論文の概要: AutoDesign: Meta-Harness Optimization for Long-Horizon Agentic Design
- arxiv url: http://arxiv.org/abs/2608.13560v1
- Date: Thu, 13 Aug 2026 17:59:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-14 18:29:38.640144
- Title: AutoDesign: Meta-Harness Optimization for Long-Horizon Agentic Design
- Title（参考訳）: AutoDesign: 長距離エージェント設計のためのメタハネス最適化
- Abstract要約: 私たちはAutoDesignという,人間設計の先行するフレームワークを紹介し,ロールアウトフィードバックに基づいたハーネス向上のためのコードエージェントを指導します。
PosterBenchのメイントラックでは、AutoDesignが78.32の最高スコアを獲得し、クロードデザインを7.45ポイント上回った。
完全に自律的なロングホライゾンループでは、253回のツールコールと11回の編集が40分以内に3ドル以下で行われ、人間の評価において平均的な会議ポスト品質に達する。
- 参考スコア（独自算出の注目度）: 48.19974344723145
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Transforming multimodal sources into condensed and structured media outputs can be fundamentally conceptualized as a long-horizon agentic process centered on a model-harness system. While an ideal harness system should align with human design priors and accumulate reusable experience through empirical exploration to drive recursive self-improvement, existing paradigms remain static and fall short of this capability. In this paper, we present AutoDesign, a framework that aligns with human design priors, where a meta-harness optimizer guides a code agent to recursively improve harness based on rollout feedback. To instantiate and evaluate this framework, we focus on the academic paper-to-poster generation task and introduce PosterBench, comprising a 100-paper Main Track spanning five disciplines and PosterBench-mini, a shared 10-paper subset for controlled evaluation. On the PosterBench Main Track, AutoDesign achieves the highest score of 78.32, surpassing the closed-source commercial system Claude Design by 7.45 points. Across seven controlled code-agent-model configurations, integrating the learned DesignHarness consistently improves performance, increasing the average PosterBench Score from 54.99 to 67.39 (+12.4%). In a fully autonomous long-horizon loop, it executes 253 tool calls and 11 editing turns within 40 minutes for under $3, reaching average conference-poster quality in human evaluation. A system-blind human study further demonstrates that AutoDesign achieves the highest human preference among evaluated systems.
- Abstract（参考訳）: マルチモーダルソースを凝縮および構造化メディア出力に変換することは、モデルハーネスシステムを中心とした長い水平エージェントプロセスとして根本的な概念化が可能である。
理想的なハーネスシステムは、人間の設計以前のものと一致し、再帰的な自己改善を促進するための経験的探索を通じて再利用可能な経験を蓄積するべきであるが、既存のパラダイムは静的であり、この能力に欠ける。
本稿では、メタハーネスオプティマイザがコードエージェントを誘導し、ロールアウトフィードバックに基づいてハーネスを再帰的に改善する、ヒューマンデザインの先行するフレームワークであるAutoDesignを提案する。
本稿では,5分野にまたがる100ページのメイントラックと,制御された評価のための10ページのサブセットであるPosterBench-miniを紹介する。
PosterBenchのメイントラックでは、AutoDesignが78.32の最高スコアを獲得し、クロードデザインを7.45ポイント上回った。
7つの制御されたコードエージェントモデル構成で、学習したDesignHarnessを統合することで、パフォーマンスが継続的に向上し、PosterBench Scoreは54.99から67.39に増加した(+12.4%)。
完全に自律的なロングホライゾンループでは、253回のツールコールと11回の編集が40分以内に3ドル以下で行われ、人間の評価において平均的な会議ポスト品質に達する。
システムブラインドヒトの研究は、AutoDesignが評価システムの中で最高の人間の嗜好を達成することを証明している。
関連論文リスト
- ZGCM-1: A Fully Open and Extremely Efficient Foundation Model for Math and Agentic Search [54.43696074323815]
ZGCM-1は、極端なデータ、システム、アルゴリズムの効率でゼロから訓練された、完全にオープンな7Bファンデーションモデルである。
エージェントがクラスタ操作を自律的に管理する、AIネイティブなR&Dワークフローを確立します。
ZGCM-1-7Bは一般的なベンチマークで7Bモデルファミリ間で競合する。
論文 参考訳（メタデータ） (2026-09-11T17:18:04Z) - NeoHorse-1: Towards Recursive Self-Improvement via Agentic Post-Training with Routing Harness [76.6324710887112]
NeoHorse-1は、エージェントのポストトレーニングを通じてこの経路を探索するために開発されたエージェントネイティブモデルのファミリーである。
本システムでは,異種モデルプールとインテリジェントなルーティング,予測能力要求,選択されたサービス層,およびその後のユーザ毎のインタラクションを結合する。
論文 参考訳（メタデータ） (2026-09-08T03:14:54Z) - AutoWorldModel-Bench: A State-Centric Benchmark for Automated World-Model Research [39.68061830142623]
AutoWorldModel-Benchは、AIコーディングエージェントが自律的な研究者として機能するベンチマークである。
各ゲームから抽出された構造化状態表現-地上実体状態の下で8つのゲーム環境にまたがる。
我々のベンチマークでは、工学と特殊の問題ではなく、オープンな研究でフロンティアコーディングエージェントを評価できる設定を提供しています。
論文 参考訳（メタデータ） (2026-07-20T23:35:45Z) - TurboAgent: An LLM-Driven Autonomous Multi-Agent Framework for Turbomachinery Aerodynamic Design [13.755754877323348]
TurboAgentは、大型言語モデル(LLM)によるターボ機械空力設計と最適化のための自律型マルチエージェントフレームワークである。
このフレームワークは、従来の試行錯誤設計をデータ駆動のコラボレーティブワークフローに変換する。
論文 参考訳（メタデータ） (2026-04-08T07:12:44Z) - AutoSOTA: An End-to-End Automated Research System for State-of-the-Art AI Model Discovery [49.77172027295716]
AutoSOTAは、トップレベルのAI論文で発表された最新のState-Of-The-Art(SOTA)モデルを進化させるエンドツーエンドの自動研究システムである。
報告された方法を超える新しい105種類のSOTAモデルを発見し、平均して1紙あたり平均5時間である。
論文 参考訳（メタデータ） (2026-04-07T07:52:01Z) - Code Aesthetics with Agentic Reward Feedback [84.67242022647002]
大きな言語モデル(LLM)は、コード関連のタスクにおいて開発者にとって貴重なアシスタントになっている。
LLMは視覚的に指向するコーディングタスクに苦労し、しばしば準最適美学を生み出す。
LLM生成コードの美的品質を高めるための新しいパイプラインを導入する。
論文 参考訳（メタデータ） (2025-10-27T12:32:33Z) - An End-to-End Multi-objective Ensemble Ranking Framework for Video Recommendation [23.032738554023055]
本稿では,多目的アンサンブルランキングモジュールのための新しいエンド・ツー・エンド多目的アンサンブルランキングフレームワーク(EMER)を提案する。
EMERは手作業で設計された公式をエンドツーエンドのモデリングパラダイムに置き換えることで強化する。
当社のフレームワークは,毎日数億人のアクティブユーザがいるショートビデオレコメンデーションプラットフォームであるKuaishouの主要なシナリオにデプロイされています。
論文 参考訳（メタデータ） (2025-08-07T07:21:46Z) - ArtifactsBench: Bridging the Visual-Interactive Gap in LLM Code Generation Evaluation [51.297873393639456]
ArtifactsBenchは自動ビジュアルコード生成評価のためのフレームワークである。
我々のフレームワークは、生成した各アーティファクトをレンダリングし、時間的スクリーンショットを通してその動的な振る舞いをキャプチャする。
我々は1,825の多様なタスクの新しいベンチマークを構築し、30以上の主要な大規模言語モデルを評価する。
論文 参考訳（メタデータ） (2025-07-07T12:53:00Z) - Investigating the Potential of Large Language Model-Based Router Multi-Agent Architectures for Foundation Design Automation: A Task Classification and Expert Selection Study [0.0]
シングルエージェント処理、マルチエージェントデザイナ-チェッカーアーキテクチャ、ルータベースのエキスパートセレクションの3つのアプローチが評価された。
性能評価はDeepSeek R1、ChatGPT 4 Turbo、Grok 3、Gemini 2.5 Proといったベースラインモデルを利用した。
その結果、ルータベースのマルチエージェントシステムは、プロのドキュメント標準を維持しつつ、基礎設計の自動化に最適なものとなった。
論文 参考訳（メタデータ） (2025-06-13T23:45:24Z) - Will Pre-Training Ever End? A First Step Toward Next-Generation Foundation MLLMs via Self-Improving Systematic Cognition [89.50068130832635]
自己改善認知 (SIcog) は、マルチモーダル知識によって次世代のMLLMを構築するための自己学習フレームワークである。
ステップバイステップの視覚的理解のためのChain-of-Descriptionを提案し、詳細なマルチモーダル推論をサポートするために構造化されたChain-of-Thought(CoT)推論を統合する。
実験は、マルチモーダル認知を増強したMLLMの開発におけるSIcogの有効性を示す。
論文 参考訳（メタデータ） (2025-03-16T00:25:13Z) - Planning-oriented Autonomous Driving [60.93767791255728]
我々は、最終目標、すなわち自動運転車の計画を追求するために、好ましいフレームワークを考案し、最適化すべきであると主張している。
フルスタック運転タスクをひとつのネットワークに組み込んだ総合的なフレームワークであるUnified Autonomous Driving (UniAD)を紹介した。
論文 参考訳（メタデータ） (2022-12-20T10:47:53Z)
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。