論文の概要: Macaron-V1: Towards Open Continual Learning with Self-Improvement and Mixture-of-LoRA
- arxiv url: http://arxiv.org/abs/2608.09819v1
- Date: Mon, 10 Aug 2026 16:39:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-11 19:16:37.386908
- Title: Macaron-V1: Towards Open Continual Learning with Self-Improvement and Mixture-of-LoRA
- Title（参考訳）: Macaron-V1: 自己改善とLoRAの混合によるオープンな継続的学習を目指して
- Abstract要約: HCP-V1は、インテリジェンスのためのオープンエージェントモデルファミリであり、実際の環境での経験から学び、デプロイ後も学び続ける。
本稿では,HCP-V1をアーキテクチャ,アルゴリズム,インフラストラクチャにまたがる共同設計システムとして紹介する。
- 参考スコア（独自算出の注目度）: 14.567614627307046
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Macaron-V1 is an open agent-model family for experiential intelligence: learning from experience in real environments and continuing to learn after deployment. It is organized around two system goals. Adaptation is pursued through recursive improvement of versioned model-harness pairs, where experience from one configuration is evaluated under an external contract and used to construct its successor. Collaboration is pursued via the Mixture-of-LoRA (MoL) architecture that freezes a base model, composes specialist LoRA adapters, and selects one LoRA per user turn. The flagship Macaron-V1-Venti combines a 744B GLM-5.2 base with four LoRAs for chat, agent, coding, and GenUI; the Qwen3.6-based Macaron-V1-Tall (50B) uses the same design for local deployment. This report presents Macaron-V1 as a co-designed system spanning architecture, algorithms, and infrastructure. The MoL architecture supports continual learning through extensible LoRA specialists. The algorithm combines Model-Harness Co-design and recursive self-improvement loop, including the UI4A component-native GenUI harness, a stateful action substrate, versioned HCP contract, and the agentic RL framework MindForge. The supporting infrastructure includes the post-training platform MinT, the long-context RL method LongStraw, and stability techniques for sparse MoE and DSA base models. We evaluate Macaron-V1 on Personal Intelligence, GenUI, and general capability benchmarks against frontier baselines. Our results validate the current system, while compounding gains from continual learning and collective intelligence remain open questions.
- Abstract（参考訳）: Macaron-V1は、経験的インテリジェンスのためのオープンエージェントモデルファミリである。
システム目標を2つにまとめる。
適応は、バージョン付きモデルハーネスペアの再帰的な改善によって追求される。
コラボレーションはMixture-of-LoRA (MoL)アーキテクチャによって追求され、ベースモデルを凍結し、専門のLoRAアダプタを構成し、ユーザターン毎に1つのLoRAを選択する。
フラッグシップのMacaron-V1-Ventiは、744B GLM-5.2ベースとチャット、エージェント、コーディング、GenUIの4つのLoRAを組み合わせており、Qwen3.6ベースのMacaron-V1-Tall (50B) はローカルデプロイメントに同じ設計を使用している。
本報告では,Macaron-V1をアーキテクチャ,アルゴリズム,インフラストラクチャにまたがる共同設計システムとして紹介する。
MoLアーキテクチャは拡張可能なLoRA専門家による継続的な学習をサポートする。
このアルゴリズムは、UI4AコンポーネントネイティブなGenUIハーネス、ステートフルなアクション基板、バージョン付きHCPコントラクト、エージェントRLフレームワークMindForgeなど、Model-Harnessの共設計と再帰的な自己改善ループを組み合わせる。
サポートインフラストラクチャには、ポストトレーニングプラットフォームMinT、LongStrawのLong-context RLメソッド、およびスパースMoEおよびDSAベースモデルの安定性技術が含まれている。
我々は、Personal Intelligence, GenUI, and general capabilities benchmarks on Macaron-V1 on Personal Intelligence, GenUI, and general capabilities benchmarks against Frontier baselines。
研究結果は現在のシステムを検証する一方で,継続学習と集団知能の複合化は未解決の問題のままである。
関連論文リスト
- Maestro: Reinforcement Learning to Orchestrate Hierarchical Model-Skill Ensembles [32.54156025863882]
強化学習駆動オーケストレーションフレームワークであるMaestroを紹介します。
Maestroは、階層的なモデルスキルレジストリ上でのシーケンシャルな意思決定プロセスとして、異質なマルチモーダルタスクを再構成する。
数学的推論,チャート理解,高分解能知覚,ドメイン固有分析を対象とする10の代表的なマルチモーダルベンチマークに対して,Maestroの評価を行った。
論文 参考訳（メタデータ） (2026-05-21T08:47:49Z) - StarVLA: A Lego-like Codebase for Vision-Language-Action Model Developing [0.0]
ジェネラリストの具体化エージェントを構築するには、知覚、言語理解、行動の統合が必要である。
本稿では、Vision-Language-Action ResearchのオープンソースであるStarVLAを紹介する。
論文 参考訳（メタデータ） (2026-04-06T17:59:21Z) - GLM-5: from Vibe Coding to Agentic Engineering [222.46864802629477]
GLM-5は,バイブ符号化のパラダイムをエージェント工学に移行するために設計された次世代基盤モデルである。
GLM-5は、前任者のエージェント、推論、コーディング(ARC)能力に基づいており、長いコンテキストの忠実さを維持しながら、トレーニングと推論のコストを大幅に削減するためにDSAを採用している。
論文 参考訳（メタデータ） (2026-02-17T17:50:56Z) - Multi-Agent Code-Orchestrated Generation for Reliable Infrastructure-as-Code [3.483439377981986]
大規模言語モデル(LLM)は、自然言語プロンプトからインフラストラクチャ・アズ・コードスニペットを生成することを約束している。
IaC 生成のための新しいマルチエージェント LLM アーキテクチャである MACOG (Multi-Agent Code-Orchestrated Generation) を提案する。
エージェントは共有ブラックボード、有限状態オーケストレータ層を介して対話し、Terraform構成を集合的に生成する。
論文 参考訳（メタデータ） (2025-10-04T18:55:45Z) - Revolutionizing Reinforcement Learning Framework for Diffusion Large Language Models [49.911784762244814]
TraceRLは拡散言語モデル(DLM)のための軌道対応強化学習フレームワークである
我々は最先端の拡散言語モデル、すなわち TraDo を導出する。
TraDo-8B-InstructはQwen2.5-7B-Instructで6.1%、Llama3.1-8B-Instructで51.3%の精度向上を実現している。
論文 参考訳（メタデータ） (2025-09-08T17:58:06Z) - VerlTool: Towards Holistic Agentic Reinforcement Learning with Tool Use [78.29315418819074]
VerlToolは、体系的な設計原則を通じて制限に対処する統一的でモジュール化されたフレームワークです。
我々のフレームワークはARLTをマルチターントラジェクトリとして定式化し、マルチモード観測トークン(テキスト/画像/ビデオ)を単一ターンRLVRパラダイムを超えて拡張する。
モジュール化されたプラグインアーキテクチャは、軽量Python定義のみを必要とする迅速なツール統合を可能にする。
論文 参考訳（メタデータ） (2025-09-01T01:45:18Z) - Pangu Embedded: An Efficient Dual-system LLM Reasoner with Metacognition [95.54406667705999]
Pangu Embeddedは、Ascend Neural Processing Units (NPU) 上で開発された効率的なLarge Language Model (LLM) 推論器である。
既存の推論最適化 LLM でよく見られる計算コストと推論遅延の問題に対処する。
単一の統一モデルアーキテクチャ内で、迅速な応答と最先端の推論品質を提供する。
論文 参考訳（メタデータ） (2025-05-28T14:03:02Z) - Closed-form merging of parameter-efficient modules for Federated Continual Learning [9.940242741914748]
一度に1つのLoRA行列をトレーニングする交代最適化戦略であるLoRMを導入する。
提案手法をFCIL(Federated Class-Incremental Learning)に適用する。
本手法は,さまざまなFCILシナリオにおける最先端性能を示す。
論文 参考訳（メタデータ） (2024-10-23T15:30:13Z) - RankRAG: Unifying Context Ranking with Retrieval-Augmented Generation in LLMs [60.38044044203333]
大規模言語モデル(LLM)は、通常、検索拡張生成(RAG)において、レトリバーからトップkコンテキストを利用する。
本稿では,RAGにおける文脈ランク付けと回答生成の両目的のために,単一のLLMをチューニング可能な新しい命令微調整フレームワークであるRanRAGを提案する。
例えば、GPT-4-0613, GPT-4-turbo-2024-0409, ChatQA-1.5, RAGベンチマークの最先端性能を備えたオープンソースモデルなどである。
論文 参考訳（メタデータ） (2024-07-02T17:59:17Z) - Retrieval-Augmented Mixture of LoRA Experts for Uploadable Machine Learning [57.36978335727009]
Low-Rank Adaptation (LoRA)は、大規模言語モデル(LLM)を微調整する効率的な方法を提供する。
本稿では,入力プロンプトに基づいて複数のLoRAを適応的に検索・構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） (2024-06-24T05:24:41Z)
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。