論文の概要: Hybrid Open-Ended Tri-Evolution Makes Better Deep Researcher

• arxiv url: http://arxiv.org/abs/2606.13710v2
• Date: Mon, 15 Jun 2026 13:53:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 13:45:31.220742
• Title: Hybrid Open-Ended Tri-Evolution Makes Better Deep Researcher
• Title（参考訳）: ハイブリッドでオープンな3段階の進化は、より深い研究者を育成する
• Authors: Hongming Piao, Chi Liu, Mengzhuo Chen, Yan Shu, Xidong Wang, Derek Li, Ying Wei, Bryan Dai,
• Abstract要約: ディープリサーチとエージェントの進化は、人工知能への現実の応用におけるAIエージェントのデファクトタスクとして機能する。 本稿では、ハイブリッドモード強化学習を活用して、提案者、解決者、裁判官の協調的進化を促進するハイブリッド・オープンエンデッド・トライ・エボリューション(HOTE)フレームワークを提案する。 3つの長期のディープ・リサーチ・ベンチマークの実験により、HOTEでトレーニングされた8Bモデルは、最も強力なオープンな8-32Bモデルを上回ることが示されている。
• 参考スコア（独自算出の注目度）: 16.71240714382518
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Deep research and agent evolution serve as de-facto tasks for AI agents in real-world applications toward artificial general intelligence. The former enables autonomous retrieval and integration of information in open-ended environments to tackle open-ended research tasks, yet it is constrained by the static parametric deep research capabilities of agent systems. The latter allows agents to autonomously interact with the environment to gain experiences that evolve model capabilities. However, its effectiveness has been widely validated only on verifiable tasks with standard answers, leaving a gap with open-ended research tasks. To bridge these two critical tasks, we propose the Hybrid Open-Ended Tri-Evolution (HOTE) framework, which leverages hybrid-mode reinforcement learning to facilitate the collaborative evolution of a proposer, solver and judge based on web-scale knowledge, moving toward autonomous evolving agents in open-ended tasks and environments. Extensive experiments on three long-form deep research benchmarks demonstrate that the 8B model trained via HOTE surpasses the strongest static open 8-32B models as well as those trained by state-of-the-art deep research training methods with less time overhead, and further verify that the evolution of all three modules in HOTE is indispensable.
• Abstract（参考訳）: ディープリサーチとエージェントの進化は、人工知能への現実の応用におけるAIエージェントのデファクトタスクとして機能する。 前者は、オープンエンド環境における情報の自律的検索と統合を可能にして、オープンエンドの研究課題に対処するが、エージェントシステムの静的パラメトリックディープリサーチ能力に制約される。 後者は、エージェントが自律的に環境と対話し、モデル能力を進化させる経験を得ることを可能にする。 しかし、その有効性は、標準回答を持つ検証可能なタスクのみに広く検証され、オープンな研究課題とのギャップを残している。 これら2つの重要なタスクをブリッジするために,ハイブリッド・オープン・エンデッド・トライ・エボリューション(Hybrid Open-Ended Tri-Evolution,HOTE)フレームワークを提案する。 3つの長期のディープ・リサーチ・ベンチマークに関する大規模な実験により、HOTEでトレーニングされた8Bモデルは、最先端のディープ・リサーチ・トレーニング手法によってトレーニングされた8-32Bモデルだけでなく、最も強力なオープンな8-32Bモデルを上回ることが示され、さらにHOTEの3つのモジュールの進化が不可欠であることを検証した。

関連論文リスト

• CORAL: Towards Autonomous Multi-Agent Evolution for Open-Ended Discovery [67.47220507982522]
  大規模言語モデル(LLM)ベースの進化は、オープンな発見のための有望なアプローチである。 オープンエンド問題における自律的マルチエージェント進化のための最初のフレームワークであるCORALを紹介する。 コーラルは、厳格な制御を長期にわたるエージェントに置き換え、探索し、反射し、協力する。
  論文  参考訳（メタデータ） (2026-04-02T05:59:06Z)
• WebResearcher: Unleashing unbounded reasoning capability in Long-Horizon Agents [72.28593628378991]
  WebResearcherは、マルコフ決定プロセスとしてディープリサーチを再構築する反復的なディープリサーチパラダイムである。 WebResearcherは最先端のパフォーマンスを実現し、フロンティアのプロプライエタリシステムを超えています。
  論文  参考訳（メタデータ） (2025-09-16T17:57:17Z)
• 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)
• Near-Driven Autonomous Rover Navigation in Complex Environments: Extensions to Urban Search-and-Rescue and Industrial Inspection [0.0]
  本稿では、危険タスクに関連する動的環境における自律型ロボットに対する、NEAT(NeuroEvolution of Augmenting Topologies)に基づく、拡張型神経進化的アプローチについて検討する。 NEATに進化したコントローラは、最先端の深層強化学習手法に匹敵する成功率を達成し、優れた構造適応性を持つ。 また,タスク間の伝達学習の利点を強調し,複雑な3次元ナビゲーションにおけるNEATの有効性を評価する。
  論文  参考訳（メタデータ） (2025-04-11T20:00:23Z)
• DeepResearcher: Scaling Deep Research via Reinforcement Learning in Real-world Environments [20.498100965239818]
  我々は、LLMベースのディープリサーチエージェントのエンドツーエンドトレーニングのための、初の総合的なフレームワークであるDeepResearcherを紹介する。 固定コーパス内にすべての必要な情報が存在すると仮定するRAGベースのアプローチとは異なり、我々の手法はオープンウェブのノイズ、非構造化、動的性質をナビゲートするエージェントを訓練する。 オープンドメインの研究タスクに関する大規模な実験は、DeepResearcherがエンジニアリングベースの素早いベースラインよりも最大28.9ポイントの大幅な改善を達成していることを示している。
  論文  参考訳（メタデータ） (2025-04-04T04:41:28Z)

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。