スイスNYF：ブラックボックス環境向けのツール接地型LLMエージェント

大規模言語モデル（LLMs）は、関数呼び出し機能において顕著な能力向上を示しているが、こうした進展は主に関数の応答にアクセスするという手法に依存している。このアプローチは単純なAPIに対しては実用的であるものの、データベース削除APIなど、システムに重大な影響を及ぼす不可逆的なAPIではスケーラビリティの問題に直面する。また、各API呼び出しに長時間が必要なプロセスや、自動化されたアクションパイプラインなど、前もって計画を立てる必要がある状況も、複雑な課題を引き起こす。さらに、特定の関数の実装や使用に必要なシークレットにアルゴリズムが直接アクセスできない場合、汎用的なアプローチが求められる場面が頻発する。こうした状況では、従来のツール計画手法は不十分であり、ブラックボックス環境下での運用が不可避となる。一方で、LLMはツール操作における性能に比べ、ブラックボックスタスク（たとえばプログラム合成）において優れた成果を上げている。本研究では、LLMのプログラム合成能力を活用し、ブラックボックス環境下でのツール利用戦略を立案し、実装前に解決策の検証を保証する手法を提案する。これにより、ブラックボックスツール計画のための巧みなアプローチ「TOPGUN」を導入した。さらに、計画および検証タスクに向けたブラックボックスアルゴリズムを統合した包括的ツールキット「SwissNYF」を併せて提供し、上記の課題に対応しつつ、LLMの複雑なAPI連携における汎用性と効果性を大幅に向上させた。SwissNYFの公開コードは、https://github.com/iclr-dummy-user/SwissNYF にて入手可能である。