論文の概要: SBCO: Self-Supervised, Verifier-Grounded Harness Optimization For Planning Agents
- arxiv url: http://arxiv.org/abs/2608.10157v1
- Date: Mon, 10 Aug 2026 19:25:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-12 19:14:45.794633
- Title: SBCO: Self-Supervised, Verifier-Grounded Harness Optimization For Planning Agents
- Title（参考訳）: SBCO: 計画エージェントのための自己監督型検証型ハーネス最適化
- Abstract要約: 自己改善エージェントは、AIシステムの背後にあるヒューマンエンジニアリングの労力を削減し、時間とともにパフォーマンスを進化させ、自己改善することを目指している。
我々は,Gdel-machine法と同等の閉ループの検証器付きハーネスであるSBCOを導入するが,自己参照ではなく自己監視する。
- 参考スコア（独自算出の注目度）: 8.206010431605044
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Self-improving agents seek to reduce the human engineering effort behind AI systems by enabling them to evolve and self-improve their performance over time. Recently, methods like the Darwin Gödel Machine and the Huxley Gödel Machine have been proposed which enable open-ended, recursive self-improvement through self-reference where a coding agent edits its own code. Such self-referential self-improvement methods require that the competence required to perform the task coincides or aligns well with the competence required for self-modification which is the case for coding tasks. For domains or tasks, which do not satisfy the alignment needed, self-referential self-improvement is not available. In such cases, it is possible to adapt the above algorithms to other tasks by removing the self-referential aspect or introducing explicit self-modification of a meta-agent -- both computationally expensive, relying on population or self-modification search over many candidate agents. For planning tasks with explicit constraints, we propose a far cheaper alternative. We introduce SBCO (Self-supervised Block Coordinate Optimizer), a verifier-grounded harness optimizer in the same closed-loop, improve-from-experience family as the Gödel-machine methods, but self-supervised rather than self-referential. Given an agentic harness, SBCO learns a decomposed bank of verifiers and a harness policy via approximate block coordinate ascent, improving the agent's outputs from its own graded feedback---with a fixed meta-agent and no human labels. Across two domains SBCO matches or exceeds a customized self-modifying baseline while using 4-5.5 times less compute budget.
- Abstract（参考訳）: 自己改善エージェントは、AIシステムの背後にあるヒューマンエンジニアリングの労力を削減し、時間とともにパフォーマンスを進化させ、自己改善することを目指している。
近年、Darwin Gödel MachineやHuxley Gödel Machineのような手法が提案されており、コーディングエージェントが自身のコードを編集する自己参照を通じて、オープンエンドで再帰的な自己改善を可能にする。
このような自己参照的な自己改善手法は、タスクを実行するために必要な能力が、コーディングタスクのケースである自己修正に必要な能力と一致または一致することを要求する。
必要なアライメントを満足しないドメインやタスクに対しては、自己参照型自己改善は利用できない。
このような場合、上記のアルゴリズムを他のタスクに適応させることは、自己参照的側面を除去したり、メタエージェントの明示的な自己修正を導入することで可能である。
明示的な制約のあるタスクを計画するために、我々ははるかに安価な代替案を提案する。
SBCO(Self-supervised Block Coordinate Optimizer)は,Gödel-machine法に準じて,自己参照型ではなく自己監視型である。
エージェントハーネスが与えられた場合、SBCOは、検証器の分解されたバンクと、近似ブロック座標の上昇によるハーネスポリシーを学び、エージェントの出力を、固定されたメタエージェントと人間のラベルなしで、自身のグレードされたフィードバックから改善する。
2つのドメインにわたってSBCOは4-5.5倍の計算予算を使用しながら、カスタマイズされた自己修正ベースラインにマッチまたは超過する。
関連論文リスト
- Self-Aware Recursively Self-Improving Agents for Personal Singularity: A Goal-, Scope-, Tool-, and Benchmark-Driven Multi-Agent Architecture [1.7259824817932294]
大規模言語モデル(LLM)エージェントは、計画し、ツールを使用し、メモリを保守し、長い水平タスクを実行することができる。
本稿では、アイデンティティ、目標、能力、限界、不確実性、関係性、歴史、発達変化の永続的な自己モデルを維持する自己認識再帰的自己改善(SARSI)エージェントを提案する。
我々は、SARSIエージェントを個人特異性とペアリングし、エージェントエコシステムがユーザ定義可能な拡張可能な機能フロンティアにアプローチするのを手助けする、有界な人間-AI共同開発目標とする。
論文 参考訳（メタデータ） (2026-07-14T01:44:53Z) - Evolving Agents in the Dark: Retrospective Harness Optimization via Self-Preference [51.55077364626896]
本稿では,過去の軌道のみを用いたエージェント・ハーネスを最適化する自己教師型手法であるRetrospective Harness Optimization (RHO)を紹介する。
RHOは、過去の軌跡から様々な課題のコアセットを選択し、それらを並列に解決する。
1回の最適化ラウンドでは、SWE-Bench Proのパスレートが59%から78%に向上する。
論文 参考訳（メタデータ） (2026-06-04T09:26:00Z) - Evolutionary Ensemble of Agents [7.465452178698495]
EvEは、分散化されたフレームワークであり、アルゴリズム発見のためのライブで共進化するシステムにコーディングエージェントを編成する。
2つの共進化する人口を維持することで、EvEはエージェントを同期レースを通じて評価し、経験的Elo格付けを更新する。
固定初期エージェントや凍結した「ベスト進化」エージェントによって駆動される変種と比較して、EvEは位相ミスマッチを独自に回避する。
論文 参考訳（メタデータ） (2026-05-09T15:56:10Z) - Hyperagents [42.17044581555985]
自己改善型AIシステムは、人間のエンジニアリングへの依存を減らすことを目的としている。
既存の自己改善アプローチは、固定された手作りのメタレベルメカニズムに依存している。
我々はDGM-Hyperagentを作成するためにDarwin Gdel Machineを拡張します。
論文 参考訳（メタデータ） (2026-03-19T20:50:08Z) - Towards Efficient Agents: A Co-Design of Inference Architecture and System [66.59916327634639]
本稿では,エージェントアクセラレーションのための統合フレームワークであるAgentInferを提案する。
問題をAgentCollab、AgentSched、AgentSAM、AgentCompressの4つの相乗的コンポーネントに分解する。
BrowseComp-zhとDeepDiverベンチマークの実験では、これらの手法の相乗的コラボレーションを通じて、AgentInferは非効率なトークン消費を50%以上削減することを示した。
論文 参考訳（メタデータ） (2025-12-20T12:06:13Z) - Agent0: Unleashing Self-Evolving Agents from Zero Data via Tool-Integrated Reasoning [84.70211451226835]
大規模言語モデル(LLM)エージェントは、人間の計算データへの依存によって制約される。
我々は,外部データを持たない高性能エージェントを進化させる完全自律型フレームワークであるAgent0を紹介する。
Agent0は推論能力を大幅に向上させ、Qwen3-8B-Baseモデルを数学的推論で18%改善し、一般的な推論ベンチマークで24%改善した。
論文 参考訳（メタデータ） (2025-11-20T05:01:57Z) - Alita-G: Self-Evolving Generative Agent for Agent Generation [54.49365835457433]
汎用エージェントをドメインエキスパートに変換するフレームワークであるALITA-Gを提案する。
このフレームワークでは、ジェネラリストエージェントが対象ドメインタスクのキュレートされたスイートを実行する。
計算コストを削減しながら、大きな利益を得ることができます。
論文 参考訳（メタデータ） (2025-10-27T17:59:14Z) - Huxley-Gödel Machine: Human-Level Coding Agent Development by an Approximation of the Optimal Self-Improving Machine [31.795598366502166]
エージェントの自己改善ポテンシャルと符号化ベンチマーク性能のミスマッチを同定する。
ハクスリーのクラッドの概念に触発され、エージェントの子孫のベンチマークパフォーマンスを集計する計量(mathrmCMP$)を提案する。
我々はHuxley-G"odel Machine (HGM)を紹介し、$mathrmCMP$を推定してガイダンスとして使用することにより、自己修正のツリーを検索する。
論文 参考訳（メタデータ） (2025-10-24T16:19:41Z) - Gödel Agent: A Self-Referential Agent Framework for Recursive Self-Improvement [112.04307762405669]
G"odel AgentはG"odelマシンにインスパイアされた自己進化型フレームワークである。
G"odel Agentは、パフォーマンス、効率、一般化性において手作業によるエージェントを上回る、継続的な自己改善を実現することができる。
論文 参考訳（メタデータ） (2024-10-06T10:49:40Z) - REBEL: Reward Regularization-Based Approach for Robotic Reinforcement Learning from Human Feedback [61.54791065013767]
報酬関数と人間の嗜好の相違は、現実世界で破滅的な結果をもたらす可能性がある。
近年の手法は、人間の嗜好から報酬関数を学習することで、不適応を緩和することを目的としている。
本稿では,ロボットRLHFフレームワークにおける報酬正規化の新たな概念を提案する。
論文 参考訳（メタデータ） (2023-12-22T04:56:37Z)
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。