LLMエージェントにおける不確実性を考慮したディフェラル：小規模モデルから大規模モデルへいつエスカレーションすべきか
ReDActは、デフォルトで小規模モデルを実行し、トークンレベルのパープレキシティが不確実性を示した場合にのみ高価なモデルへとエスカレーションします。これにより、GPT-5.2単体と比較して、精度を維持または向上させつつ64%のコスト削減を実現します。これはBeancountの取引分類エージェントに直接応用可能なパターンです。
#decision-making
Decision-making
InvestorBench: Qwen2.5-72B が株式で最高の46.15% CRを達成
InvestorBench: Qwen2.5-72B が株式取引で46.15% CRをリード。金融特化の Palmyra-Fin は株式では逆効果——規模がドメイン特化に勝る。
LATS: 言語エージェント木探索 — 推論・行動・計画をひとつのフレームワークに統合
LATS（Language Agent Tree Search、ICML 2024）は、ReAct・Tree of Thoughts・Reflexionを単一のMCTSフレームワークに統合し、GPT-4でHumanEvalのpass@1 92.7%を達成。git管理されたBeancount台帳では、LATSを本番運用で制約する状態復元要件が簡単に満たされる。
Tree of Thoughts: LLMの探索による意図的な問題解決
Tree of Thoughts (ToT)は、LLMの推論を枝分かれする探索ツリーとして構築し、プルーニング（枝刈り）とバックトラッキング（後戻り）を行うことで、Game of 24において標準的なGPT-4 CoTの4%に対し74%の成功率を達成しました。これは、Beancountワークフローにおける多段階の財務分類や税務最適化に直接的な示唆を与えます。