論文の概要: Group-Evolving Agents: Open-Ended Self-Improvement via Experience Sharing

• arxiv url: http://arxiv.org/abs/2602.04837v1
• Date: Wed, 04 Feb 2026 18:29:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-05 19:45:11.681517
• Title: Group-Evolving Agents: Open-Ended Self-Improvement via Experience Sharing
• Title（参考訳）: グループ進化型エージェント:体験共有によるオープンな自己改善
• Authors: Zhaotian Weng, Antonis Antoniades, Deepak Nathani, Zhen Zhang, Xiao Pu, Xin Eric Wang,
• Abstract要約: Group-Evolving Agents (GEA)は、エージェントのグループを基本的な進化単位として扱う。 我々はGAAを、最先端の自己進化手法を著しく上回る、挑戦的なコーディングベンチマークで評価する。
• 参考スコア（独自算出の注目度）: 26.102738613616456
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Open-ended self-improving agents can autonomously modify their own structural designs to advance their capabilities and overcome the limits of pre-defined architectures, thus reducing reliance on human intervention. We introduce Group-Evolving Agents (GEA), a new paradigm for open-ended self-improvements, which treats a group of agents as the fundamental evolutionary unit, enabling explicit experience sharing and reuse within the group throughout evolution. Unlike existing open-ended self-evolving paradigms that adopt tree-structured evolution, GEA overcomes the limitation of inefficient utilization of exploratory diversity caused by isolated evolutionary branches. We evaluate GEA on challenging coding benchmarks, where it significantly outperforms state-of-the-art self-evolving methods (71.0% vs. 56.7% on SWE-bench Verified, 88.3% vs. 68.3% on Polyglot) and matches or exceeds top human-designed agent frameworks (71.8% and 52.0% on two benchmarks, respectively). Analysis reveals that GEA more effectively converts early-stage exploratory diversity into sustained, long-term progress, achieving stronger performance under the same number of evolved agents. Furthermore, GEA exhibits consistent transferability across different coding models and greater robustness, fixing framework-level bugs in 1.4 iterations on average, versus 5 for self-evolving methods.
• Abstract（参考訳）: オープンエンドの自己改善エージェントは、自らの構造設計を自律的に修正して能力を高め、事前定義されたアーキテクチャの限界を克服し、人間の介入への依存を減らすことができる。 我々は,オープンな自己改善のための新しいパラダイムであるグループ進化エージェント(Group-Evolving Agents, GEA)を導入し, エージェントのグループを基本進化単位として扱い, グループ内での明示的な体験共有と再利用を可能にする。 木構造進化を取り入れた既存のオープンエンド自己進化パラダイムとは異なり、GAAは孤立した進化枝によって引き起こされる探索的多様性の非効率利用の制限を克服する。 GEAは最先端の自己進化手法(SWEベンチマークでは71.0%、SWEベンチマークでは56.7%、ポリグロットでは88.3%、ポリグロットでは68.3%)を著しく上回り、トップヒューマンデザインのエージェントフレームワーク(それぞれ2つのベンチマークでは71.8%と52.0%)を上回ります。 分析の結果、GAAは早期の探索的多様性をより効果的に持続的、長期的な進歩に変換し、同じ数の進化したエージェントの下でより強力なパフォーマンスを達成することが明らかとなった。 さらに、GAAは異なるコーディングモデル間で一貫した転送可能性を示し、より堅牢性を示し、フレームワークレベルのバグを平均1.4イテレーションで修正する。

関連論文リスト

• EvoCUA: Evolving Computer Use Agents via Learning from Scalable Synthetic Experience [44.734653745434834]
  本稿では,ネイティブコンピュータ利用エージェントモデルであるEvoCUAを紹介する。 静的な模倣とは異なり、EvoCUAはデータ生成とポリシー最適化を自己持続的な進化サイクルに統合する。 EvoCUAは以前の最高のオープンソースモデルであるOpenCUA-72Bを大きく上回っている。
  論文  参考訳（メタデータ） (2026-01-22T11:36:43Z)
• Alita-G: Self-Evolving Generative Agent for Agent Generation [54.49365835457433]
  汎用エージェントをドメインエキスパートに変換するフレームワークであるALITA-Gを提案する。 このフレームワークでは、ジェネラリストエージェントが対象ドメインタスクのキュレートされたスイートを実行する。 計算コストを削減しながら、大きな利益を得ることができます。
  論文  参考訳（メタデータ） (2025-10-27T17:59:14Z)
• SEEA-R1: Tree-Structured Reinforcement Fine-Tuning for Self-Evolving Embodied Agents [58.174206358223415]
  自己進化型エボダイドエージェント(SeEA-R1)は、自己進化型エボダイドエージェント用に設計された最初の強化微細調整フレームワークである。 本研究は,SEEA-R1が自律適応と報酬駆動型自己進化をサポートすることを示す。
  論文  参考訳（メタデータ） (2025-06-26T18:00:07Z)
• Agent Alignment in Evolving Social Norms [65.45423591744434]
  本稿では,エージェント進化とアライメントのための進化的フレームワークであるEvolutionaryAgentを提案する。 社会規範が継続的に進化する環境では、エージェントは現在の社会規範に適応し、生存と増殖の確率が高くなる。 進化的エージェントは、一般的なタスクにおいてその能力を維持しながら、進化する社会規範と徐々に整合できることを示す。
  論文  参考訳（メタデータ） (2024-01-09T15:44:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。