論文の概要: Agentic Environment Engineering for Large Language Models: A Survey of Environment Modeling, Synthesis, Evaluation, and Application

• arxiv url: http://arxiv.org/abs/2606.12191v1
• Date: Wed, 10 Jun 2026 15:15:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-11 16:42:38.521252
• Title: Agentic Environment Engineering for Large Language Models: A Survey of Environment Modeling, Synthesis, Evaluation, and Application
• Title（参考訳）: 大規模言語モデルのためのエージェント環境工学:環境モデリング, 合成, 評価, 応用に関する調査
• Authors: Jiachun Li, Zhuoran Jin, Tianyi Men, Yupu Hao, Kejian Zhu, Lingshuai Wang, Dongqi Huang, Longxiang Wang, Shengjia Hua, Lu Wang, Jinshan Gao, Hongbang Yuan, Ruilin Xu, Kang Liu, Jun Zhao,
• Abstract要約: 本稿では, 環境工学のライフサイクルの観点から, エージェント環境に関する最近の研究について述べる。 本稿ではまず,8つの属性と8つのドメインの観点から代表的環境を紹介する。 自動環境合成には、記号合成とニューラル合成という2つのパラダイムが導入された。 エージェント環境共進化の観点から、対応する環境応用について論じる。
• 参考スコア（独自算出の注目度）: 23.756546951633624
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Environments serve as interactive systems for large language model (LLM) based agents across diverse scenarios and play a crucial role in driving the continual evolution of model capabilities. Despite this importance, existing work lacks a systematic categorization and deep analysis. This paper systematically studies current researches on agentic environments from the perspective of the environment engineering lifecycle, covering their modeling, synthesis, evaluation and application. Specifically, the paper first introduces representative environments from the perspectives of eight attributes and eight domains, providing detailed analyses of their development paths and highlighting their core capabilities. Second, for automated environment synthesis, two paradigms are introduced, such as symbolic synthesis and neural synthesis. This paper also shows different environment evaluation methods in each paradigm. Thirdly, the corresponding environment applications from the perspective of agent-environment co-evolution are discussed. In specific, the paper characterizes the primary pathways for agent evolution in dynamic environments from four complementary perspectives: memory-centric experience evolution, orchestration-centric workflow evolution, trajectory-centric offline evolution, and exploration-centric online evolution. And three paradigms of environment evolution are identified, namely neural-driven, difficulty-driven, and scaling-driven approaches. At last, several promising future directions are discussed, including Environment-as-a-Service, Multi-agent Environments, and Neural-Symbolic Environments.
• Abstract（参考訳）: 環境は様々なシナリオにまたがる大規模言語モデル(LLM)ベースのエージェントのためのインタラクティブシステムとして機能し、モデル機能の継続的な進化を促進する上で重要な役割を果たす。 この重要性にもかかわらず、既存の作業には体系的な分類と深い分析が欠けている。 本稿では, 環境工学のライフサイクルの観点から, エージェント環境に関する最近の研究を体系的に研究し, モデリング, 合成, 評価, 応用について述べる。 具体的には、まず8つの属性と8つのドメインの観点から代表的環境を紹介し、開発パスの詳細な分析とコア機能の強調を行う。 第二に、自動環境合成には、シンボリック合成とニューラル合成という2つのパラダイムが導入された。 また,各パラダイムにおける環境評価手法について述べる。 第3に、エージェント環境共進化の観点から、対応する環境応用について論じる。 具体的には、メモリ中心のエクスペリエンス進化、オーケストレーション中心のワークフロー進化、軌道中心のオフライン進化、探索中心のオンライン進化の4つの相補的な視点から、動的環境におけるエージェント進化の主要な経路を特徴づける。 そして、環境進化の3つのパラダイム、すなわち、ニューラル駆動、困難駆動、スケーリング駆動のアプローチが特定されます。 最後に、環境・アズ・ア・サービス、マルチエージェント環境、ニューラル・シンボリック環境など、いくつかの将来的な方向性について論じる。

関連論文リスト

• Evolving Graph Learning for Out-of-Distribution Generalization in Non-stationary Environments [61.62036321848316]
  グラフニューラルネットワーク(GNN)は、動的グラフ上の空間的パターンと時間的パターンを利用する際、顕著な成功を収めている。 既存のGNNは、動的シナリオでは避けられない分散シフトの下での能力の低下を示す。 本稿では環境対応不変パターン認識によるグラフ一般化(Evoal)の進化のための進化型グラフ学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-04T08:22:29Z)
• 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)
• Foundation Models for Environmental Science: A Survey of Emerging Frontiers [27.773985216421394]
  本調査は,環境科学における基礎的応用の概要を概観する。 これは、フォワード予測、データ生成、データ同化、ダウンスケーリング、逆モデリング、モデルエンハンブル、ドメイン間の意思決定など、一般的な環境ユースケースにおける進歩を強調している。 我々は、重要な環境問題に対処する上での発見を促進するために、機械学習の進歩を加速する学際的なコラボレーションを促進することを目的としている。
  論文  参考訳（メタデータ） (2025-04-05T20:56:38Z)
• Caution for the Environment: Multimodal LLM Agents are Susceptible to Environmental Distractions [50.5976989558411]
  本稿では,GUI環境におけるマルチモーダル大規模言語モデル(MLLM)エージェントの忠実さについて検討する。 ユーザとエージェントの両方が良性であり、環境は悪質ではないが、無関係なコンテンツを含んでいる、という一般的なシナリオが提案されている。 実験結果から、ジェネラリストエージェントや専門的なGUIエージェントなど、最も強力なモデルでさえ、気晴らしの影響を受けやすいことが明らかとなった。
  論文  参考訳（メタデータ） (2024-08-05T15:16:22Z)
• EcoVerse: An Annotated Twitter Dataset for Eco-Relevance Classification, Environmental Impact Analysis, and Stance Detection [0.0]
  EcoVerseは、さまざまな環境トピックにまたがる3,023のツイートからなる、英語の注釈付きTwitterデータセットである。 本研究では,環境関連分類,スタンス検出,環境影響分析のための独自のアプローチの導入を目的とした3段階のアノテーションスキームを提案する。
  論文  参考訳（メタデータ） (2024-04-08T01:21:11Z)
• "What's my model inside of?": Exploring the role of environments for grounded natural language understanding [1.8829370712240063]
  この論文では、自然言語理解(NLU)研究に対する生態学的アプローチを採用する。 我々は,テキストベースのゲーム環境に基づく手続き的テキスト理解のための新しいトレーニングとアノテーションアプローチを開発した。 我々は,科学者のような知識労働者を対象とした,AIを活用した「社会的思考環境」の設計を提案する。
  論文  参考訳（メタデータ） (2024-02-04T15:52:46Z)
• FREE: The Foundational Semantic Recognition for Modeling Environmental Ecosystems [56.0640340392818]
  我々は、様々な特徴と利用可能な情報を使ってユニバーサルモデルを訓練するフレームワーク、FREEを導入する。 その中核となる考え方は、利用可能な環境データをテキスト空間にマッピングし、環境科学における従来の予測モデリングタスクを意味認識問題に変換することである。 河川水温予測と収穫量予測という2つの社会学的に重要な実世界の応用に対する評価は、FREEが複数のベースラインよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-11-17T00:53:09Z)
• Plasticity and evolvability under environmental variability: the joint role of fitness-based selection and niche-limited competition [0.0]
  我々は, 環境力学と適応の相互作用を, 可塑性と伸縮性の最小モデルで検討した。 環境動態が可塑性と進化性に異なる影響を及ぼし, 多様な生態ニッチの存在は, 安定した環境においても適応性に有利であることを示す。
  論文  参考訳（メタデータ） (2022-02-17T18:55:13Z)

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。