論文の概要: Recursive Agent Optimization

• arxiv url: http://arxiv.org/abs/2605.06639v1
• Date: Thu, 07 May 2026 17:49:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-08 22:27:12.060646
• Title: Recursive Agent Optimization
• Title（参考訳）: 再帰的エージェント最適化
• Authors: Apurva Gandhi, Satyaki Chakraborty, Xiangjun Wang, Aviral Kumar, Graham Neubig,
• Abstract要約: 再帰的エージェントは、自分自身の新たなインスタンス化にサブタスクを生成および委譲することができる。 再帰的エージェントは推論時間スケーリングアルゴリズムを実装し、エージェントがより長いコンテキストにスケールできるようにする。
• 参考スコア（独自算出の注目度）: 57.77922299531435
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce Recursive Agent Optimization (RAO), a reinforcement learning approach for training recursive agents: agents that can spawn and delegate sub-tasks to new instantiations of themselves recursively. Recursive agents implement an inference-time scaling algorithm that naturally allows agents to scale to longer contexts and generalize to more difficult problems via divide-and-conquer. RAO provides a method to train models to best take advantage of such recursive inference, teaching agents when and how to delegate and communicate. We find that recursive agents trained in this way enjoy better training efficiency, can scale to tasks that go beyond the model's context window, generalize to tasks much harder than the ones the agent was trained on, and can enjoy reduced wall-clock time compared to single-agent systems.
• Abstract（参考訳）: 本稿では,再帰的エージェントを訓練するための強化学習手法であるRecursive Agent Optimization (RAO)を紹介する。 再帰的エージェントは推論時間スケーリングアルゴリズムを実装しており、エージェントは自然により長いコンテキストにスケールし、分割・アンド・コンカを通じてより難しい問題に一般化することができる。 RAOは、そのような再帰的推論を最大限に活用するためのモデルをトレーニングする方法を提供し、エージェントにいつ、どのようにデリゲートし、通信するかを教える。 この方法でトレーニングされた再帰的エージェントは、トレーニング効率の向上、モデルのコンテキストウインドウを越えたタスクへのスケールアップ、エージェントがトレーニングしたタスクよりもはるかに難しいタスクへの一般化、単一エージェントシステムと比較してウォールクロック時間の短縮を享受できる。

関連論文リスト

• Training-Free Agentic AI: Probabilistic Control and Coordination in Multi-Agent LLM Systems [6.036652381757588]
  マルチエージェントLLMコラボレーションのための軽量かつトレーニング不要なコントローラであるREDEREFを紹介する。 信念誘導ルーティングはトークンの使用量を28%減らし,エージェントコールを17%減らし,タイム・ツー・サクセスを19%減らした。 その結果, 簡易で解釈可能な確率的制御は, 訓練や微調整を伴わずに, マルチエージェントLLMシステムの効率と堅牢性を有意義に向上させることができることを示した。
  論文  参考訳（メタデータ） (2026-02-24T21:39:14Z)
• 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)
• 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)
• Recursive Reasoning Graph for Multi-Agent Reinforcement Learning [44.890087638530524]
  マルチエージェント強化学習(MARL)は、複数のエージェントが相互に相互作用するポリシーを同時に学習する効率的な方法である。 既存のアルゴリズムは、他のエージェントに対する自己行動の影響を正確に予測できない。 提案アルゴリズムはRecursive Reasoning Graph (R2G)と呼ばれ、複数のマルチエージェント粒子およびロボットゲームにおける最先端の性能を示す。
  論文  参考訳（メタデータ） (2022-03-06T00:57:50Z)

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。