論文の概要: Scalable Environments Drive Generalizable Agents

• arxiv url: http://arxiv.org/abs/2605.18181v1
• Date: Mon, 18 May 2026 10:24:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:49.394588
• Title: Scalable Environments Drive Generalizable Agents
• Title（参考訳）: スケーラブル環境は汎用エージェントを駆動する
• Abstract要約: 一般化可能なエージェントは、トレーニングディストリビューションを超えて、多様なタスクや見つからない環境に適応する必要がある。 現在のスケーリングプラクティスは、より経験やより広範なタスクを、一定のインタラクションルールの下で収集することに集中しています。 本稿では,主要な成果物によるトラジェクティブスケーリング,タスクスケーリング,環境スケーリングを分離した統合分類法を提案する。
• 参考スコア（独自算出の注目度）: 42.76199937252846
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generalizable agents should adapt to diverse tasks and unseen environments beyond their training distribution. This position paper argues that such generalization requires environment scaling: expanding the distribution of executable rule-sets that agents interact with, rather than only increasing trajectories or tasks within fixed benchmarks. Current scaling practices largely focus on collecting more experience or broader task sets under fixed interaction rules, leaving agents brittle when underlying interfaces, dynamics, observations, or feedback signals change. The core challenge is therefore a world-level distribution shift: agents need systematic exposure to environments with meaningfully different executable rule-sets. To clarify this challenge, we propose a unified taxonomy that separates trajectory scaling, task scaling, and environment scaling by their primary deliverables and by what changes in the executable rule-set. Building on this taxonomy, we synthesize construction paradigms for scalable environments, contrasting programmatic generators that prioritize controllability and verifiability with generative world models that offer broader coverage and open-endedness. We further outline how environment scaling can be coupled with stateful learning mechanisms, emphasizing learned update rules for cross-environment adaptation. We conclude by discussing alternative perspectives and argue that scalable environments provide the essential substrate for measurable and controllable progress toward robust general agents.
• Abstract（参考訳）: 一般化可能なエージェントは、トレーニングディストリビューションを超えて、多様なタスクや見つからない環境に適応する必要がある。 固定ベンチマーク内での軌道やタスクの増加だけでなく、エージェントが相互作用する実行可能なルールセットの分布の拡大である。 現在のスケーリングプラクティスは,インターフェースやダイナミクス,観察,あるいはフィードバック信号の変更によってエージェントが不安定になるような,より経験やより広範なタスクセットの収集に重点を置いています。 エージェントは、有意義に異なる実行可能なルールセットを持つ環境に、体系的に露出する必要がある。 この課題を明らかにするため、我々は、軌道スケーリング、タスクスケーリング、環境スケーリングを主要な成果物と実行可能なルールセットの変化によって分離する統合分類法を提案する。 この分類に基づいて、我々はスケーラブルな環境の構築パラダイムを合成し、制御性と検証性を優先するプログラム的ジェネレータと、より広範なカバレッジとオープンディペンデンスを提供する生成的世界モデルとを対比する。 さらに、環境スケーリングがステートフルな学習メカニズムとどのように結合するかを概説し、クロス環境適応のための学習された更新ルールを強調した。 我々は、代替的な視点について議論し、スケーラブルな環境は、堅牢な汎用エージェントに対する測定可能かつ制御可能な進歩に不可欠な基盤を提供する、と論じる。

関連論文リスト

• Agent-World: Scaling Real-World Environment Synthesis for Evolving General Agent Intelligence [122.8626256816085]
  textbfAgent-Worldは、スケーラブルな環境を通じて汎用エージェントインテリジェンスを前進させるための自己進化型トレーニングアリーナである。 Agent-World-8Bと14Bは、強力なプロプライエタリなモデルと環境スケーリングベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2026-04-20T14:01:10Z)
• Can RL Improve Generalization of LLM Agents? An Empirical Study [68.19349692042341]
  Reinforcement Fine-tuning (RFT) は環境フィードバックに基づいてマルチターン意思決定を行うための LLM エージェントの訓練を約束している。 現実世界のデプロイメントでは、エージェントは異なるバックグラウンド知識を持つ見えない環境で動作することができる。 RFTは環境内のタスクの難易度でよく一般化されるが、見えない環境へのより弱い移動を示す。
  論文  参考訳（メタデータ） (2026-03-12T14:54:59Z)
• ScaleEnv: Scaling Environment Synthesis from Scratch for Generalist Interactive Tool-Use Agent Training [34.682505898865884]
  完全にインタラクティブな環境を構築し、スクラッチから完全に検証可能なタスクを構築するフレームワークであるScaleEnvを紹介します。 ScaleEnv内の探索を通じてエージェントが学習できるようにすることで、目に見えないマルチターンツール使用ベンチマークにおいて、大幅なパフォーマンス向上が示される。
  論文  参考訳（メタデータ） (2026-02-06T16:05:55Z)
• CuES: A Curiosity-driven and Environment-grounded Synthesis Framework for Agentic RL [35.086788669916594]
  大規模言語モデルベースのエージェントは、複雑なツール拡張環境にますますデプロイされている。 既存のアプローチは通常、新しい環境で失敗する前提である事前定義されたタスクコレクションを仮定する。 そこで我々はCuESを提案する。CuESはキュリオシティ駆動環境基盤合成フレームワークで、多様で実行可能で有意義なタスクを自律的に生成する。
  論文  参考訳（メタデータ） (2025-12-01T06:11:37Z)
• Path Planning through Multi-Agent Reinforcement Learning in Dynamic Environments [2.116865312302264]
  動的環境における経路計画のための拡張性のある地域対応強化学習フレームワークを提案する。 本手法は, 環境変化は動的ではあるが, しばしば境界領域内で局所化されるという観察に基づいている。
  論文  参考訳（メタデータ） (2025-11-19T09:48:44Z)
• Towards General Agentic Intelligence via Environment Scaling [78.66355092082253]
  高度なエージェントインテリジェンスは、現実世界のアプリケーションに大規模言語モデルをデプロイするための前提条件である。 完全にシミュレートされた異種環境を自動的に構築するスケーラブルなフレームワークを設計する。 エージェントベンチマーク, tau-bench, tau2-Bench, ACEBenchの実験により, トレーニングモデルである AgentScaler が, モデルの関数呼び出し能力を大幅に向上することを示した。
  論文  参考訳（メタデータ） (2025-09-16T17:57:20Z)
• Unlocking Smarter Device Control: Foresighted Planning with a World Model-Driven Code Execution Approach [82.27842884709378]
  本研究では,自然言語理解と構造化推論を優先し,エージェントの環境に対するグローバルな理解を高める枠組みを提案する。 本手法は,従来の手法,特にタスク成功率の44.4%向上を達成している。
  論文  参考訳（メタデータ） (2025-05-22T09:08:47Z)
• Dita: Scaling Diffusion Transformer for Generalist Vision-Language-Action Policy [73.75271615101754]
  本稿では,Transformerアーキテクチャを活用した拡張性のあるフレームワークであるDitaについて紹介する。 Ditaはコンテキスト内コンディショニング(context conditioning)を採用しており、歴史的観察から生の視覚トークンと識別されたアクションをきめ細やかなアライメントを可能にする。 Ditaは、さまざまなカメラパースペクティブ、観察シーン、タスク、アクションスペースの横断的なデータセットを効果的に統合する。
  論文  参考訳（メタデータ） (2025-03-25T15:19:56Z)
• Diffusion Transformer Policy [48.50988753948537]
  本稿では,拡散変圧器ポリシー(Diffusion Transformer Policy)と呼ばれる多モード拡散変圧器を提案し,連続的なエンドエフェクタ動作をモデル化する。 トランスのスケーリング機能を活用することで、提案手法は、多種多様なロボットデータセットにわたる継続的エンドエフェクタアクションを効果的にモデル化することができる。
  論文  参考訳（メタデータ） (2024-10-21T12:43:54Z)
• Towards Generalizable Reinforcement Learning via Causality-Guided Self-Adaptive Representations [22.6449779859417]
  汎用インテリジェンスには、タスク間の迅速な適応が必要です。 本稿では,分布だけでなく,環境空間も変化するシナリオを幅広く検討する。 我々はCSRと呼ばれる因果性誘導型自己適応表現に基づく手法を導入し、エージェントを効果的に一般化させる。
  論文  参考訳（メタデータ） (2024-07-30T08:48:49Z)
• Provably Efficient Causal Model-Based Reinforcement Learning for Systematic Generalization [30.456180468318305]
  逐次的意思決定設定では、エージェントは、おそらく無限の、大きな環境の集合に対して体系的な一般化を達成することを目的としている。 本稿では,因果的視点を用いた体系的一般化の抽出可能な定式化について述べる。 特定の構造的仮定の下では、望まざる計画誤差を避けられない準最適項まで保証する単純な学習アルゴリズムを提供する。
  論文  参考訳（メタデータ） (2022-02-14T08:34:51Z)

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。