, Sebastien TI - לאמת פעולות של סוכנים לפני שהן רצות: שער מודל ההחלטה של JevAct — Sebastien Rousseau PY - 2026 UR - https://sebastienrousseau.com/he/2026-11-18-pavlvt-shel-svknym-lpny-shhn-rtsvt/ ER -
Vancouver
Rousseau S. לאמת פעולות של סוכנים לפני שהן רצות: שער מודל ההחלטה של JevAct — Sebastien Rousseau. sebastienrousseau.com. 2026 Nov 18. Available from: https://sebastienrousseau.com/he/2026-11-18-pavlvt-shel-svknym-lpny-shhn-rtsvt/
Chicago
Rousseau, Sebastien. "לאמת פעולות של סוכנים לפני שהן רצות: שער מודל ההחלטה של JevAct — Sebastien Rousseau." sebastienrousseau.com. November 18, 2026. https://sebastienrousseau.com/he/2026-11-18-pavlvt-shel-svknym-lpny-shhn-rtsvt/.
APA
Rousseau, S. (2026, November 18). לאמת פעולות של סוכנים לפני שהן רצות: שער מודל ההחלטה של JevAct — Sebastien Rousseau. sebastienrousseau.com. https://sebastienrousseau.com/he/2026-11-18-pavlvt-shel-svknym-lpny-shhn-rtsvt/
פרסום מחדש של הכתבה
לאמת פעולות של סוכנים לפני שהן רצות: שער מודל ההחלטה של JevAct — Sebastien Rousseau
JevAct בודקת פעולות נבחרות של סוכני LLM לפני שהן רצות. מול רתמות ReAct עם אותו מודל סוכן, השיפור היה עקבי ב-Telecom וב-BFCL, אך מעורב ב-Airline.
כתבה זו מפורסמת ברישיון Creative Commons Attribution 4.0 International. פרסום מחדש מחייב ייחוס לכתובת ה-URL הקאנונית.
לאמת פעולות של סוכנים לפני שהן רצות: שער מודל ההחלטה של JevAct — Sebastien Rousseau JevAct בודקת פעולות נבחרות של סוכני LLM לפני שהן רצות. מול רתמות ReAct עם אותו מודל סוכן, השיפור היה עקבי ב-Telecom וב-BFCL, אך מעורב ב-Airline. Originally published at https://sebastienrousseau.com/he/2026-11-18-pavlvt-shel-svknym-lpny-shhn-rtsvt/ by Sebastien Rousseau. Licensed under CC-BY-4.0.
