Kebanyakan gelung ejen melaksanakan panggilan alat sebaik sahaja model mencadangkannya, dan keputusan JevAct menunjukkan bahawa satu titik semak berasaskan kebarangkalian yang murah, diletakkan sejurus sebelum pelaksanaan, boleh menjadikan ejen yang menggunakan alat lebih boleh dipercayai, walaupun hasilnya berbeza dengan ketara mengikut penanda aras.
Ringkasan Eksekutif
- Ejen LLM semakin kerap mengambil tindakan yang membawa akibat melalui alat luaran, namun tindakan itu sering dilaksanakan tanpa pengesahan bebas terhadap pematuhan dasar atau penyempurnaan tugas.
- JevAct menyusun dasar domain secara luar talian menjadi soalan, peraturan, semakan keadaan boleh laksana dan, jika perlu, senarai semak serahan.
- Pada masa jalan, kod menyemak fakta dalam rekod alat manakala Kev, model keputusan seakan Jev yang telah dijadikan sumber terbuka, menjawab soalan yang bergantung pada perbualan.
- Berbanding abah-abah ReAct pada τ²-bench (Airline, Telecom) dan BFCL, peningkatannya konsisten pada Telecom dan kejayaan tiga larian BFCL, dan lebih bercampur pada Airline.
- Pembingkaian penulis sendiri berhati-hati: dapatan mereka mencadangkan bahawa model keputusan berstruktur yang digabungkan dengan pengesahan boleh laksana boleh meningkatkan kebolehpercayaan.
Masalahnya: pelaksanaan menyusul cadangan #
Ejen yang menempah penerbangan, membatalkan pesanan atau mengubah tetapan akaun sedang melakukan sesuatu yang tidak boleh dibatalkan secara senyap. Bahagian yang merunsingkan ialah betapa sedikit yang berdiri antara cadangan model dengan kesannya. Banyak gelung ejen melaksanakan panggilan alat yang dicadangkan sebaik sahaja model menghasilkannya. Tiada sesiapa menyemak secara bebas sama ada tindakan itu mematuhi dasar domain, atau sama ada tugas yang dianggap selesai oleh ejen benar-benar selesai.
Jurang itulah titik permulaan "Think Before You Act: Decision Gate for LLM Agents", pracetak arXiv 2026 oleh Iftach Shoham, Yuval David dan rakan sekerja di IBM, yang memperkenalkan JevAct. Ini bukan pemerhatian baharu, tetapi ia wajar dinyatakan dengan terus terang kerana begitu banyak perkakasan ejen bertumpu pada memperbaik pihak yang mencadangkan. Ejen ReAct menyelang-seli penaakulan dengan penggunaan alat, dan corak itu telah menjadi garis dasar yang biasa. Kaedah refleksi seperti Self-Refine dan Reflexion menambah kritikan dan maklum balas untuk memperbaik cadangan atau percubaan kemudian, tanpa mengemas kini pemberat model. Walaupun berguna, kaedah itu tidak dengan sendirinya mengesahkan sesuatu tindakan terhadap dasar domain sejurus sebelum pelaksanaan. Semakan yang dipedulikan JevAct terletak pada titik berbeza dalam gelung: selepas cadangan wujud dan sebelum ia dimuktamadkan.
Apakah JevAct #
JevAct ialah abah-abah yang menyemak cadangan terpilih sebelum pelaksanaan. Ia disifatkan sebagai rangka kerja pengesahan masa jalan yang memintas tindakan ejen terpilih dan membolehkan pembetulan dipacu maklum balas. Ia beroperasi secara bebas daripada model ejen yang mendasarinya dan tidak memerlukan sebarang pengubahsuaian pada parameter atau alat model. Dalam persediaan yang dinilai, LLM, gesaan asas dan alat ejen kekal tidak berubah.
Dari segi seni bina, JevAct menambah baik abah-abah ejen ReAct dengan menyisipkan peringkat semakan terpilih antara cadangan mesej dengan pelaksanaan. Perkataan "terpilih" penting. Rangka kerja itu tidak memeriksa setiap mesej; ia menyasarkan jenis tindakan tertentu. Dua jenis ditakrifkan dalam kertas itu. Panggilan tulis mengubah persekitaran, contohnya dengan menempah, membatalkan atau mengubah tetapan. Serahan menamatkan percubaan ejen, sama ada dengan memindahkan pengguna kepada manusia atau dengan memberitahu pengguna bahawa tiada apa lagi yang boleh dilakukan. Tulisan ialah tempat pelanggaran dasar mendatangkan kerosakan; serahan ialah tempat ejen boleh berputus asa terlalu awal. Matlamat rangka kerja itu, iaitu mengenal pasti tindakan yang berpotensi tidak sah dan penamatan tugas yang pramatang, dipetakan kepada dua kategori itu.
Apabila semakan gagal, cadangan itu tidak sekadar disekat. Semakan boleh menangguhkan pelaksanaan dan meminta cadangan yang disemak semula daripada LLM dengan maklum balas sementara, tertakluk pada bajet semakan semula yang tetap. Cadangan yang lulus diteruskan. Cadangan yang dibenderakan dikembalikan kepada ejen dengan maklum balas bersasar dan peluang terhad untuk menyemak semula. Pembahagian tugasnya kekal jelas: ejen masih mencadangkan tindakan, dan Kev tidak memilihnya.
Dua jenis bukti, satu get #
Reka bentuknya bersandar pada pemisahan antara apa yang boleh disahkan secara deterministik dengan apa yang tidak boleh. JevAct menggabungkan pengesahan deterministik terhadap fakta keadaan alat dengan penilaian probabilistik terhadap konteks perbualan. Pada masa jalan, kod menyemak fakta yang tersedia dalam rekod alat, dan Kev menjawab soalan yang bergantung pada perbualan.
Pemisahan itu munasabah. Sesetengah syarat dasar ialah fakta yang terletak dalam rekod alat, dan program boleh membacanya tanpa pendapat mana-mana model. Syarat lain terletak dalam apa yang dikatakan antara pengguna dengan ejen, yang tidak akan diselesaikan oleh carian pangkalan data. Menyerahkan jenis pertama kepada kod dan jenis kedua kepada model bermakna model hanya ditanya tentang perkara yang tidak dapat dijawab oleh kod.
Separuh luar talian itulah yang menjadikannya praktikal untuk diterangkan. Pengkompil menukar dasar domain menjadi soalan, peraturan, semakan boleh laksana ke atas keadaan alat dan, jika perlu, senarai semak serahan. Dengan kata lain, JevAct menyusun dasar domain menjadi semakan keadaan boleh laksana dan soalan berstruktur yang dinilai oleh model keputusan prefill sahaja. Penulis menyatakan bahawa mereka meletakkan asas bagi aliran kerja yang menyusun dasar domain menjadi soalan, peraturan keputusan, semakan keadaan boleh laksana dan senarai semak serahan untuk get model keputusan. Itu cara yang sederhana untuk menyatakannya, dan saya menerimanya seadanya: dakwaannya tentang asas sesuatu aliran kerja, bukan produk yang siap.
Mengapa model keputusan dan bukan hakim LLM #
Alternatif yang jelas ialah hakim LLM yang membaca cadangan dan menulis keputusan. Bantahan kertas itu bersifat praktikal. Penjelasan bebas daripada hakim sedemikian masih perlu ditafsir sebelum get boleh bertindak berdasarkannya, dan membuat keputusan ini dengan model termaju adalah mahal. Get memerlukan keputusan, bukan esei.
Model keputusan dibina untuk tujuan itu. Jev memperkenalkan model keputusan yang memulangkan pilihan bertaip, skor dan kebarangkalian, bukan teks yang dijana. Ia memulangkan pilihan dan kebarangkalian bagi soalan tetap, yang menjadikan semakan berasaskan ambang mudah dilaksanakan. Model yang digunakan JevAct ialah prefill sahaja dan menghasilkan pertimbangan berasaskan kebarangkalian tanpa bergantung pada penjanaan LLM. Kev ialah model keputusan jenis Jev sumber terbuka, diletakkan dalam langkah pengesahan berasingan sebelum tindakan terpilih dimuktamadkan.
Ada syaratnya, dan penulis sendiri menyatakannya. Kebarangkalian model keputusan tidak dijamin terkalibrasi atau betul, jadi nilainya perlu diuji dalam gelung ejen, bukan diandaikan. Ayat itu membingkai keseluruhan bahagian empirik. Soalan utamanya ialah sama ada model keputusan boleh berfungsi sebagai pengesah berambang kebarangkalian di samping semakan keadaan alat yang boleh laksana. Ia soalan yang perlu dijawab melalui eksperimen, dan eksperimen itulah tempat butiran menarik terletak.
Kerja berkaitan tentang model keputusan memberi gambaran bercampur mengapa ujian itu penting. Li et al. melaporkan keputusan kompetitif bagi keutamaan dan kefaktaan berasaskan bukti tetapi prestasi lebih lemah apabila terbitan diperlukan. Rao dan Callison-Burch melaporkan keputusan rubrik yang bercampur dan ralat yang bertindih dengan hakim LLM. Model keputusan yang kuat dalam sesetengah tugas pertimbangan dan lemah dalam yang lain ialah tepat jenis komponen yang wajar dipasangkan dengan semakan deterministik, bukan dipercayai bersendirian.
Bagaimana perbandingan dijalankan #
JevAct dibandingkan dengan abah-abah ReAct yang menggunakan LLM ejen yang sama dalam kedua-dua lengan. Tugasnya merangkumi Airline dan Telecom dalam τ²-bench serta tugas panggilan fungsi berbilang giliran dalam BFCL. Mengekalkan LLM ejen yang sama merentasi kedua-dua lengan ialah kawalan yang betul bagi soalan yang ditanya: sebarang perbezaan datang daripada abah-abah, bukan daripada pencadang yang lebih kuat atau lebih lemah.
Kertas itu melaporkan keputusannya menggunakan angka pass^3, diambil daripada Jadual 2, bersama kejayaan sekurang-kurangnya sekali. Dua ukuran itu menarik ke arah berbeza, dan perbezaan antara keduanya ternyata bermakna. Kejayaan merentasi ketiga-tiga larian memberi ganjaran kepada ejen yang betul setiap kali. Kejayaan sekurang-kurangnya sekali memberi ganjaran kepada ejen yang betul dalam mana-mana percubaan. Pengesah yang menangkap tindakan buruk sepatutnya membantu ukuran pertama dengan lebih boleh dipercayai berbanding yang kedua, dan keputusannya sepadan dengan bacaan itu, walaupun kertas itu hanya menyatakan bahawa corak BFCL konsisten dengan prestasi yang lebih boleh diulang pada sesetengah tugas, jadi saya menandakan selebihnya sebagai tafsiran, bukan dapatan.
Apa yang ditunjukkan oleh angka #
Pada Telecom, kesemua lapan ejen meningkatkan kedua-dua kejayaan sekurang-kurangnya sekali dan kejayaan merentasi ketiga-tiga larian. Itulah keputusan paling bersih dalam kertas itu: tiada pengecualian dalam kalangan ejen yang diuji, pada mana-mana ukuran.
Pada BFCL, kesemua sembilan ejen bertambah baik dalam kejayaan tiga larian, tetapi keputusan sekurang-kurangnya sekali bercampur. Baca dengan teliti. Pada BFCL, ukuran yang lebih ketat meningkat bagi setiap ejen yang diuji, sebanyak 0.1 hingga 9.6 mata; ukuran yang lebih longgar bertambah baik bagi empat ejen dan menurun bagi lima. Jika anda mementingkan ejen yang bertindak dengan betul setiap kali, itulah arah yang menguntungkan. Jika anda mementingkan sama ada percubaan semula akhirnya mungkin berjaya, manfaatnya tidak dibuktikan di sini.
Airline ialah titik lemahnya. Kesan pada Airline lebih kecil dan berbeza mengikut ejen. Ringkasan keputusan menyatakannya sebagai peningkatan yang amat konsisten pada Telecom dan BFCL, manakala prestasi pada Airline lebih bercampur. Pengasas yang membaca ini tidak patut membundarkannya kepada "memperbaik segala-galanya". Penulis melaporkan peningkatan dalam kebolehpercayaan ejen merentasi pelbagai model dan penanda aras, tetapi pada Airline peningkatannya lebih kecil dan bercampur, dan mereka menyatakan dapatan mereka tidak membuktikan peningkatan yang seragam. Kertas itu memberi amaran bahawa dengan 50 tugas Airline, satu tugas menggerakkan skor sebanyak 2 mata peratusan, jadi perbezaan kecil patut dibaca dengan berhati-hati; selain itu, saya tidak akan meneka mengapa Airline berkelakuan berbeza.
Bacaan keseluruhan dilapik oleh penulis sendiri: dapatan mencadangkan bahawa menggabungkan model keputusan berstruktur dengan pengesahan boleh laksana boleh meningkatkan kebolehpercayaan ejen LLM yang menggunakan alat. "Mencadangkan" ialah kata kerja yang tepat. Ia keputusan yang menjanjikan, bukan bukti.
Apa yang diasingkan dan tidak diasingkan oleh perbandingan #
Satu batasan wajar diberi lebih berat daripada biasa. Oleh kerana JevAct menambah semakan yang disusun dan peluang semakan semula, perbandingan menilai keseluruhan abah-abah, bukan hakim secara berasingan. Itu kaveat penting bagi sesiapa yang berharap untuk menyimpulkan bahawa model keputusan memikul beban utama. Peningkatan itu boleh datang daripada kebarangkalian Kev, daripada semakan keadaan boleh laksana, daripada peluang tambahan untuk menyemak semula, atau gabungannya. Perbandingan utama tidak memisahkannya.
Saya berhujah itu bukan kecacatan, sebaliknya penerangan jujur tentang apa yang boleh ditunjukkan oleh kertas sistem. Soalan yang dikemukakan penulis, sama ada model keputusan boleh berfungsi sebagai pengesah berambang kebarangkalian di samping semakan keadaan alat yang boleh laksana, dijawab pada peringkat pasangan itu, kerana "di samping" terkandung dalam soalan itu sendiri. Namun pembaca yang memutuskan di mana untuk melabur usaha patut mengingatinya. Jika anda membina sesuatu yang serupa, anda tidak boleh menyimpulkan daripada bukti ini bahawa model keputusan bersendirian akan membawa peningkatan itu, mahupun semakan kod bersendirian.
Ini juga bermakna kaveat kalibrasi masih kekal. Kebarangkalian itu tidak dijamin terkalibrasi atau betul, dan keputusan pada peringkat abah-abah tidak menghapuskan ketidakpastian itu. Ia menunjukkan bahawa susunan itu secara keseluruhan membantu pada penanda aras yang diuji.
Kedudukannya dalam kalangan reka bentuk pengawal lain #
JevAct menyertai himpunan pendekatan yang padat untuk mengawal tindakan ejen, dan perbezaannya memberi pengajaran. GuardAgent menggunakan ejen berasingan untuk menjana dan melaksanakan kod pengesahan daripada keperluan pengawal yang ditakrifkan pengguna. Zwerdling et al. menyusun dasar syarikat menjadi pengawal boleh laksana yang menyemak pematuhan sebelum tindakan alat. AgentSpec mewakili kekangan masa jalan sebagai pencetus, predikat dan tindakan penguatkuasaan. ShieldAgent menerbitkan peraturan yang boleh disahkan daripada dokumen dasar.
Yang lain bersandar pada model untuk pengesahan itu sendiri. ToolSafe menggunakan pagar keselamatan yang dipelajari untuk menilai panggilan alat yang dicadangkan dan memulangkan maklum balas, manakala PolicyGuard dan PolicyGuide menggunakan pengesah berasaskan model untuk pematuhan dasar dan panduan aliran kerja. CaMeL mengambil laluan berbeza, menguatkuasakan keselamatan melalui pemisahan aliran kawalan yang dipercayai daripada data yang tidak dipercayai.
Berlatarkan semua itu, pilihan yang membezakan JevAct ialah gandingan khususnya. Seperti aliran kerja yang menyusun dasar menjadi pengawal boleh laksana, ia menukar dasar menjadi semakan ke atas keadaan alat. Seperti pengesah berasaskan model, ia menggunakan model untuk pertimbangan yang tidak dapat dibuat oleh kod. Apa yang ditambahnya ialah model keputusan yang memulangkan kebarangkalian pilihan tetap, digunakan dalam talian sebelum tindakan terpilih dilaksanakan, dengan maklum balas untuk semakan semula. Ia menyerahkan cadangan kepada LLM ReAct dan meletakkan Kev dalam langkah pengesahan berasingan sebelum tindakan terpilih dimuktamadkan.
Mengapa reka bentuk ini wajar diperhatikan #
Pandangan saya, idea paling berguna di sini bukanlah Kev itu sendiri tetapi disiplin pemisahannya. Tanya kod apa yang boleh dijawab oleh kod. Tanya model hanya apa yang bergantung pada perbualan. Asingkan pencadang daripada pengesah, supaya model yang menyemak sesuatu tindakan bukan model yang mencadangkannya. Dan jadikan output pengesah satu kebarangkalian berbanding ambang, supaya get itu ialah perbandingan, bukan sekeping teks yang perlu dihurai seseorang.
Reka bentuk itu juga menjadikan titik lemahnya mudah dibaca. Jika semakan tersilap, anda boleh bertanya sama ada ia semakan keadaan atau soalan perbualan. Jika ambangnya salah, ia nombor yang boleh anda periksa. Amaran kertas itu sendiri bahawa kebarangkalian perlu diuji dalam gelung ialah naluri yang betul, dan ia pendirian yang lebih baik daripada mengandaikan pengesah berfungsi kerana ia kedengaran munasabah.
Keputusan yang tidak sekata itu, jika ada apa-apa, meyakinkan tentang kejujuran pelaporannya. Rangka kerja yang mendakwa peningkatan seragam di semua tempat wajar lebih dicurigai berbanding yang menunjukkan lapan daripada lapan pada Telecom, sembilan daripada sembilan pada kejayaan tiga larian BFCL, keputusan sekurang-kurangnya sekali yang bercampur pada BFCL, dan kesan berubah-ubah pada Airline. Corak itu memberi pengamal sesuatu untuk dirancang: bukti paling kuat ialah untuk kebolehpercayaan merentasi larian berulang, dan yang paling lemah ialah dalam domain yang kesannya berbeza mengikut ejen.
Apa yang perlu dilakukan dengan ini #
Bagi pembaca teknikal, pengajarannya bersifat seni bina. LLM, gesaan asas dan alat ejen kekal tidak berubah dalam JevAct, jadi lapisan pengesahan ialah sesuatu yang anda tambah di sekeliling ejen, bukan sesuatu yang anda latih ke dalamnya. Bagi pengasas, bacaan praktikalnya lebih sempit daripada tajuknya. Kertas itu melaporkan kebolehpercayaan yang lebih baik merentasi pelbagai model dan penanda aras, dengan Airline lebih bercampur, dan perbandingannya menilai keseluruhan abah-abah, bukan hakim secara berasingan. Perbandingan utama tidak membuktikan komponen mana yang menghasilkan peningkatan itu, walaupun ablasi Airline dalam kertas itu mencadangkan bahawa pengesahan berprogram menyumbang sebahagian besar daripadanya dalam persediaan tersebut.
Soalan terbukanya ialah soalan utama kertas itu sendiri: sama ada model keputusan boleh berfungsi sebagai pengesah berambang kebarangkalian di samping semakan keadaan alat yang boleh laksana, sedangkan, seperti yang dinyatakan penulis, kebarangkaliannya tidak dijamin terkalibrasi atau betul. Keputusan Airline, yang kesannya lebih kecil dan berbeza mengikut ejen, ialah tempat pertama untuk diteliti. Sama ada variasi itu berpunca daripada semakan, ambang atau dasar yang disusun ialah perkara yang dibiarkan terbuka oleh keputusan yang dilaporkan, dan itulah eksperimen yang paling ingin saya lihat seterusnya.
Soalan Lazim #
Apakah JevAct? JevAct ialah rangka kerja pengesahan masa jalan daripada penyelidik IBM yang memintas tindakan ejen terpilih, iaitu panggilan tulis dan serahan, sebelum pelaksanaan. Cadangan yang dibenderakan dikembalikan kepada ejen dengan maklum balas bersasar dan peluang terhad untuk menyemak semula. LLM, gesaan asas dan alat ejen kekal tidak berubah.
Apakah peranan Kev dalam JevAct? Kev ialah model keputusan seakan Jev sumber terbuka yang menjawab soalan tetap dengan kebarangkalian, bukan teks yang dijana. Dalam JevAct ia menjawab soalan yang bergantung pada perbualan, manakala kod menyemak fakta yang tersedia dalam rekod alat. Kev tidak memilih tindakan; ejen masih mencadangkannya.
Bagaimanakah JevAct dinilai? Kertas itu membandingkan JevAct dengan abah-abah ReAct yang menggunakan LLM ejen yang sama dalam kedua-dua lengan. Tugasnya merangkumi Airline dan Telecom dalam τ²-bench serta tugas panggilan fungsi berbilang giliran dalam BFCL, dengan kejayaan dilaporkan sebagai sekurang-kurangnya sekali dalam tiga larian dan sebagai kejayaan dalam ketiga-tiga larian.
Adakah JevAct memperbaik setiap ejen pada setiap penanda aras? Tidak. Pada Telecom, kesemua lapan ejen bertambah baik pada kedua-dua ukuran, dan pada BFCL kesemua sembilan bertambah baik dalam kejayaan tiga larian manakala keputusan sekurang-kurangnya sekali bercampur. Kesan pada Airline lebih kecil dan berbeza mengikut ejen, dan penulis menyatakan dapatan itu tidak membuktikan peningkatan yang seragam.
Adakah kertas itu menunjukkan bahawa model keputusan bersendirian memacu peningkatan itu? Tidak. Oleh kerana JevAct menambah semakan yang disusun dan peluang semakan semula, perbandingan utama menilai keseluruhan abah-abah, bukan hakim secara berasingan. Penulis juga menyatakan bahawa kebarangkalian model keputusan tidak dijamin terkalibrasi atau betul.
Rujukan #
- 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.
Semakan terakhir .
Terbit silang artikel ini
Salin format untuk Medium
# Mengesahkan Tindakan Ejen Sebelum Dilaksanakan: Get Keputusan JevAct — Sebastien Rousseau > Originally published at [https://sebastienrousseau.com/ms/2026-11-18-mengesahkan-tindakan-ejen-sebelum-dilaksanakan-get/](https://sebastienrousseau.com/ms/2026-11-18-mengesahkan-tindakan-ejen-sebelum-dilaksanakan-get/) JevAct menyemak tindakan ejen LLM terpilih sebelum dilaksana. Berbanding ReAct model sama, hasilnya konsisten pada Telecom dan BFCL, bercampur pada Airline. Read the full article on sebastienrousseau.com: https://sebastienrousseau.com/ms/2026-11-18-mengesahkan-tindakan-ejen-sebelum-dilaksanakan-get/
Salin format untuk Mastodon
Mengesahkan Tindakan Ejen Sebelum Dilaksanakan: Get Keputusan JevAct — Sebastien Rousseau JevAct menyemak tindakan ejen LLM terpilih sebelum dilaksana. Berbanding ReAct model sama, hasilnya konsisten pada Telecom dan BFCL, bercampur pada Airline. https://sebastienrousseau.com/ms/2026-11-18-mengesahkan-tindakan-ejen-sebelum-dilaksanakan-get/
Salin format untuk LinkedIn
Mengesahkan Tindakan Ejen Sebelum Dilaksanakan: Get Keputusan JevAct — Sebastien Rousseau JevAct menyemak tindakan ejen LLM terpilih sebelum dilaksana. Berbanding ReAct model sama, hasilnya konsisten pada Telecom dan BFCL, bercampur pada Airline. Berikut ialah intipati strategik utama: - Masalahnya: pelaksanaan menyusul cadangan. Ejen yang menempah penerbangan, membatalkan pesanan atau mengubah tetapan akaun sedang melakukan sesuatu yang tidak boleh dibatalkan secara senyap. - Apakah JevAct. JevAct ialah abah-abah yang menyemak cadangan terpilih sebelum pelaksanaan. - Dua jenis bukti, satu get. Reka bentuknya bersandar pada pemisahan antara apa yang boleh disahkan secara deterministik dengan apa yang tidak boleh. - Mengapa model keputusan dan bukan hakim LLM. Alternatif yang jelas ialah hakim LLM yang membaca cadangan dan menulis keputusan. Apakah pendekatan organisasi anda terhadap cabaran yang dihuraikan dalam artikel ini? → https://sebastienrousseau.com/ms/2026-11-18-mengesahkan-tindakan-ejen-sebelum-dilaksanakan-get/ #EjenLlm #PengesahanEjen #PengesahanMasaJalan #ModelKeputusan #EjenPenggunaAlat Sebastien Rousseau | CC-BY-4.0
Petik artikel ini
Mengesahkan Tindakan Ejen Sebelum Dilaksanakan: Get Keputusan JevAct — Sebastien Rousseau
JevAct menyemak tindakan ejen LLM terpilih sebelum dilaksana. Berbanding ReAct model sama, hasilnya konsisten pada Telecom dan BFCL, bercampur pada Airline.
BibTeX
@online{rousseau2026mengesahkan,
author = {Rousseau, Sebastien},
title = {{Mengesahkan Tindakan Ejen Sebelum Dilaksanakan: Get Keputusan JevAct — Sebastien Rousseau}},
year = {2026},
url = {https://sebastienrousseau.com/ms/2026-11-18-mengesahkan-tindakan-ejen-sebelum-dilaksanakan-get/},
urldate = {2026}
}RIS
TY - GEN AU - Rousseau, Sebastien TI - Mengesahkan Tindakan Ejen Sebelum Dilaksanakan: Get Keputusan JevAct — Sebastien Rousseau PY - 2026 UR - https://sebastienrousseau.com/ms/2026-11-18-mengesahkan-tindakan-ejen-sebelum-dilaksanakan-get/ ER -
Vancouver
Rousseau S. Mengesahkan Tindakan Ejen Sebelum Dilaksanakan: Get Keputusan JevAct — Sebastien Rousseau. sebastienrousseau.com. 2026 Nov 18. Available from: https://sebastienrousseau.com/ms/2026-11-18-mengesahkan-tindakan-ejen-sebelum-dilaksanakan-get/
Chicago
Rousseau, Sebastien. "Mengesahkan Tindakan Ejen Sebelum Dilaksanakan: Get Keputusan JevAct — Sebastien Rousseau." sebastienrousseau.com. November 18, 2026. https://sebastienrousseau.com/ms/2026-11-18-mengesahkan-tindakan-ejen-sebelum-dilaksanakan-get/.
APA
Rousseau, S. (2026, November 18). Mengesahkan Tindakan Ejen Sebelum Dilaksanakan: Get Keputusan JevAct — Sebastien Rousseau. sebastienrousseau.com. https://sebastienrousseau.com/ms/2026-11-18-mengesahkan-tindakan-ejen-sebelum-dilaksanakan-get/
Terbit semula artikel ini
Mengesahkan Tindakan Ejen Sebelum Dilaksanakan: Get Keputusan JevAct — Sebastien Rousseau
JevAct menyemak tindakan ejen LLM terpilih sebelum dilaksana. Berbanding ReAct model sama, hasilnya konsisten pada Telecom dan BFCL, bercampur pada Airline.
Artikel ini dilesenkan di bawah Creative Commons Attribution 4.0 International. Penerbitan semula memerlukan atribusi kepada URL kanonik.
Mengesahkan Tindakan Ejen Sebelum Dilaksanakan: Get Keputusan JevAct — Sebastien Rousseau JevAct menyemak tindakan ejen LLM terpilih sebelum dilaksana. Berbanding ReAct model sama, hasilnya konsisten pada Telecom dan BFCL, bercampur pada Airline. Originally published at https://sebastienrousseau.com/ms/2026-11-18-mengesahkan-tindakan-ejen-sebelum-dilaksanakan-get/ by Sebastien Rousseau. Licensed under CC-BY-4.0.
