論文の概要: AgentX: Towards Agent-Driven Self-Iteration of Industrial Recommender Systems

• arxiv url: http://arxiv.org/abs/2606.26859v2
• Date: Fri, 26 Jun 2026 10:04:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-29 13:57:07.335042
• Title: AgentX: Towards Agent-Driven Self-Iteration of Industrial Recommender Systems
• Title（参考訳）: AgentX: インダストリアルレコメンダシステムのエージェント駆動型セルフイテレーションを目指して
• Abstract要約: AgentXはプロダクションデプロイされたマルチエージェントシステムで、このプロダクション機能を再構築する。 自律的に生成し、実装し、評価し、レコメンデーション実験から学ぶ。 AgentXは4つの密結合したステージをクローズドループでオーケストレーションする。
• 参考スコア（独自算出の注目度）: 82.01232437066487
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recommendation algorithm iteration is moving from an artisanal, engineer-bound process toward an industrialized research loop, but this transition remains blocked by a structural execution bottleneck: the idea-to-launch cycle still depends on human engineers to generate hypotheses, modify production code, launch A/B experiments, and attribute online results. Innovation therefore scales linearly with headcount rather than compounding with evidence, compute, and accumulated experimental knowledge. We present AgentX, a production-deployed multi-agent system that fundamentally restructures this production function. AgentX operates as a self-evolving development engine: it autonomously generates, implements, evaluates, and learns from recommendation experiments at a scale and pace that no manual workflow can sustain. The system orchestrates four tightly coupled stages in a closed loop. A Brainstorm Agent synthesizes evidence from historical experiments, system architecture, data analysis, and external research into ranked, executable proposals. A Developing Agent translates each proposal into production-ready code through repository-grounded generation and multi-dimensional reliability verification. An Evaluation Agent conducts safe online rollout with guardrail-vetoed A/B judgment, converting both successes and failures into structured knowledge assets. A Harness Evolution layer (SGPO) then distills execution trajectories into semantic-gradient updates that continuously sharpen the agents themselves -- making the system not merely automated, but self-improving.
• Abstract（参考訳）: 推奨アルゴリズムの反復は、職人的なエンジニアによるプロセスから工業化された研究ループへと移行しているが、この移行は構造的な実行ボトルネックによってブロックされている。 したがって、イノベーションは証拠、計算、蓄積された実験知識と組み合わせるのではなく、頭数と線形にスケールする。 本稿では,この生産機能を根本的に再構築する多エージェントシステムであるAgentXを提案する。 AgentXは自己進化型開発エンジンとして機能する。手動ワークフローが維持できないスケールとペースで推奨実験を自動生成し、実装し、評価し、学習する。 システムは閉ループで4つの密結合したステージを編成する。 ブレインストームエージェントは、歴史的実験、システムアーキテクチャ、データ分析、および外部研究から、ランク付けされた実行可能な提案に証拠を合成する。 開発エージェントは、各提案をリポジトリ基底生成と多次元信頼性検証を通じてプロダクション対応コードに変換する。 評価エージェントは、ガードレールによるA/B判断で安全なオンラインロールアウトを行い、成功と失敗の両方を構造化された知識資産に変換する。 Harness Evolutionレイヤ(SGPO)は、実行トラジェクトリをセマンティックな段階的な更新に蒸留し、エージェント自体を継続的にシャープにする -- システムを単に自動化するのではなく、自己改善する。

関連論文リスト

• AutoLR: Automating the Path from Research to Launch Review in Industrial Recommender Systems [7.383658399787325]
  NetEaseのゲームコミュニティアプリである textbfDASHEN では、エンジニアが研究論文や技術レポート、先行生産実験から期待できる方向を特定する。 有望な候補者はオンラインA/Bテストに進み、確固たる利得を示す者はLaunch Reviewに提出される。 最初はtextbfAuto Launch Review として開発された textbfAutoLR を,その後上流に拡張して,自律的な研究からローンチまでのハーネスを提供する。
  論文  参考訳（メタデータ） (2026-09-04T08:30:36Z)
• Self-Evolving Coding Agents [11.43197414613246]
  自己進化型コーディングエージェントは、リポジトリを検査し、ツールを実行し、テストを実行し、障害をデバッグし、パッチを生成することができる。 まず、自己進化型プログラミングエージェントを定義し、それらを従来のコーディングエージェントや一般的な自己進化型エージェントと区別する。 実行可能なフィードバック、リポジトリレベルのコンテキスト、コーディングトラジェクトリは、ソフトウェアエンジニアリングをエージェントの自己進化のための自然なドメインとして、ユニークな役割を与えます。
  論文  参考訳（メタデータ） (2026-08-04T09:43:46Z)
• Agentic Software: How AI Agents Are Restructuring the Software Paradigm [0.0]
  AIエージェントの出現は、ソフトウェアが何であるかの根本的な再構成を構成すると我々は主張する。 前者では、コードは事前記述された決定論理のキャリアであり、後者では、エージェント自体が決定論理である。 セルフ進化エージェントエコシステムに向けた4段階のロードマップで締めくくります。
  論文  参考訳（メタデータ） (2026-06-04T02:30:06Z)
• The Meta-Agent Challenge: Are Current Agents Capable of Autonomous Agent Development? [80.24951682268332]
  本稿では,自律エージェント開発のためのフロンティアモデルのキャパシティをテストするための評価フレームワークであるMeta-Agent Challenge(MAC)を紹介する。 評価の整合性を確保するため、このフレームワークは報奨ハッキングに対する多層防御によって確保される。 メタエージェントは人間工学的な基本方針とほとんど一致せず、その一部はプロプライエタリなフロンティアモデルに支配されている。
  論文  参考訳（メタデータ） (2026-06-03T04:58:17Z)
• Code as Agent Harness [107.31925305395957]
  新興のエージェントシステムでは、コードはもはや単なる目標出力ではない。 コードはエージェントの推論、行動、環境モデリング、実行ベースの検証のための運用上の基盤としてますます役立っている。 この調査は、実行可能、検証可能、ステートフルなAIエージェントシステムに向けた統一されたロードマップを提供する。
  論文  参考訳（メタデータ） (2026-05-18T17:59:03Z)
• Assistance to Autonomy: A Systematic Literature Review of Agentic AI across the Software Development Life Cycle [4.241377338556251]
  本研究は,ソフトウェア製品開発におけるエージェントシステムに関する現在の文献の包括的評価に寄与する。 また、高ボリュームSLRドメインのスクリーニングフェーズを自動化するためのAI支援ツールの形式での方法論的なコントリビューションも提供する。
  論文  参考訳（メタデータ） (2026-05-14T10:46:51Z)
• Lang2MLIP: End-to-End Language-to-Machine Learning Interatomic Potential Development with Autonomous Agentic Workflows [2.1149232897113497]
  自然言語入力とエンドツーエンドMLIP開発を定式化するマルチエージェントフレームワークであるLang2MLIPを提案する。 各ステップでは、意思決定エージェントが現在のデータセット、モデル、評価結果、実行ログを観察し、モデルを改善するための適切なアクションを自動的に選択する。 本研究では, 固体電解質間相 (SEI) システムにおいて, 複数成分および界面を有する手法について検討した。
  論文  参考訳（メタデータ） (2026-05-14T08:10:42Z)
• Beyond Isolated Tasks: A Framework for Evaluating Coding Agents on Sequential Software Evolution [5.10403054516716]
  既存のデータセットは、分離された単一のプルリクエスト(PR)タスクのパフォーマンスをステートレスな方法で評価する。 本稿では,SWE-STEPSのデータセット生成を支援する自動コーディングタスク生成フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-03T13:44:40Z)
• Understanding by Reconstruction: Reversing the Software Development Process for LLM Pretraining [66.89012795621349]
  大規模言語モデル(LLM)は、複雑なソフトウェア工学に必要な、深く、長期にわたる推論に苦しむことが多い。 本稿では,再構築による理解という,新しいパラダイムを提案する。 マルチエージェントシミュレーションを用いて潜在エージェント軌道を合成するフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-11T09:23:20Z)
• AgentDevel: Reframing Self-Evolving LLM Agents as Release Engineering [8.201374511929538]
  AgentDevelは、現行のエージェントを反復的に実行するリリースエンジニアリングパイプラインである。 実行トレースから実装盲の症状レベルの品質信号を生成する。 主要な症状パターンを集約し、監査可能なエンジニアリング仕様を生成する。
  論文  参考訳（メタデータ） (2026-01-08T05:49:01Z)
• Let It Flow: Agentic Crafting on Rock and Roll, Building the ROME Model within an Open Agentic Learning Ecosystem [90.17610617854247]
  本稿では,エージェントモデルの生産パイプラインを最適化する基盤インフラであるエージェント学習エコシステム(ALE)を紹介する。 ALEは、重量最適化のためのトレーニング後のフレームワークであるROLL、軌道生成のためのサンドボックス環境マネージャであるROCK、効率的なコンテキストエンジニアリングのためのエージェントフレームワークであるiFlow CLIの3つのコンポーネントで構成されている。 ROMEはALEが基盤として100万件以上のトラジェクトリをトレーニングしたオープンソースエージェントです。
  論文  参考訳（メタデータ） (2025-12-31T14:03:39Z)
• R&D-Agent: An LLM-Agent Framework Towards Autonomous Data Science [70.1638335489284]
  高レベルの機械学習エンジニアリングタスクは、労働集約的で反復的である。 機械学習プロセスを形式化する包括的で分離されたフレームワークであるR&D-Agentを紹介します。 R&D-AgentはMLEを2つのフェーズと6つのコンポーネントに定義し、MLEのエージェント設計を原則としてテスト可能なプロセスに変える。
  論文  参考訳（メタデータ） (2025-05-20T06:07:00Z)

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。