Fugu-MT 論文翻訳(概要): Recursive Agent Optimization

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
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

Learning Agent-Compatible Context Management for Long-Horizon Tasks [79.09330817637205]
フリーズエージェントのコンテキストを管理するために外部LLMをトレーニングするAdaptive Context Management (AdaCoM)を導入する。 AdaCoMは、静的なコンテンツをプルーニングしながらタスク制約と進捗を保ち、パフォーマンスを大幅に改善する。学習した戦略は、忠実度-信頼性のトレードオフを明らかにしている: よりバニラリアクトなパフォーマンスを持つエージェントは、高忠実度コンテキストの保存から恩恵を受ける一方、低いパフォーマンスのエージェントは、信頼できる推論体制内に留まるためにより攻撃的な圧縮を必要とする。
論文参考訳（メタデータ） (2026-05-29T03:21:08Z)
Learning to Retrieve from Agent Trajectories [72.8923565916533]
我々はエージェント間相互作用データから直接エージェント探索のための検索モデルを訓練すべきであると主張している。エージェント・トラジェクトリからの学習を新たな訓練パラダイムとして導入し,マルチステップエージェントのインタラクションから指導を導出する。本研究は,エージェント探索時代における検索の方向性を示すとともに,エージェントトラジェクトリを実用的でスケーラブルな監視源として強調するものである。
論文参考訳（メタデータ） (2026-03-30T17:59:02Z)
TIR-Agent: Training an Explorative and Efficient Agent for Image Restoration [25.116475029653884]
TIR-Agentは、2段階のトレーニングパイプラインを通じて直接ツールコールポリシーを実行する訓練可能なイメージ復元エージェントである。 i) SFTデータに適用されたランダムな摂動戦略により、タスクスケジュールやツール構成に対するポリシーの探索を拡大し、(ii)ハッキングに対して動的に不均一な画像品質メトリクスを再重み付けする多次元適応報酬機構である。
論文参考訳（メタデータ） (2026-03-29T15:50:36Z)
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)
Empowering RepoQA-Agent based on Reinforcement Learning Driven by Monte-carlo Tree Search [70.63903518295785]
モンテカルロ木探索によるエージェント強化学習フレームワークRepoSearch-R1を紹介する。 RepoSearch-R1に基づいて,リポジトリ質問応答タスク用に設計されたRepoQA-Agentを構築する。
論文参考訳（メタデータ） (2025-10-30T09:10:36Z)
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)
Reducing Redundant Computation in Multi-Agent Coordination through Locally Centralized Execution [1.260132853894322]
本研究では,局所集中型チームトランス (LCTT) と呼ばれる新しい手法を提案する。 LCTTは、選択されたエージェントがリーダーとして機能し、指示を発行するローカル集中型の実行フレームワークを確立し、残りのエージェントは、労働者として指定され、ポリシーネットワークをアクティベートすることなく、これらの命令として振る舞う。実験の結果,提案手法は効率よく冗長計算を削減し,報酬水準を低下させることなく,学習の収束を早めることを示した。
論文参考訳（メタデータ） (2024-04-19T06:13:37Z)
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。