論文の概要: Self-Evolving Software Agents
- arxiv url: http://arxiv.org/abs/2604.27264v1
- Date: Wed, 29 Apr 2026 23:31:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-01 16:31:53.838805
- Title: Self-Evolving Software Agents
- Title（参考訳）: 自己進化型ソフトウェアエージェント
- Authors: Marco Robol, Paolo Giorgini,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.9281671380673306
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Autonomous agents can adapt their behaviour to changing environments, but remain bound to requirements, goals, and capabilities fixed at design time, preventing genuine software evolution. This paper introduces self-evolving software agents, combining BDI reasoning with LLMs to enable autonomous evolution of goals, reasoning, and executable code. We propose a BDI-LLM architecture in which an automated evolution module operates alongside the agent's reasoning loop, eliciting new requirements from experience and synthesizing corresponding design and code updates. A prototype evaluated in a dynamic multi-agent environment shows that agents can autonomously discover new goals and generate executable behaviours from minimal prior knowledge. The results indicate both the feasibility and current limits of LLM-driven evolution, particularly in terms of behavioural inheritance and stability.
- Abstract（参考訳）: 自律的なエージェントは、環境の変化に行動を適用することができるが、設計時に固定された要件、目標、能力に縛られないままであり、真のソフトウェア進化を防ぐ。
本稿では,自己進化型ソフトウェアエージェントを導入し,BDI推論とLLMを組み合わせることで,目標,推論,実行可能コードの自律的進化を可能にする。
本稿では,BDI-LLMアーキテクチャを提案する。自動進化モジュールはエージェントの推論ループに沿って動作し,新たな要件を経験から引き出すとともに,対応する設計とコード更新を合成する。
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では、エージェントは新しい目標を自律的に発見し、最小限の事前知識から実行可能な振る舞いを生成することができる。
以上の結果から, LLMによる進化の可能性と現在の限界, 特に行動遺伝と安定性の両面が示唆された。
関連論文リスト
- Learning Without Losing Identity: Capability Evolution for Embodied Agents [14.412476605788482]
エンボディエージェントのための機能中心進化パラダイムを提案する。
我々はロボットが認知的アイデンティティとして永続的なエージェントを維持するべきだと主張する。
エージェントアイデンティティから機能進化を分離する統合されたフレームワークを提案する。
論文 参考訳（メタデータ） (2026-04-09T04:51:07Z) - From Prompt-Response to Goal-Directed Systems: The Evolution of Agentic AI Software Architecture [0.0]
Agentic AIは、ステートレスでプロンプト駆動型生成モデルからゴール指向システムへのアーキテクチャ移行を表す。
本稿では、知的エージェント理論と現代のLCM中心のアプローチを結びつけることによって、この遷移を考察する。
この研究は、標準化されたエージェントループ、登録、監査可能な制御機構への収束を特定する。
論文 参考訳（メタデータ） (2026-02-11T03:34:48Z) - EmboCoach-Bench: Benchmarking AI Agents on Developing Embodied Robots [68.29056647487519]
Embodied AIは、高忠実度シミュレーションと大規模データ収集によって実現されている。
しかし、このスケーリング能力は、労働集約的な手作業の監視に依存しているため、いまだにボトルネックになっている。
実装ポリシーを自律的に構築するための LLM エージェントの能力を評価するベンチマークである textscEmboCoach-Bench を紹介する。
論文 参考訳（メタデータ） (2026-01-29T11:33:49Z) - Towards AGI A Pragmatic Approach Towards Self Evolving Agent [0.0]
大規模言語モデル(LLM)ベースのエージェントは、デプロイ後、強力だが基本的に静的である。
本研究では,Base LLM,運用SLMエージェント,Code-Generation LLM,Teacher-LLMを統合した階層的自己進化型マルチエージェントフレームワークを提案する。
論文 参考訳（メタデータ） (2026-01-15T20:43:44Z) - Hybrid Agentic AI and Multi-Agent Systems in Smart Manufacturing [0.0]
本稿では,複合エージェントAIとマルチエージェントフレームワークを,規範的メンテナンスユースケースに適用する。
提案するフレームワークは、認識層、前処理層、分析層、最適化層からなる階層アーキテクチャを採用している。
特殊エージェントは、スキーマ発見、インテリジェントな特徴分析、モデル選択、規範最適化を自律的に処理する。
最初の概念実証は、2つの工業生産データセットで検証される。
論文 参考訳（メタデータ） (2025-11-23T03:06:23Z) - A Survey on Agentic Multimodal Large Language Models [84.18778056010629]
エージェントマルチモーダル大言語モデル(Agentic MLLMs)に関する総合的な調査を行う。
我々は,エージェントMLLMの新たなパラダイムを探求し,その概念的基盤を明確にし,従来のMLLMエージェントとの特徴を区別する。
コミュニティのためのこの分野の研究をさらに加速するため、エージェントMLLMを開発するためのオープンソースのトレーニングフレームワーク、トレーニングおよび評価データセットをコンパイルする。
論文 参考訳（メタデータ） (2025-10-13T04:07:01Z) - 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) - 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) - MOSS: Enabling Code-Driven Evolution and Context Management for AI Agents [7.4159044558995335]
動的コンテキスト管理システムとコード生成を統合する新しいフレームワークであるMOSS(llM-oriented Operating System Simulation)を紹介する。
フレームワークの中核は、最小限の知識原則を強制するために、インバージョン・オブ・コントロールコンテナとデコレータを併用する。
我々は,このフレームワークがエージェント開発における効率性と能力をいかに向上させるかを示し,チューリング完全エージェントへの移行におけるその優位性を強調した。
論文 参考訳（メタデータ） (2024-09-24T14:30:21Z)
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。