A legtöbb ügynöki ciklus azonnal végrehajtja az eszközhívást, amint a modell javasolja, a JevAct eredményei pedig arra utalnak, hogy egy olcsó, valószínűség-alapú ellenőrzőpont közvetlenül a végrehajtás előtt megbízhatóbbá teheti az eszközhasználó ügynököket, bár a javulás benchmarkonként erősen eltér.
Vezetői összefoglaló
- Az LLM-ügynökök egyre gyakrabban hajtanak végre következményekkel járó műveleteket külső eszközökön keresztül, ezeket a műveleteket azonban gyakran a szabályzati megfelelés vagy a feladat teljesítésének független ellenőrzése nélkül hajtják végre.
- A JevAct offline lefordítja a szakterületi szabályzatot kérdésekre, szabályokra, futtatható állapotellenőrzésekre és szükség esetén egy átadási ellenőrzőlistára.
- Futásidőben a kód az eszköznyilvántartások tényeit ellenőrzi, a Kev, egy nyílt forráskódú, Jev-szerű döntési modell pedig a beszélgetéstől függő kérdésekre válaszol.
- Egy ReAct-keretrendszerhez mérve a τ²-bench (Airline, Telecom) és a BFCL tesztjein a javulás a Telecomon és a BFCL háromfutásos sikerében következetes, az Airline-on vegyesebb.
- A szerzők saját keretezése óvatos: az eredmények arra utalnak, hogy a strukturált döntési modellek és a futtatható verifikáció kombinációja javíthatja a megbízhatóságot.
A probléma: a végrehajtás követi a javaslatot #
Az az ügynök, amely repülőjegyet foglal, rendelést töröl vagy fiókbeállítást módosít, olyasmit tesz, amit nem lehet csendben visszacsinálni. A kellemetlen rész az, milyen kevés áll a modell javaslata és annak hatása között. Sok ügynöki ciklus azonnal végrehajtja a javasolt eszközhívást, amint a modell előállítja. Senki nem ellenőrzi függetlenül, hogy a művelet megfelel-e a szakterület szabályzatának, vagy hogy az ügynök által befejezettnek tekintett feladat valóban befejeződött-e.
Ez a rés a kiindulópontja a „Think Before You Act: Decision Gate for LLM Agents” című, 2026-os arXiv-preprintnek, amelyet Iftach Shoham, Yuval David és kollégáik írtak az IBM-nél, és amely bemutatja a JevActot. Nem új megfigyelés, de érdemes egyenesen kimondani, mert az ügynöki eszközök nagy része a javaslattevő javítására összpontosít. A ReAct-ügynökök az érvelést eszközhasználattal váltogatják, és ez a minta általános kiindulási alappá vált. Az olyan reflexiós módszerek, mint a Self-Refine és a Reflexion, kritikát és visszajelzést adnak a későbbi javaslatok vagy próbálkozások javításához, a modellsúlyok frissítése nélkül. Bármennyire hasznos ez, ezek a módszerek önmagukban nem ellenőriznek egy adott műveletet a szakterületi szabályzattal szemben közvetlenül a végrehajtás előtt. Az ellenőrzés, amellyel a JevAct foglalkozik, a ciklus egy másik pontján ül: azután, hogy létezik javaslat, és azelőtt, hogy véglegesül.
Mi a JevAct #
A JevAct olyan keretrendszer, amely végrehajtás előtt ellenőrzi a kijelölt javaslatokat. Futásidejű verifikációs keretrendszerként írják le, amely elfogja az ügynök kijelölt műveleteit, és visszajelzésen alapuló korrekciót tesz lehetővé. A mögöttes ügynökmodelltől függetlenül működik, és sem a modell paramétereinek, sem eszközeinek módosítását nem igényli. A kiértékelt elrendezésben az ügynök LLM-je, alap promptja és eszközei változatlanok maradnak.
Architekturálisan a JevAct egy ReAct-ügynök keretrendszerét egészíti ki azzal, hogy szelektív ellenőrzési szakaszt illeszt be az üzenet javaslata és végrehajtása közé. A „szelektív” szó számít. A keretrendszer nem vizsgál meg minden üzenetet; bizonyos művelettípusokat céloz. A tanulmány kettőt definiál. Az írási hívás megváltoztatja a környezetet, például foglalással, törléssel vagy egy beállítás módosításával. Az átadás (hand-off) lezárja az ügynök próbálkozását, vagy úgy, hogy a felhasználót emberhez irányítja, vagy úgy, hogy közli vele: többet nem lehet tenni. Az írásoknál okoz kárt a szabályzatsértés; az átadásoknál adhatja fel az ügynök túl korán. A keretrendszer kimondott célja, a potenciálisan érvénytelen műveletek és a feladat idő előtti lezárásának azonosítása, erre a két kategóriára képeződik le.
Ha egy ellenőrzés elbukik, a javaslatot nem egyszerűen blokkolják. Az ellenőrzések elhalaszthatják a végrehajtást, és ideiglenes visszajelzéssel átdolgozott javaslatot kérhetnek az LLM-től, rögzített javítási kereten belül. A megfelelő javaslat továbbhalad. A megjelölt javaslat célzott visszajelzéssel és korlátozott javítási lehetőséggel visszakerül az ügynökhöz. A munkamegosztás pedig egyértelmű marad: továbbra is az ügynök javasolja a műveleteket, a Kev nem választ közülük.
Kétféle bizonyíték, egy kapu #
A tervezés azon a szétválasztáson nyugszik, hogy mi ellenőrizhető determinisztikusan és mi nem. A JevAct az eszközállapot-tények determinisztikus verifikációját a beszélgetési kontextus valószínűségi értékelésével kombinálja. Futásidőben a kód az eszköznyilvántartásokban elérhető tényeket ellenőrzi, a Kev pedig a beszélgetéstől függő kérdésekre válaszol.
Ez a szétválasztás észszerű. Bizonyos szabályzati feltételek tények egy eszköz nyilvántartásaiban, és egy program ezeket bármely modell véleménye nélkül kiolvashatja. Más feltételek abban élnek, amit a felhasználó és az ügynök egymásnak mondott, és ezt semmilyen adatbázis-lekérdezés nem dönti el. Ha az elsőt a kód, a másodikat egy modell kapja, a modelltől csak azt kérdezik, amire a kód nem tud válaszolni.
Az offline fele az, ami ezt gyakorlatban leírhatóvá teszi. Egy fordító a szakterületi szabályzatot kérdésekké, szabályokká, eszközállapot feletti futtatható ellenőrzésekké és szükség esetén egy átadási ellenőrzőlistává alakítja. Más szóval a JevAct a szakterületi szabályzatokat futtatható állapotellenőrzésekké és strukturált kérdésekké fordítja, amelyeket egy csak prefill-alapú döntési modell értékel ki. A szerzők szerint egy olyan munkafolyamat alapjait rakják le, amely a szakterületi szabályzatokat kérdésekké, döntési szabályokká, futtatható állapotellenőrzésekké és átadási ellenőrzőlistákká fordítja egy döntésimodell-kapu számára. Szerény megfogalmazás, és szó szerint venném: az állítás egy munkafolyamat alapjairól szól, nem kész termékről.
Miért döntési modell, és nem LLM-bíra #
A kézenfekvő alternatíva egy LLM-bíra, amely elolvassa a javaslatot és ítéletet ír. A tanulmány ellenvetése gyakorlati. Az ilyen bíra szabad szöveges magyarázatait még értelmezni kell, mielőtt egy kapu cselekedhetne rájuk, és ezt a döntést egy élvonalbeli (frontier) modellel meghozni drága. Egy kapunak döntésre van szüksége, nem esszére.
A döntési modellek erre épülnek. A Jev olyan döntési modelleket vezetett be, amelyek generált szöveg helyett típusos választásokat, pontszámokat és valószínűségeket adnak vissza. Rögzített kérdésekre választásokat és valószínűségeket adnak, ami egyszerűvé teszi a küszöbalapú ellenőrzéseket. A JevAct által használt modell csak prefill-alapú, és valószínűség-alapú ítéleteket ad LLM-generálás nélkül. A Kev egy nyílt forráskódú, Jev-típusú döntési modell, amely egy különálló verifikációs lépésben kap helyet, mielőtt a kijelölt műveletek véglegesülnének.
Van egy bökkenő, és a szerzők maguk mondják ki. A döntési modellek valószínűségei nem garantáltan kalibráltak vagy helyesek, ezért értéküket az ügynöki ciklusban kell tesztelni, nem feltételezni. Ez a mondat keretezi az egész empirikus részt. A központi kérdés az, hogy egy döntési modell szolgálhat-e valószínűségi küszöbbel működő verifikátorként a futtatható eszközállapot-ellenőrzések mellett. Erre kísérlettel kell válaszolni, és az érdekes részletek a kísérletben vannak.
A döntési modellekről szóló kapcsolódó munkák vegyes képet adnak arról, miért számít ez a tesztelés. Li és munkatársai versenyképes eredményekről számolnak be a preferencia és a bizonyítékon alapuló tényszerűség terén, de gyengébb teljesítményről, amikor levezetésre van szükség. Rao és Callison-Burch vegyes rubrikaeredményekről és az LLM-bírákkal átfedő hibákról számol be. Az a döntési modell, amely bizonyos ítéletalkotási feladatokban erős, másokban gyengébb, pontosan az a komponens, amelyet determinisztikus ellenőrzésekkel párosítana az ember, ahelyett, hogy egyedül megbízna benne.
Hogyan zajlott az összehasonlítás #
A JevActot egy ReAct-keretrendszerrel hasonlítják össze, mindkét ágban ugyanazzal az ügynök-LLM-mel. A feladatok a τ²-bench Airline és Telecom területeit, valamint a BFCL többfordulós függvényhívási feladatait fedik le. Az ügynök-LLM rögzítése mindkét ágban a feltett kérdéshez illő kontroll: minden különbség a keretrendszerből ered, nem egy erősebb vagy gyengébb javaslattevőből.
A tanulmány eredményeit pass^3 értékekkel közli, a 2. táblázatból, a legalább egyszeri sikerrel együtt. A két mérőszám különböző irányba húz, és a köztük lévő kontraszt informatívnak bizonyul. A mindhárom futásban elért siker azt az ügynököt jutalmazza, amely minden alkalommal eltalálja. A legalább egyszeri siker azt, amely bármelyik próbálkozásra eltalálja. Egy rossz műveleteket elkapó verifikátornak az előbbin megbízhatóbban kellene segítenie, mint az utóbbin, és az eredmények illeszkednek ehhez az olvasathoz, bár a tanulmány csak annyit mond, hogy a BFCL-minta összhangban van bizonyos feladatokon a jobban megismételhető teljesítménnyel, ezért a többit értelmezésként jelölöm, nem megállapításként.
Mit mutatnak a számok #
A Telecomon mind a nyolc ügynök javul a legalább egyszeri és a mindhárom futásban elért sikerben is. Ez a tanulmány legtisztább eredménye: nincs kivétel a tesztelt ügynökök között, egyik mérőszámon sem.
A BFCL-en mind a kilenc ügynök javul a háromfutásos sikerben, de a legalább egyszeri eredmények vegyesek. Ezt figyelmesen kell olvasni. A BFCL-en a szigorúbb mérőszám minden tesztelt ügynöknél emelkedik, 0,1–9,6 ponttal; az engedékenyebb mérőszám négy ügynöknél javul, ötnél romlik. Ha az a fontos, hogy az ügynök minden alkalommal helyesen viselkedjen, ez a kedvező irány. Ha az, hogy egy újrapróbálkozás végül sikerülhet-e, a haszon itt nem bizonyított.
Az Airline a gyenge pont. Az Airline-on a hatások kisebbek, és ügynökönként eltérnek. Az eredmények összefoglalója szerint a Telecomon és a BFCL-en különösen következetes a javulás, az Airline-on viszont vegyesebb a teljesítmény. Az az alapító, aki ezt olvassa, ne kerekítse fel „mindenen javít”-ra. A szerzők az ügynökök megbízhatóságának javulásáról számolnak be több modellen és benchmarkon, de az Airline-on a javulás kisebb és vegyes, és szerintük eredményeik nem igazolnak egységes javulást. A tanulmány figyelmeztet, hogy 50 Airline-feladatnál egyetlen feladat 2 százalékponttal mozdítja el a pontszámot, ezért a kis különbségeket óvatosan kell olvasni; ezen túl nem találgatom, miért viselkedik másként az Airline.
Az összképet maguk a szerzők is óvatosan fogalmazzák meg: az eredmények arra utalnak, hogy a strukturált döntési modellek és a futtatható verifikáció kombinálása javíthatja az eszközhasználó LLM-ügynökök megbízhatóságát. Az „arra utalnak” a helyes kifejezés. Ígéretes eredmény, nem bizonyíték.
Mit különít el az összehasonlítás, és mit nem #
Egy korlát több súlyt érdemel, mint amennyit általában kap. Mivel a JevAct lefordított ellenőrzéseket és javítási lehetőségeket ad hozzá, az összehasonlítások a teljes keretrendszert értékelik, nem önmagában a bírát. Ez jelentős fenntartás mindenkinek, aki arra szeretne következtetni, hogy a döntési modell végzi a munka nehezét. A javulás származhat a Kev valószínűségeiből, a futtatható állapotellenőrzésekből, a további javítási lehetőségekből vagy ezek valamilyen kombinációjából. A fő összehasonlítások nem választják szét őket.
Úgy vélem, ez nem annyira hiba, mint inkább őszinte leírása annak, amit egy rendszerről szóló tanulmány meg tud mutatni. A szerzők kérdésére, hogy egy döntési modell szolgálhat-e valószínűségi küszöbbel működő verifikátorként a futtatható eszközállapot-ellenőrzések mellett, a pár szintjén születik válasz, hiszen a „mellett” maga is a kérdés része. Annak azonban, aki azon gondolkodik, hová fektessen erőforrást, ezt észben kell tartania. Ha valami hasonlót épít, ebből a bizonyítékból nem következtethet arra, hogy a döntési modell egyedül hozná a javulást, sem arra, hogy a kódellenőrzések egyedül.
Ez azt is jelenti, hogy a kalibrációs fenntartás továbbra is érvényes. A valószínűségek nem garantáltan kalibráltak vagy helyesek, és a keretrendszer szintű eredmény ezt a bizonytalanságot nem szünteti meg. Azt mutatja meg, hogy az elrendezés egészében segített a tesztelt benchmarkokon.
Hol helyezkedik el a többi védelmi megoldás között #
A JevAct az ügynöki műveletek védelmének zsúfolt mezőnyébe lép, és a különbségek tanulságosak. A GuardAgent egy külön ügynököt használ arra, hogy a felhasználó által megadott védelmi követelményekből verifikációs kódot generáljon és futtasson. Zwerdling és munkatársai a vállalati szabályzatokat futtatható védőkorlátokká fordítják, amelyek az eszközműveletek előtt ellenőrzik a megfelelést. Az AgentSpec a futásidejű megkötéseket triggerekként, predikátumokként és kikényszerítési műveletekként ábrázolja. A ShieldAgent szabályzati dokumentumokból vezet le ellenőrizhető szabályokat.
Mások magára a verifikációra is modellekre támaszkodnak. A ToolSafe tanult védőkorlátot használ a javasolt eszközhívások értékelésére és visszajelzés adására, a PolicyGuard és a PolicyGuide pedig modellalapú verifikátorokat alkalmaz a szabályzatkövetésre és a munkafolyamat-irányításra. A CaMeL más utat választ: a biztonságot a megbízható vezérlési folyamat és a nem megbízható adat szétválasztásával kényszeríti ki.
Ezen a háttéren a JevAct megkülönböztető döntése a sajátos párosítás. A futtatható védőkorlátokká fordító irányzathoz hasonlóan a szabályzatot eszközállapot feletti ellenőrzésekké alakítja. A modellalapú verifikátorokhoz hasonlóan modellt használ azokra az ítéletekre, amelyeket a kód nem tud meghozni. Amit hozzátesz, az egy rögzített választásokra valószínűségeket adó döntési modell, amelyet online, a kijelölt műveletek végrehajtása előtt használnak, javítást szolgáló visszajelzéssel. A javaslatokat a ReAct LLM-re hagyja, a Kevet pedig különálló verifikációs lépésbe helyezi, mielőtt a kijelölt műveletek véglegesülnének.
Miért érdemes figyelni erre a tervezésre #
Véleményem szerint a leghasznosabb ötlet itt nem maga a Kev, hanem a szétválasztás fegyelme. Azt kérdezze a kódtól, amire a kód válaszolni tud. A modelltől csak azt, ami a beszélgetéstől függ. Tartsa külön a javaslattevőt és a verifikátort, hogy a műveletet ellenőrző modell ne ugyanaz legyen, amelyik javasolta. A verifikátor kimenete pedig egy küszöbhöz mért valószínűség legyen, hogy a kapu összehasonlítás legyen, ne egy szöveg, amelyet valakinek értelmeznie kell.
Ez a tervezés a gyenge pontokat is olvashatóvá teszi. Ha egy ellenőrzés tévesen jelez, megkérdezhető, hogy állapotellenőrzés vagy beszélgetési kérdés volt-e. Ha a küszöbök rosszak, azok megvizsgálható számok. A tanulmány saját figyelmeztetése, hogy a valószínűségeket a ciklusban kell tesztelni, helyes ösztön, és jobb hozzáállás, mint feltételezni, hogy egy verifikátor működik, mert észszerűen hangzik.
Az egyenetlen eredmények inkább megnyugtatóak a beszámoló őszinteségét illetően. Egy mindenhol egységes javulást állító keretrendszer több gyanút érdemelne, mint az, amelyik nyolcból nyolcat mutat a Telecomon, kilencből kilencet a BFCL háromfutásos sikerében, vegyes legalább egyszeri eredményeket a BFCL-en, és változó hatásokat az Airline-on. A minta olyasmit ad a gyakorlati szakembereknek, amire tervezni lehet: a legerősebb bizonyíték az ismételt futások közötti megbízhatóságra vonatkozik, a leggyengébb abban a szakterületben van, ahol a hatások ügynökönként eltérnek.
Mit kezdjen ezzel #
A technikai olvasók számára a tanulság architekturális. A JevActban az ügynök LLM-je, alap promptja és eszközei változatlanok maradnak, így a verifikációs réteg olyasmi, amit egy ügynök köré tesz, nem olyasmi, amit belétanít. Az alapítók számára a gyakorlati olvasat szűkebb, mint a cím. A tanulmány javuló megbízhatóságról számol be több modellen és benchmarkon, az Airline-on vegyesebb eredménnyel, összehasonlításai pedig a teljes keretrendszert értékelik, nem önmagában a bírát. A fő összehasonlítások nem mutatják meg, melyik komponens hozza a javulást, bár a tanulmány Airline-ablációja arra utal, hogy abban a környezetben nagy részét a programozott verifikáció adja.
A nyitott kérdés a tanulmány saját központi kérdése: szolgálhat-e egy döntési modell valószínűségi küszöbbel működő verifikátorként a futtatható eszközállapot-ellenőrzések mellett, ha, ahogy a szerzők megjegyzik, valószínűségei nem garantáltan kalibráltak vagy helyesek. Az Airline-eredmények, ahol a hatások kisebbek és ügynökönként eltérnek, azok, amelyeket először érdemes megnézni. Hogy ez az eltérés az ellenőrzésekre, a küszöbökre vagy a lefordított szabályzatokra vezethető-e vissza, azt a közölt eredmények nyitva hagyják, és ez az a kísérlet, amelyet a legszívesebben látnék következőként.
Gyakran ismételt kérdések #
Mi a JevAct? A JevAct az IBM kutatóinak futásidejű verifikációs keretrendszere, amely végrehajtás előtt elfogja az ügynök kijelölt műveleteit, nevezetesen az írási hívásokat és az átadásokat. A megjelölt javaslat célzott visszajelzéssel és korlátozott javítási lehetőséggel visszakerül az ügynökhöz. Az ügynök LLM-je, alap promptja és eszközei változatlanok maradnak.
Mit csinál a Kev a JevActban? A Kev egy nyílt forráskódú, Jev-szerű döntési modell, amely rögzített kérdésekre generált szöveg helyett valószínűségekkel válaszol. A JevActban a beszélgetéstől függő kérdésekre felel, míg a kód az eszköznyilvántartásokban elérhető tényeket ellenőrzi. A Kev nem választ műveleteket; továbbra is az ügynök javasolja őket.
Hogyan értékelték a JevActot? A tanulmány a JevActot egy ReAct-keretrendszerrel hasonlítja össze, mindkét ágban ugyanazzal az ügynök-LLM-mel. A feladatok a τ²-bench Airline és Telecom területeit, valamint a BFCL többfordulós függvényhívási feladatait fedik le, a sikert pedig három futásból legalább egyszeri és mindhárom futásban elért sikerként is közlik.
Minden ügynököt javított a JevAct minden benchmarkon? Nem. A Telecomon mind a nyolc ügynök javult mindkét mérőszámon, a BFCL-en mind a kilenc javult a háromfutásos sikerben, a legalább egyszeri eredmények viszont vegyesek voltak. Az Airline-on a hatások kisebbek voltak és ügynökönként eltértek, a szerzők szerint pedig az eredmények nem igazolnak egységes javulást.
Igazolja a tanulmány, hogy egyedül a döntési modell hozza a javulást? Nem. Mivel a JevAct lefordított ellenőrzéseket és javítási lehetőségeket ad hozzá, a fő összehasonlítások a teljes keretrendszert értékelik, nem önmagában a bírát. A szerzők azt is megjegyzik, hogy a döntési modell valószínűségei nem garantáltan kalibráltak vagy helyesek.
Hivatkozások #
- 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.
Utolsó felülvizsgálat .
A cikk keresztközlése
Medium-formátumban másolás
# Ügynöki műveletek ellenőrzése futás előtt: a JevAct döntési kapuja — Sebastien Rousseau > Originally published at [https://sebastienrousseau.com/hu/2026-11-18-ugynoki-muveletek-ellenorzese-futas-elott-jevact/](https://sebastienrousseau.com/hu/2026-11-18-ugynoki-muveletek-ellenorzese-futas-elott-jevact/) A JevAct futás előtt ellenőrzi az LLM-ügynökök kijelölt műveleteit. Azonos modellű ReAct-hoz mérve a Telecom és a BFCL javult, az Airline vegyes. Read the full article on sebastienrousseau.com: https://sebastienrousseau.com/hu/2026-11-18-ugynoki-muveletek-ellenorzese-futas-elott-jevact/
Mastodon-formátumban másolás
Ügynöki műveletek ellenőrzése futás előtt: a JevAct döntési kapuja — Sebastien Rousseau A JevAct futás előtt ellenőrzi az LLM-ügynökök kijelölt műveleteit. Azonos modellű ReAct-hoz mérve a Telecom és a BFCL javult, az Airline vegyes. https://sebastienrousseau.com/hu/2026-11-18-ugynoki-muveletek-ellenorzese-futas-elott-jevact/
LinkedIn-formátumban másolás
Ügynöki műveletek ellenőrzése futás előtt: a JevAct döntési kapuja — Sebastien Rousseau A JevAct futás előtt ellenőrzi az LLM-ügynökök kijelölt műveleteit. Azonos modellű ReAct-hoz mérve a Telecom és a BFCL javult, az Airline vegyes. Íme a legfontosabb stratégiai tanulságok: - A probléma: a végrehajtás követi a javaslatot. Az az ügynök, amely repülőjegyet foglal, rendelést töröl vagy fiókbeállítást módosít, olyasmit tesz, amit nem lehet csendben visszacsinálni. - Mi a JevAct. A JevAct olyan keretrendszer, amely végrehajtás előtt ellenőrzi a kijelölt javaslatokat. - Kétféle bizonyíték, egy kapu. A tervezés azon a szétválasztáson nyugszik, hogy mi ellenőrizhető determinisztikusan és mi nem. - Miért döntési modell, és nem LLM-bíra. A kézenfekvő alternatíva egy LLM-bíra, amely elolvassa a javaslatot és ítéletet ír. Mi az Ön szervezetének megközelítése az e cikkben felvázolt kihívásokhoz? → https://sebastienrousseau.com/hu/2026-11-18-ugynoki-muveletek-ellenorzese-futas-elott-jevact/ #LlmÜgynökök #Ügynökellenőrzés #FutásidejűVerifikáció #DöntésiModellek #EszközhasználóÜgynökök Sebastien Rousseau | CC-BY-4.0
A cikk idézése
Ügynöki műveletek ellenőrzése futás előtt: a JevAct döntési kapuja — Sebastien Rousseau
A JevAct futás előtt ellenőrzi az LLM-ügynökök kijelölt műveleteit. Azonos modellű ReAct-hoz mérve a Telecom és a BFCL javult, az Airline vegyes.
BibTeX
@online{rousseau2026ügynöki,
author = {Rousseau, Sebastien},
title = {{Ügynöki műveletek ellenőrzése futás előtt: a JevAct döntési kapuja — Sebastien Rousseau}},
year = {2026},
url = {https://sebastienrousseau.com/hu/2026-11-18-ugynoki-muveletek-ellenorzese-futas-elott-jevact/},
urldate = {2026}
}RIS
TY - GEN AU - Rousseau, Sebastien TI - Ügynöki műveletek ellenőrzése futás előtt: a JevAct döntési kapuja — Sebastien Rousseau PY - 2026 UR - https://sebastienrousseau.com/hu/2026-11-18-ugynoki-muveletek-ellenorzese-futas-elott-jevact/ ER -
Vancouver
Rousseau S. Ügynöki műveletek ellenőrzése futás előtt: a JevAct döntési kapuja — Sebastien Rousseau. sebastienrousseau.com. 2026 Nov 18. Available from: https://sebastienrousseau.com/hu/2026-11-18-ugynoki-muveletek-ellenorzese-futas-elott-jevact/
Chicago
Rousseau, Sebastien. "Ügynöki műveletek ellenőrzése futás előtt: a JevAct döntési kapuja — Sebastien Rousseau." sebastienrousseau.com. November 18, 2026. https://sebastienrousseau.com/hu/2026-11-18-ugynoki-muveletek-ellenorzese-futas-elott-jevact/.
APA
Rousseau, S. (2026, November 18). Ügynöki műveletek ellenőrzése futás előtt: a JevAct döntési kapuja — Sebastien Rousseau. sebastienrousseau.com. https://sebastienrousseau.com/hu/2026-11-18-ugynoki-muveletek-ellenorzese-futas-elott-jevact/
A cikk újraközlése
Ügynöki műveletek ellenőrzése futás előtt: a JevAct döntési kapuja — Sebastien Rousseau
A JevAct futás előtt ellenőrzi az LLM-ügynökök kijelölt műveleteit. Azonos modellű ReAct-hoz mérve a Telecom és a BFCL javult, az Airline vegyes.
Ez a cikk a következő licenc alatt áll: Creative Commons Attribution 4.0 International. Az újraközléshez a kanonikus URL forrásmegjelölése szükséges.
Ügynöki műveletek ellenőrzése futás előtt: a JevAct döntési kapuja — Sebastien Rousseau A JevAct futás előtt ellenőrzi az LLM-ügynökök kijelölt műveleteit. Azonos modellű ReAct-hoz mérve a Telecom és a BFCL javult, az Airline vegyes. Originally published at https://sebastienrousseau.com/hu/2026-11-18-ugynoki-muveletek-ellenorzese-futas-elott-jevact/ by Sebastien Rousseau. Licensed under CC-BY-4.0.
