論文の概要: Safactory: A Scalable Agentic Infrastructure for Training Trustworthy Autonomous Intelligence
- arxiv url: http://arxiv.org/abs/2605.06230v2
- Date: Fri, 08 May 2026 02:31:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-11 16:31:23.134481
- Title: Safactory: A Scalable Agentic Infrastructure for Training Trustworthy Autonomous Intelligence
- Title（参考訳）: Safactory: 信頼できる自律知性をトレーニングするためのスケーラブルなエージェントインフラストラクチャ
- Authors: Xinquan Chen, Zhenyun Yin, Shan He, Bin Huang, Shanzhe Lei, Pengcheng Shi, Kun Cai, Bei Chen, Bangwei Liu, Zeyu Kang, Chao Huang, Yang Zhang, Wenjie Li, Ruijun Ge, Yajie Wang, Tianshun Fang, Tianyang Xu, Yiwen Cong, Meng Jin, Gaolei Li, Xuansheng Wu, Linhan Liu, Zijing He, An Li, Yan Teng, Xin Tan, Dongrui Liu, Jing Shao, ChaoChao Lu, Ji He, Jie Li, Chunfeng Song, Jinya Xu, Fan Song, Shujie Wang, Jianmin Qian, Jie Hou, Xuhong Wang, Yingchun Wang, Hui Wang, Xia Hu,
- Abstract要約: textbfSafactoryは、信頼できる自律知能のためのスケーラブルなエージェントファクトリです。
Safactoryは、トラジェクトリ生成のためのtextbfParallel Simulation Platform、トラジェクトリストレージとエクスペリエンス抽出のための textbfTrustworthy Data Platform、非同期強化学習のための textbfAutonomous Evolution Platformの3つの密結合プラットフォームを統合している。
- 参考スコア（独自算出の注目度）: 95.17488814799623
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As large models evolve from conversational assistants into autonomous agents, challenges increasingly arise from long-horizon decision making, tool use, and real environment interaction. Existing agenticinfrastructure remain fragmented across evaluation, data management, and agent evolution, making it difficult to discover risks systematically and improve models in a continuous closed loop. In this report, we present \textbf{Safactory}, a scalable agent factory for trustworthy autonomous intelligence. Safactory integrates three tightly coupled platforms: a \textbf{Parallel Simulation Platform} for trajectory generation, a \textbf{Trustworthy Data Platform} for trajectory storage and experience extraction, and an \textbf{Autonomous Evolution Platform} for asynchronous reinforcement learning and on-policy distillation. As far as we know, Safactory is the first framework to propose a unified evolutionary pipeline for next-generation trustworthy autonomous intelligence.
- Abstract（参考訳）: 大規模なモデルが対話型アシスタントから自律型エージェントへと進化するにつれ、長期的な意思決定、ツールの使用、実際の環境相互作用といった課題がますます高まっていく。
既存のエージェントインフラストラクチャ構造は、評価、データ管理、エージェントの進化で断片化され続けており、リスクを体系的に発見し、連続的なクローズドループのモデルを改善することは困難である。
本稿では、信頼性の高い自律知能のためのスケーラブルなエージェントファクトリーである「textbf{Safactory}」を紹介する。
Safactoryは、トラジェクトリ生成のための \textbf{Parallel Simulation Platform} と、トラジェクトリストレージとエクスペリエンス抽出のための \textbf{Trustworthy Data Platform} と、非同期強化学習とオンライン蒸留のための \textbf{Autonomous Evolution Platform} の3つの密結合プラットフォームを統合している。
われわれが知る限り、Safactoryは次世代の信頼できる自律知能のための統合進化パイプラインを提案する最初のフレームワークだ。
関連論文リスト
- Agentic Insight Generation in VSM Simulations [4.626393563516877]
本稿では,バリューストリームマップシミュレーションのための分離された2段階のエージェントアーキテクチャを提案する。
データ分析からオーケストレーションを分離することで、システムはドメインエキスパートの知識を取り入れた進歩的なデータ発見を活用する。
複数の最先端の大規模言語モデルの成果は、フレームワークの生存可能性を示している。
論文 参考訳（メタデータ） (2026-04-14T08:11:53Z) - AgentSkiller: Scaling Generalist Agent Intelligence through Semantically Integrated Cross-Domain Data Synthesis [30.512393568258105]
大規模言語モデルエージェントは、ツールを介して現実世界の問題を解決する可能性を実証するが、汎用的な知性は、質の低い長期データによってボトルネックとなる。
本稿では,現実的なセマンティックなドメイン間でのマルチターンインタラクションデータを合成する,完全に自動化されたフレームワークであるAgentSkillerを提案する。
論文 参考訳（メタデータ） (2026-02-10T03:21:42Z) - From Self-Evolving Synthetic Data to Verifiable-Reward RL: Post-Training Multi-turn Interactive Tool-Using Agents [23.583947864141162]
EigenDataは階層的なマルチエージェントエンジンで、ツール基底の対話と実行可能なインスタンスごとのチェッカーを合成する。
合成データに基づいて、まずユーザモデルを微調整し、GRPOスタイルのトレーニングを適用するRLレシピを開発する。
以上の結果から,高価なアノテーションを使わずに,複雑なツールの動作をブートストラップするためのスケーラブルな経路が示唆された。
論文 参考訳（メタデータ） (2026-01-30T06:01:23Z) - Yunjue Agent Tech Report: A Fully Reproducible, Zero-Start In-Situ Self-Evolving Agent System for Open-Ended Tasks [10.622439192272527]
従来のエージェントシステムは、タスク分布が継続的にドリフトし、外部の監視が不十分な、オープンな環境に苦しむ。
In-Situ Self-Evolving(In-Situ Self-Evolving)パラダイムを提案する。
このフレームワーク内では、新しい課題をナビゲートするためのツールを反復的に合成、最適化、再利用するシステムであるYunjue Agentを開発します。
論文 参考訳（メタデータ） (2026-01-26T07:27:47Z) - 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) - A Survey of Data Agents: Emerging Paradigm or Overstated Hype? [66.1526688475023]
現在「データエージェント」は用語的曖昧さと不整合性に悩まされている。
この調査では、データエージェントのための最初の体系的な階層型分類を紹介した。
プロアクティブな生成データエージェントの出現を想定する、先見的なロードマップで締めくくります。
論文 参考訳（メタデータ） (2025-10-27T17:54:07Z) - AgentOhana: Design Unified Data and Training Pipeline for Effective Agent Learning [98.26836657967162]
textbfAgentOhanaは、さまざまなシナリオにまたがって、異なる環境からエージェントのトラジェクトリを集約する。
AIエージェント用に調整された大規模なアクションモデルである textbfxLAM-v0.1 は、さまざまなベンチマークで例外的なパフォーマンスを示している。
論文 参考訳（メタデータ） (2024-02-23T18:56:26Z)
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。