論文の概要: Software Self-Extension with SelfEvolve: an Agentic Architecture for Runtime Code Generation
- arxiv url: http://arxiv.org/abs/2604.16314v1
- Date: Fri, 06 Feb 2026 11:43:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-11 07:22:14.725367
- Title: Software Self-Extension with SelfEvolve: an Agentic Architecture for Runtime Code Generation
- Title（参考訳）: SelfEvolveによるソフトウェア自己拡張 - 実行時コード生成のためのエージェントアーキテクチャ
- Authors: Md Asif Iqbal Fahim, Oluwadamilola Adebayo, Alessio Ferrari,
- Abstract要約: 本稿では,実行時の自己拡張を可能にするエージェントパイプラインアーキテクチャであるSelfEvolveを紹介する。
自己拡張(Self-extension)は、ユーザ要求に基づいて、新たな関数の自動生成と統合に焦点を当てる。
この研究は、自律的なコード生成によるランタイム機能拡張の実現可能性を示している。
- 参考スコア（独自算出の注目度）: 0.8493314424950597
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Traditional self-adaptive systems automatically reconfigure existing components in response to changing requirements, but provide limited support for the generation of novel functionalities. The software generation capabilities of large language models (LLMs) open the possibility to create entirely new modules at runtime, enabling a form of self-evolution beyond traditional self-adaptation. We present SelfEvolve, an orchestrated agentic pipeline architecture enabling runtime self-extension--the autonomous addition of new capabilities during execution--as a preliminary form of self-evolution. Self-extension focuses on the autonomous generation and integration of new functions, based on user requests, without requiring a system restart or developer intervention. Evaluation of our architecture across 11 self-extension tasks demonstrates an average Pass@1 of 92.7% (51/55), outperforming developer-focused code generation baselines like AutoGen, MetaGPT, and AgentCoder. SelfEvolve achieves 61.8% improvement over the best baseline, i.e. Autogen, with statistical significance. This work demonstrates the feasibility of runtime capability extension through autonomous code generation. This provides preliminary evidence for a paradigm in which systems autonomously evolve to satisfy user needs, paving the way towards individualised, self-improving systems.
- Abstract（参考訳）: 従来の自己適応システムは、要求の変化に応じて既存のコンポーネントを自動的に再構成するが、新しい機能の生成を限定的にサポートする。
大規模言語モデル(LLM)のソフトウェア生成能力は、実行時に完全に新しいモジュールを作成する可能性を開放し、従来の自己適応を超えて自己進化の形式を可能にする。
本稿では,実行中に新たな機能を自律的に追加する,実行時の自己拡張を可能にする,オーケストレーションされたエージェントパイプラインアーキテクチャであるSelfEvolveについて紹介する。
自己拡張は、システムの再起動や開発者の介入を必要とせずに、ユーザ要求に基づいた、新機能の自動生成と統合に重点を置いている。
11の自己拡張タスクにわたるアーキテクチャの評価では、平均的なPass@1が92.7%(51/55)であり、AutoGen、MetaGPT、AgentCoderといった開発者中心のコード生成ベースラインを上回っている。
SelfEvolveは最高のベースラインであるAutogenよりも61.8%向上し、統計的に意味がある。
この研究は、自律的なコード生成によるランタイム機能拡張の実現可能性を示している。
これは、システムがユーザーニーズを満たすために自律的に進化し、個別化された自己改善システムへの道を開くというパラダイムの予備的な証拠を提供する。
関連論文リスト
- Self-Evolving Software Agents [0.9281671380673306]
本稿では,自動進化モジュールがエージェントの推論ループに沿って動作するBDI-LLMアーキテクチャを提案する。
動的マルチエージェント環境で評価されたプロトタイプは、エージェントが自律的に新しい目標を発見し、実行可能な振る舞いを生成することができることを示している。
論文 参考訳（メタデータ） (2026-04-29T23:31:51Z) - Self-Evolving Recommendation System: End-To-End Autonomous Model Optimization With LLM Agents [18.707716142982992]
複雑なモデル変更を自律的に生成し、訓練し、デプロイする自己進化システムを提案する。
私たちのエージェントは、機械学習エンジニア(MLE)として機能します。
このアプローチの有効性は、YouTubeで成功したいくつかのプロダクションローンチを通じて実証されている。
論文 参考訳（メタデータ） (2026-02-10T19:16:52Z) - Agent0: Unleashing Self-Evolving Agents from Zero Data via Tool-Integrated Reasoning [84.70211451226835]
大規模言語モデル(LLM)エージェントは、人間の計算データへの依存によって制約される。
我々は,外部データを持たない高性能エージェントを進化させる完全自律型フレームワークであるAgent0を紹介する。
Agent0は推論能力を大幅に向上させ、Qwen3-8B-Baseモデルを数学的推論で18%改善し、一般的な推論ベンチマークで24%改善した。
論文 参考訳（メタデータ） (2025-11-20T05:01:57Z) - From Agentification to Self-Evolving Agentic AI for Wireless Networks: Concepts, Approaches, and Future Research Directions [70.72279728350763]
自律進化型エージェント人工知能(AI)は、将来の無線システムに新しいパラダイムを提供する。
静的AIモデルとは異なり、自己進化エージェントは、モデルやツールを更新し、環境ダイナミクスに対応する自律進化サイクルを組み込む。
本稿では,自己進化型エージェントAIの概要を概説し,その階層化アーキテクチャ,ライフサイクル,鍵となる技術について述べる。
論文 参考訳（メタデータ） (2025-10-07T05:45:25Z) - A Comprehensive Survey of Self-Evolving AI Agents: A New Paradigm Bridging Foundation Models and Lifelong Agentic Systems [53.37728204835912]
既存のAIシステムは、デプロイ後も静的な手作業による構成に依存している。
近年,インタラクションデータと環境フィードバックに基づいてエージェントシステムを自動拡張するエージェント進化手法が研究されている。
この調査は、自己進化型AIエージェントの体系的な理解を研究者や実践者に提供することを目的としている。
論文 参考訳（メタデータ） (2025-08-10T16:07:32Z) - SEAgent: Self-Evolving Computer Use Agent with Autonomous Learning from Experience [71.82719117238307]
本稿では,コンピュータ利用エージェントが不慣れなソフトウェアとのインタラクションを通じて進化することを可能にするエージェント型自己進化フレームワークSEAgentを提案する。
我々は、OS-World内の5つの新しいソフトウェア環境におけるSEAgentの有効性を検証する。
当社のアプローチは,競合するオープンソースCUAに比べて,11.3%から34.5%という,23.2%の大幅な改善を実現している。
論文 参考訳（メタデータ） (2025-08-06T17:58:46Z) - A Survey of Self-Evolving Agents: On Path to Artificial Super Intelligence [87.08051686357206]
大きな言語モデル(LLM)は強力な能力を示しているが、基本的に静的である。
LLMはますますオープンでインタラクティブな環境にデプロイされているため、この静的な性質は重要なボトルネックとなっている。
この調査は、自己進化エージェントの体系的で包括的なレビューを初めて提供する。
論文 参考訳（メタデータ） (2025-07-28T17:59:05Z) - SwarmAgentic: Towards Fully Automated Agentic System Generation via Swarm Intelligence [28.042768995386037]
自動エージェントシステム生成のためのフレームワークであるSwarmAgenticを提案する。
SwarmAgenticはエージェントシステムをスクラッチから構築し、エージェント機能とコラボレーションを共同で最適化する。
提案手法を,高レベル計画,システムレベルの調整,創造的推論を含む6つの実世界,オープンエンド,探索的タスクで評価する。
論文 参考訳（メタデータ） (2025-06-18T17:54:55Z)
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。