Contrôle exécutif des agents LLM : externaliser l’évaluation des progrès et le droit d’interrompre la génération permet d’économiser un tiers des tokens
Le préprint décrit un mode dans lequel un agent linguistique continue, après avoir atteint son objectif, à effectuer des retouches et des vérifications peu utiles, en raison d’une boucle auto-renforçante où la génération, l’évaluation des progrès et la décision de s’arrêter ne sont pas dissociées. La couche de contrôle globale proposée, qui tient compte de l’incertitude, maintient le taux de réussite autour de 96,6 % tout en réduisant de 36,4 % la consommation moyenne de tokens, même si les conclusions reposent pour l’instant sur des simulations mécanistes.
Qu’est-ce que le LLM Parkinsonism
Le terme LLM Parkinsonism est introduit comme une métaphore étroite et non clinique. Il décrit la poursuite persistante d’actions alors que leur valeur pour la tâche diminue.
Signes de ce comportement :
- l’agent continue d’agir après avoir atteint l’objectif initial ;
- il effectue des améliorations de faible valeur ;
- il lance des vérifications répétées ;
- il corrige des difficultés qu’il a lui-même créées.
Conclusion : cette métaphore désigne une défaillance du contrôle, et non une analogie clinique.
Pourquoi l’autocontrôle dans une seule boucle aggrave le problème
Les auteurs associent le problème non seulement à la prédiction autorégressive du token suivant. Il tient aussi à la concentration de quatre fonctions dans une seule boucle.
- génération de propositions ;
- interprétation du périmètre de la tâche ;
- évaluation des progrès ;
- pouvoir d’arrêt.
Cette boucle fonctionne par auto-renforcement. L’évaluation, la génération et l’arrêt s’influencent mutuellement.
Conclusion : pour briser l’auto-renforcement, il faut déplacer certaines fonctions hors du générateur.
Global Executive Control : ce qui est déplacé hors du générateur
Global Executive Control (GEC) v0.2 est une architecture de contrôle tenant compte de l’incertitude. Elle sépare la génération d’actions du contrôle au niveau du projet.
Les éléments déplacés hors du générateur sont :
- le périmètre de la tâche ;
- les éléments probants ;
- la consommation de ressources ;
- l’arrêt.
Le contrôle au niveau du projet reçoit le pouvoir d’arrêt et l’évaluation des progrès. Le générateur est responsable des actions.
Conclusion : le critère pratique est que l’évaluation des progrès et l’arrêt doivent se situer hors de la boucle de génération.
Ce que montrent les mesures
Le benchmark comprenait 24 000 épisodes avec des candidats comparables et une limite totale de 40 000 tokens. Trois variantes ont été comparées.
| Variante de contrôle | Réussite selon l’objectif strict |
|---|---|
| Modèle de base avec le premier candidat | 67,42 % |
| Contrôle local avec un ensemble de candidats | 96,53 % |
| GEC | 96,57 % |
L’accès à plusieurs variantes d’action explique la majeure partie du gain de réussite. GEC a maintenu le taux de réussite tout en réduisant l’utilisation moyenne de tokens.
- utilisation moyenne de tokens : de 19 782 à 12 574 (36,4 %) ;
- nombre moyen tronqué de tokens avant achèvement, avec un plafond de 40 000 tokens : de 16 136 à 13 114 (18,7 %).
GEC a éliminé la dérive mesurée jusqu’à l’achèvement de la tâche et a fortement réduit la complexité excessive. La sensibilité aux frais généraux de contrôle est restée favorable avec l’ajout de jusqu’à 500 tokens de contrôle synthétiques par cycle.
Conclusion : l’ensemble de candidats fournit le principal gain de réussite ; GEC y ajoute des économies de tokens et un contrôle de la complexité.
Critères pratiques pour choisir un contrôle
Il convient de vérifier cinq conditions :
- l’évaluation externe des progrès est séparée du générateur ;
- le pouvoir d’arrêt se situe hors de la boucle de génération ;
- plusieurs candidats d’action sont disponibles ;
- la consommation de ressources est prise en compte ;
- l’incertitude est prise en compte.
Conclusion : si ces fonctions restent à l’intérieur du générateur, le risque d’améliorations de faible valeur et de tokens superflus persiste.
Limites et prochaines vérifications
Les résultats ont été obtenus dans le cadre de simulations mécanistes. Les auteurs estiment qu’ils plaident en faveur d’un contrôle explicite du périmètre de la tâche, des éléments probants, de la consommation de ressources et de l’arrêt.
Limites :
- une évaluation sur des modèles réels reste nécessaire ;
- les simulations mécanistes ne remplacent pas cette évaluation.
Conclusion : le principe architectural semble fondé, mais il est impossible de transposer les chiffres aux LLM réels sans vérification.
Foire aux questions
Matériaux connexes
Tous matériaux
Évaluation des agents de programmation pour le développement XR interactif : résultats de GenXR-Bench
GenXR-Bench est publié : un ensemble de 112 tâches expertes pour évaluer de bout en bout les agents de programmation dans le développement XR interactif, de l’amélioration de fonctionnalités et de la correction de défauts à la création d’applications dont le comportement est testé sur du matériel grand public. Parmi les dix modèles testés, le meilleur résultat a été de 50,9 % en Pass@1 ; les défaillances récurrentes concernent notamment la gestion des événements asynchrones des capteurs, l’ancrage des objets dans l’espace réel et la compréhension des interactions dans un contexte physique.
5 novembre 2026
De la récompense scalaire au front de Pareto : synthèse RTL par LLM avec apprentissage par renforcement multicritère
Une méthode est proposée pour entraîner un modèle de langage à générer non pas un seul schéma, mais un ensemble de candidats RTL offrant différents compromis entre surface, latence et consommation d’énergie ; la récompense est calculée en fonction de la contribution de chaque variante à l’hypervolume du front de Pareto. Sur RTLLM v2, l’hypervolume relatif a augmenté de 13,3 points de pourcentage par rapport à la version de base sans optimisation PPA et de 14,4 points de pourcentage par rapport à l’apprentissage par renforcement mono-objectif.
5 novembre 2026
Les LLM médicales sont informés des révisions des recommandations, mais répondent souvent selon les anciennes règles
L’étude de ChronoEvo portant sur 1 709 changements dans les recommandations cliniques montre que, dans le modèle principal, 90,8 % des réponses repéraient la nouveauté, mais que seules 58,5 % l’appliquaient intégralement, avec un écart de 32,3 points de pourcentage observé dans 14 modèles. Même en renforçant la visibilité des mises à jour, le transfert intégral des nouvelles règles dans les recommandations cliniques n’a pas connu de hausse significative.
4 novembre 2026