論文の概要: DecoEvo: Score-Decoupled Co-Evolution of Solver and Rubric-Generator Skills in Text Space
- arxiv url: http://arxiv.org/abs/2607.25675v1
- Date: Tue, 28 Jul 2026 12:53:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-29 20:50:42.841449
- Title: DecoEvo: Score-Decoupled Co-Evolution of Solver and Rubric-Generator Skills in Text Space
- Title（参考訳）: DecoEvo: テキスト空間におけるソルバーとルブリックジェネレータの共進化
- Abstract要約: 本稿では,デコエボについて紹介する。デコエボは,デカップリングされた目的の下で,解法スキルと解法ジェネレータスキルを共進化させる。
基準レベルのフィードバックを用いて解法スキルを更新し、要求カバレッジと応答判別の相補的な監査によってルーリックジェネレータスキルを改訂する。
各ベンチマークの公式評価では、DecoEvoは5つのベンチマークと3つのバックボーンLDMでメソッドを上回り、SkillOptよりも2.8～5.0%上昇した。
- 参考スコア（独自算出の注目度）: 26.112227853885532
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Text-space optimization adapts large language models (LLMs) by editing external natural-language artifacts rather than model weights, so the optimized artifacts remain inspectable and the model can be treated as a black box. However, most existing text-space methods keep evaluation fixed. On open-ended tasks, this can become a bottleneck: once the solver improves on the criteria a rubric measures, omitted dimensions remain invisible to the optimization signal. Simply evolving the rubric is also unreliable when updates are selected by the current solver's score, because apparent progress can come from making the rubric easier to satisfy. We introduce DecoEvo (Decoupled Co-Evolution), which co-evolves a solver skill and a rubric-generator skill under decoupled objectives without using gold rubrics during optimization. The solver skill is updated using criterion-level feedback, while the rubric-generator skill is revised through complementary audits of requirement coverage and response discrimination that are independent of aggregate solver score. This separation focuses generator updates on newly exposed solver weaknesses, reducing repeated emphasis on criteria the solver already satisfies. Under each benchmark's official evaluation, DecoEvo outperforms all compared methods across five benchmarks and three LLM backbones, yielding 2.8--5.0\% relative gains over SkillOpt in the five-benchmark average.
- Abstract（参考訳）: テキスト空間最適化は、モデルウェイトではなく、外部の自然言語アーティファクトを編集することで、大きな言語モデル(LLM)に適応するため、最適化されたアーティファクトは検査可能であり、モデルはブラックボックスとして扱うことができる。
しかし、既存のテキスト空間法のほとんどは、評価を固定し続けている。
オープンエンドタスクでは、これはボトルネックとなる可能性がある: 解法が基準を改善すれば、ルーリック測度は、省略された次元は最適化信号からは見えないままである。
ルーリックを単純に進化させることは、現在のソルバのスコアによって更新が選択されるときにも信頼できない。
DecoEvo (Decoupled Co-Evolution) を導入し, 最適化時に金の潤滑剤を使わずに, 脱カップリング対象下での解法技術とルーリックジェネレータ技術を共進化させる。
基準レベルのフィードバックを用いて解答器スキルを更新し、解答器スコアとは無関係な要件カバレッジと応答判別の相補的な監査により、解法ジェネレータスキルを改訂する。
この分離は、新たに公開されたソルバの弱点に対するジェネレータ更新に焦点を当て、ソルバがすでに満たしている基準に対する繰り返しの強調を低減させる。
各ベンチマークの公式評価では、DecoEvoは5つのベンチマークと3つのLCMバックボーンを比較し、SkillOptの5ベンチマーク平均よりも2.8～5.0.%向上した。
関連論文リスト
- COBRA-Skills: Contextual Bandit-Guided Evolution for Agent Skill Optimization [55.60171725587438]
大規模言語モデル(LLM)エージェントは、以前のタスク経験から抽出した再利用可能なスキルの恩恵を受けることができる。
既存のスキル最適化手法は、コストのかかる実行ベースの評価と実質的なタスクデータに依存していることが多い。
動的に進化する候補空間上での予算付き逐次最適化としてスキル最適化を定式化する効率的なフレームワークである textbfCOBRA-Skills を導入する。
論文 参考訳（メタデータ） (2026-09-10T15:12:24Z) - Build it, Break it, Repeat: Benchmarking and improving LLM-manipulated disinformation detection in social media posts [5.771687318105755]
この記事はBuild it, Break it, Fix it framework into Build, Break it, Repeat (BiBiR)に適合する。
BiBiR: 反復対向条件下で検出器の堅牢性をストレステストするために設計された反復セッション。
その結果、最高の逆転ブレーカーの変換は、バックトランスレーションとペルソナベースの書き換えの組み合わせによるものであることが判明した。
論文 参考訳（メタデータ） (2026-08-10T12:13:41Z) - REVES: REvision and VErification--Augmented Training for Test-Time Scaling [53.197756110943395]
本稿では,オンラインデータ/プロンプト拡張とポリシー最適化を交互に行う2段階反復フレームワークを提案する。
我々は、RLベースライン上の+6.5点と、標準マルチターントレーニングにおける+4.0点の利得を観察する。
論文 参考訳（メタデータ） (2026-06-17T10:37:23Z) - INFUSER: Influence-Guided Self-Evolution Improves Reasoning [54.101135873140066]
2つの共進化的役割を持つ反復的協調学習フレームワークを導入する。
解答器は、生成元が提供する回答に対して標準正当性報酬で訓練される。
8B INF共進化ジェネレータは、数学とコーディングにおいて凍った32B思考ジェネレータより優れている。
論文 参考訳（メタデータ） (2026-06-08T05:40:36Z) - AdaExplore: Failure-Driven Adaptation and Diversity-Preserving Search for Efficient Kernel Generation [59.964989458924585]
AdaExploreは、パフォーマンスクリティカルなカーネルコード生成のための蓄積された実行フィードバックによる自己改善を可能にするエージェントフレームワークである。
適応段階では、エージェントはタスクを合成し、繰り返し発生する障害を有効ルールの再利用可能なメモリに変換する。
探索段階では、候補核を木として整理し、小さな局所精製とより大きな構造再生を交互に行う。
論文 参考訳（メタデータ） (2026-04-17T18:25:03Z) - Optimization Modeling via Semantic Anchored Alignment [30.047608671041104]
SAC-Optは,問題セマンティクスにおいて,解答フィードバックではなく最適化モデルに基づく後方誘導補正フレームワークである。
各ステップで、SAC-Optは元のセマンティックアンカーと生成されたコードから再構成されたアンカーを調整し、ミスマッチしたコンポーネントのみを選択的に修正する。
7つの公開データセットに関する実証的な結果は、SAC-Optが平均モデリング精度を7.8%改善し、ComplexLPデータセットで最大21.9%向上したことを示している。
論文 参考訳（メタデータ） (2025-09-28T12:25:31Z) - Eigen-1: Adaptive Multi-Agent Refinement with Monitor-Based RAG for Scientific Reasoning [53.45095336430027]
暗黙的な検索と構造化された協調を組み合わせた統合フレームワークを開発する。
Humanity's Last Exam (HLE) Bio/Chem Goldでは,48.3%の精度を実現している。
SuperGPQAとTRQAの結果はドメイン間の堅牢性を確認した。
論文 参考訳（メタデータ） (2025-09-25T14:05:55Z) - When Retriever Meets Generator: A Joint Model for Code Comment Generation [3.6781644685120924]
RAGSumは、単一のCodeT5バックボーンを使用して、ヒューズ検索と生成の上に構築されている。
対照的な事前学習フェーズは、最寄りの探索のためのコード埋め込みを形作る。
最終出力を研磨するために、軽量な自己精製ループが配置される。
論文 参考訳（メタデータ） (2025-07-16T18:12:27Z) - MAgICoRe: Multi-Agent, Iterative, Coarse-to-Fine Refinement for Reasoning [80.15393178083607]
大規模言語モデル(LLM)推論は、テストタイムアグリゲーション戦略、すなわち、複数のサンプルを生成し、生成されたサンプル間で投票することで改善することができる。
Refinementは、LLM生成したフィードバックを使ってソリューションの品質を改善する方法を提供する。
本稿では,問題の難易度を,難易度や難易度に分類することで,過度な改善を回避するMagICoReを提案する。
論文 参考訳（メタデータ） (2024-09-18T17:12:41Z) - Mitigating over-exploration in latent space optimization using LES [18.7112204710545]
潜時空間最適化(LSO)における過度探索を緩和するための潜時探索スコア(LES)を開発した。
LSOは変分オートエンコーダ(VAE)の潜在空間内での連続的な最適化を利用しており、過剰探索の影響を受けやすいことが知られている。
LESは、追加のトレーニングやアーキテクチャの変更、トレーニングデータへのアクセスなしに、任意のVAEデコーダで使用することができる。
論文 参考訳（メタデータ） (2024-06-14T02:04:59Z) - LLMRefine: Pinpointing and Refining Large Language Models via Fine-Grained Actionable Feedback [65.84061725174269]
最近の大規模言語モデル(LLM)は、世代品質を改善するために人間のフィードバックを活用している。
LLMの出力を最適化する推論時間最適化手法であるLLMRefineを提案する。
機械翻訳、長文質問応答(QA)、話題要約を含む3つのテキスト生成タスクについて実験を行った。
LLMRefineは、すべてのベースラインアプローチを一貫して上回り、翻訳タスクの1.7 MetricXポイント、ASQAの8.1 ROUGE-L、トピックの要約の2.2 ROUGE-Lの改善を実現している。
論文 参考訳（メタデータ） (2023-11-15T19:52:11Z)
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。