Fugu-MT 論文翻訳(概要): Retrieval-Augmented LLM Agents: Learning to Learn from Experience

論文の概要: Retrieval-Augmented LLM Agents: Learning to Learn from Experience

arxiv url: http://arxiv.org/abs/2603.18272v1
Date: Wed, 18 Mar 2026 20:45:04 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-20 17:19:05.843337
Title: Retrieval-Augmented LLM Agents: Learning to Learn from Experience
Title（参考訳）: 検索型LLMエージェント:経験から学ぶ
Abstract要約: 本研究では,検索対象のLLMエージェントを学習し,検索したトラジェクトリをコンテキスト内で活用する方法について検討する。最先端のエージェントトレーニングパイプラインよりも優れたロラを用いた,堅牢な教師付き微調整(SFT)レシピを確立した。その結果,この組み合わせによるタスクの一般化が著しく向上することが示唆された。
参考スコア（独自算出の注目度）: 16.248836438253814
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: While large language models (LLMs) have advanced the development of general-purpose agents, achieving robust generalization to unseen tasks remains a significant challenge. Current approaches typically rely on either fine-tuning or training-free memory-augmented generation using retrieved experience; yet both have limitations: fine-tuning often fails to extrapolate to new tasks, while experience retrieval often underperforms compared to supervised baselines. In this work, we propose to combine these approaches and systematically study how to train retrieval-augmented LLM agents to effectively leverage retrieved trajectories in-context. First, we establish a robust supervised fine-tuning (SFT) recipe using LoRA that outperforms several state-of-the-art agent training pipelines. Second, we provide a detailed analysis of key design choices for experience retrieval, identifying optimal strategies for storage, querying, and trajectory selection. Finally, we propose a pipeline that integrates experience retrieval into the fine-tuning process. Our results demonstrate that this combined approach significantly improves generalization to unseen tasks, providing a scalable and effective framework for building agents that learn to learn from experience.
Abstract（参考訳）: 大規模言語モデル(LLM)は汎用エージェントの開発を進めてきたが、未確認タスクへの堅牢な一般化は依然として大きな課題である。現在のアプローチは、通常、検索された経験を使った微調整または無トレーニングのメモリ拡張生成のいずれかに依存しているが、どちらも制限がある。本研究では,これらの手法を組み合わせて,検索対象のLLMエージェントを学習し,抽出したトラジェクトリをコンテキスト内で効果的に活用する方法を体系的に研究することを提案する。まず、ロラを用いた頑健な教師付き微調整(SFT)レシピを構築し、最先端のエージェントトレーニングパイプラインより優れた性能を発揮する。第2に、経験的検索のための重要な設計選択を詳細に分析し、記憶、クエリ、軌道選択のための最適な戦略を特定する。最後に,経験検索を微調整プロセスに統合するパイプラインを提案する。その結果,この組み合わせによるタスクの一般化が大幅に向上し,経験から学習するエージェント構築のためのスケーラブルで効果的なフレームワークが提供されることがわかった。

関連論文リスト

Transferable Expertise for Autonomous Agents via Real-World Case-Based Learning [6.277598389891074]
本稿では,過去のタスクから経験を再利用可能な知識資産に変換するケースベースの学習フレームワークを提案する。事前訓練された知識や静的なプロンプトに基づく手法とは異なり、我々のフレームワークはタスク関連知識の抽出と再利用に重点を置いている。
論文参考訳（メタデータ） (2026-04-14T13:31:47Z)
Beyond Stochastic Exploration: What Makes Training Data Valuable for Agentic Search [5.481048072631037]
本稿では,検索エージェントの性能向上と訓練を目的とした,階層的体験(HiExp)を提案する。比較分析とマルチレベルクラスタリング機構を通じて経験的知識を抽出し,生の推論軌道を階層的経験知識に変換する。提案手法は性能向上を実現し,強いクロスタスクとクロスアルゴリズムの一般化を示す。
論文参考訳（メタデータ） (2026-04-09T11:44:44Z)
SEARL: Joint Optimization of Policy and Tool Graph Memory for Self-Evolving Agents [35.45207852488779]
本稿では,ツールメモリをベースとした自己進化型エージェントフレームワークSEARLを紹介する。インタラクションエクスペリエンスを直接利用するアプローチとは異なり,本手法では,計画と実行を統合する構造化されたエクスペリエンスメモリを構築している。我々は,知識推論と数学タスクの枠組みを評価し,より実践的で効率的な学習を実現する上での有効性を実証した。
論文参考訳（メタデータ） (2026-04-09T04:38:47Z)
Learning to Retrieve from Agent Trajectories [72.8923565916533]
我々はエージェント間相互作用データから直接エージェント探索のための検索モデルを訓練すべきであると主張している。エージェント・トラジェクトリからの学習を新たな訓練パラダイムとして導入し,マルチステップエージェントのインタラクションから指導を導出する。本研究は,エージェント探索時代における検索の方向性を示すとともに,エージェントトラジェクトリを実用的でスケーラブルな監視源として強調するものである。
論文参考訳（メタデータ） (2026-03-30T17:59:02Z)
Experiential Reflective Learning for Self-Improving LLM Agents [1.1074589887824053]
実験的反射学習(ERL:Experiential Reflective Learning)は,迅速な環境適応を実現するシンプルな自己改善フレームワークである。 ERLはタスクの軌跡と成果を反映して、タスク間で伝達される実行可能なレッスンを生成する。 ERLはReActベースラインよりも成功率を7.8%向上させ、タスク完了の信頼性を大きく向上させる。
論文参考訳（メタデータ） (2026-03-25T11:43:22Z)
APEX-Searcher: Augmenting LLMs' Search Capabilities through Agentic Planning and Execution [10.643859464982071]
APEX-Searcherは、大規模言語モデル(LLM)検索能力を増強する新しいエージェントプランニングおよび実行フレームワークである。戦略計画の最適化のために、まずRLを分解特異的な報酬として採用する。その後、高品質なマルチホップ軌道の教師付き微調整を適用し、ロバストな反復的なサブタスク実行能力を持つモデルに装備する。
論文参考訳（メタデータ） (2026-03-14T09:17:12Z)
LamRA: Large Multimodal Model as Your Advanced Retrieval Assistant [63.28378110792787]
LamRAは大規模マルチモーダルモデルに高度な検索と再ランク機能を持たせるために設計された多機能フレームワークである。検索には、言語のみの事前学習とマルチモーダル・インストラクション・チューニングからなる2段階のトレーニング戦略を採用する。再格付けには、ポイントワイドとリストワイドの両方のジョイントトレーニングを採用し、検索性能をさらに向上させる2つの方法を提供している。
論文参考訳（メタデータ） (2024-12-02T17:10:16Z)
From Novice to Expert: LLM Agent Policy Optimization via Step-wise Reinforcement Learning [62.54484062185869]
本稿では,エージェントの強化学習プロセスの最適化にステップワイド報酬を利用するStepAgentを紹介する。エージェント反射とポリシー調整を容易にする暗黙の逆・逆の強化学習手法を提案する。
論文参考訳（メタデータ） (2024-11-06T10:35:11Z)
CoPS: Empowering LLM Agents with Provable Cross-Task Experience Sharing [70.25689961697523]
クロスタスク体験の共有と選択によるシーケンシャル推論を強化する一般化可能なアルゴリズムを提案する。我々の研究は、既存のシーケンシャルな推論パラダイムのギャップを埋め、タスク間体験の活用の有効性を検証する。
論文参考訳（メタデータ） (2024-10-22T03:59:53Z)
Watch Every Step! LLM Agent Learning via Iterative Step-Level Process Refinement [50.481380478458945]
反復的なステップレベルプロセスリファインメント(IPR)フレームワークは、エージェントトレーニングを強化するためのステップバイステップのガイダンスを提供する。 3つの複雑なエージェントタスクに関する我々の実験は、我々のフレームワークが様々な強力なベースラインより優れていることを示した。
論文参考訳（メタデータ） (2024-06-17T03:29:13Z)
Trial and Error: Exploration-Based Trajectory Optimization for LLM Agents [49.85633804913796]
本稿では,ETOと呼ばれる探索に基づく軌道最適化手法を提案する。この学習方法はオープンLLMエージェントの性能を向上させるために設計されている。 3つの複雑なタスクに関する実験は、ETOがベースライン性能をはるかに上回っていることを示す。
論文参考訳（メタデータ） (2024-03-04T21:50:29Z)

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。