論文の概要: Hyperagents

• arxiv url: http://arxiv.org/abs/2603.19461v1
• Date: Thu, 19 Mar 2026 20:50:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 19:48:38.880433
• Title: Hyperagents
• Title（参考訳）: 過敏症
• Authors: Jenny Zhang, Bingchen Zhao, Wannan Yang, Jakob Foerster, Jeff Clune, Minqi Jiang, Sam Devlin, Tatiana Shavrina,
• Abstract要約: 自己改善型AIシステムは、人間のエンジニアリングへの依存を減らすことを目的としている。 既存の自己改善アプローチは、固定された手作りのメタレベルメカニズムに依存している。 我々はDGM-Hyperagentを作成するためにDarwin Gdel Machineを拡張します。
• 参考スコア（独自算出の注目度）: 42.17044581555985
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Self-improving AI systems aim to reduce reliance on human engineering by learning to improve their own learning and problem-solving processes. Existing approaches to self-improvement rely on fixed, handcrafted meta-level mechanisms, fundamentally limiting how fast such systems can improve. The Darwin Gödel Machine (DGM) demonstrates open-ended self-improvement in coding by repeatedly generating and evaluating self-modified variants. Because both evaluation and self-modification are coding tasks, gains in coding ability can translate into gains in self-improvement ability. However, this alignment does not generally hold beyond coding domains. We introduce \textbf{hyperagents}, self-referential agents that integrate a task agent (which solves the target task) and a meta agent (which modifies itself and the task agent) into a single editable program. Crucially, the meta-level modification procedure is itself editable, enabling metacognitive self-modification, improving not only the task-solving behavior, but also the mechanism that generates future improvements. We instantiate this framework by extending DGM to create DGM-Hyperagents (DGM-H), eliminating the assumption of domain-specific alignment between task performance and self-modification skill to potentially support self-accelerating progress on any computable task. Across diverse domains, the DGM-H improves performance over time and outperforms baselines without self-improvement or open-ended exploration, as well as prior self-improving systems. Furthermore, the DGM-H improves the process by which it generates new agents (e.g., persistent memory, performance tracking), and these meta-level improvements transfer across domains and accumulate across runs. DGM-Hyperagents offer a glimpse of open-ended AI systems that do not merely search for better solutions, but continually improve their search for how to improve.
• Abstract（参考訳）: 自己改善型AIシステムは、学習によって人間工学への依存を減らし、自身の学習と問題解決プロセスを改善することを目的としている。 既存の自己改善のアプローチは、固定された手作りのメタレベルメカニズムに依存しており、そのようなシステムがどの程度の速さで改善できるかを根本的に制限している。 ダーウィン・ゲーデル・マシン(DGM)は、自己修正された変種を繰り返し生成し評価することによって、コーディングにおけるオープンエンドな自己改善を示す。 評価と自己修正の両方がコーディングタスクであるため、コーディング能力の利得は自己改善能力の利得に変換できる。 しかし、このアライメントは一般的にコーディングドメインを越えては成り立たない。 本稿では,タスクエージェント(ターゲットタスクを解決する)とメタエージェント(自分自身とタスクエージェントを変更する)をひとつの編集可能なプログラムに統合する,自己参照エージェントである‘textbf{hyperagents}’を紹介する。 重要なことに、メタレベルの修正手順はそれ自体が編集可能であり、メタ認知的な自己修正を可能にし、タスク解決の振る舞いだけでなく、将来の改善を生み出すメカニズムも改善する。 我々は、DGMを拡張してDGM-Hyperagents(DGM-H)を作成することにより、タスクパフォーマンスと自己修正スキルのドメイン固有のアライメントの仮定をなくし、計算可能なタスクの自己加速進歩を支援することにより、このフレームワークをインスタンス化する。 さまざまな領域にわたって、DGM-Hは時間とともにパフォーマンスを改善し、自己改善やオープンエンドの探索なしにベースラインを上回り、以前の自己改善システムも改善している。 さらに、DGM-Hは、新しいエージェント(例えば、永続メモリ、パフォーマンストラッキング)を生成するプロセスを改善し、これらのメタレベルの改善がドメイン間で転送され、実行中に蓄積される。 DGM-Hyperagentsは、より良いソリューションを探すだけでなく、改善する方法の検索を継続的に改善する、オープンなAIシステムを垣間見る。

関連論文リスト

• 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)
• Darwin Godel Machine: Open-Ended Evolution of Self-Improving Agents [32.42616663576657]
  本稿では,自己改善型AIであるDarwin G"odel Machine(DGM)を紹介する。 ダーウィンの進化とオープンエンドネスの研究に触発されたDGMは、生成されたコーディングエージェントのアーカイブを維持している。 エージェントをサンプリングし、ファンデーションモデルを使用して、サンプルされたエージェントの新しい、興味深いバージョンを作成することで、アーカイブを成長させる。
  論文  参考訳（メタデータ） (2025-05-29T00:26:15Z)
• Gödel Agent: A Self-Referential Agent Framework for Recursive Self-Improvement [112.04307762405669]
  G"odel AgentはG"odelマシンにインスパイアされた自己進化型フレームワークである。 G"odel Agentは、パフォーマンス、効率、一般化性において手作業によるエージェントを上回る、継続的な自己改善を実現することができる。
  論文  参考訳（メタデータ） (2024-10-06T10:49:40Z)

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。