論文の概要: EvoUndo: Recoverability-Constrained Self-Evolution for LLM Agent Harnesses
- arxiv url: http://arxiv.org/abs/2608.28363v1
- Date: Fri, 28 Aug 2026 14:15:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-31 17:16:04.349078
- Title: EvoUndo: Recoverability-Constrained Self-Evolution for LLM Agent Harnesses
- Title（参考訳）: EvoUndo: LLMエージェントハーネスの回復可能性制約付き自己進化
- Abstract要約: EvoUndoは、モデル生成自己修飾の表現、合成、診断、独立に検証するためのフレームワークである。
600を超える単発自己進化タスクにおいて、回復可能性の検証に失敗する197の能力改善変異を同定する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: LLM agents increasingly modify their own prompts, tools, middleware, resources, and execution harnesses at runtime. Such self-evolution can improve capability, but a successful mutation may leave persistent effects that cannot be safely reversed in states different from the one in which it was created. We introduce EvoUndo, a framework for representing, synthesizing, diagnosing, and independently verifying recoverability of model-generated self-modifications across counterfactual states. Across 600 unseen one-shot self-evolution tasks, we identify 197 capability-improving mutations that fail recoverability verification. Under the original recovery representation, conventional repair strategies recover 0/197 of these natural failures. Deterministic oracle analysis recovers 48/197 under the original recovery language L0, while the extended recovery calculus increases empirical oracle recovery to 191/197. A protocol-locked 2x2 grounding-by-expressivity intervention then separates two bottlenecks: exact state-address grounding increases successful recovery from 0/48 to 38/48 (79.2%) when the original language is sufficient, while extending the recovery language enables recovery on 142/143 (99.3%) failures in the oracle-defined S1 stratum. On the primary gpt-oss-120b backbone, adding exact-address diagnostics to the richer language reduces recovery to 133/143 (93.0%); a Qwen3.8-27B replication preserves the grounding and expressivity effects but not this negative interaction, indicating that the latter is model-dependent. These results indicate that reliable agent self-evolution requires co-designing verification, state grounding, witness semantics, and recovery-language expressivity rather than relying on iterative prompting alone.
- Abstract（参考訳）: LLMエージェントは、実行時に自身のプロンプト、ツール、ミドルウェア、リソース、実行ハーネスを変更している。
このような自己進化は能力を向上させることができるが、成功した突然変異は、それが生成されたものと異なる状態において安全に逆転できない持続的な効果を残す可能性がある。
EvoUndoは, モデル生成自己修飾の再現性, 合成, 診断, 独立に検証するためのフレームワークである。
600を超える単発自己進化タスクにおいて、回復可能性検証に失敗する197の能力改善変異を同定する。
当初の復旧計画では、従来の修復戦略は自然災害の0/197を回復した。
決定論的オラクル分析は、元のリカバリ言語L0の下で48/197を回復し、拡張されたリカバリ計算は、経験的オラクルリカバリを191/197まで増加させる。
プロトコルロックされた2x2グラウンディング・バイ・エクスプレクティビティの介入は、2つのボトルネックを分離する: 正確な状態アドレスグラウンディングは、元の言語が十分であれば0/48から38/48(79.2%)に回復し、一方リカバリ言語を拡張することで、オラクルが定義したS1層で142/143(99.3%)の障害の回復を可能にする。
第一のgpt-oss-120bバックボーンでは、よりリッチな言語に正確なアドレス診断を加えると、リカバリが133/143 (93.0%)減少する。
これらの結果は、信頼できるエージェントの自己進化には、反復的プロンプトのみに頼るのではなく、共設計検証、状態基盤、証人意味論、回復言語表現性が必要であることを示唆している。
関連論文リスト
- TTSD-FAR: Test-Time Self-Distillation with Fisher-Anchored Restoration for Missing-Modality Emotion Recognition in LVLMs [83.78708832901194]
大規模ビデオ言語モデル(LVLM)は、野生のマルチモーダル感情認識(ER)のようなマルチモーダルタスクにおいて顕著なパフォーマンスを示している。
しかし、現実のデプロイメントは依然として困難であり、テスト時にモダリティが欠落したりうる。
凍結した教師が自己蒸留により適応的な低学級の生徒を指導する手法を提案する。
MELD, DFEW, BAHを0%-50%のモダリティで実験した結果, この統一型適応復元設計はエントロピーベースの適応, RAG, およびパープレキシティベースの生成より一貫して優れていた。
論文 参考訳（メタデータ） (2026-08-18T23:40:28Z) - One Recipe, Many Harnesses: What Self-Evolution Encodes Across Languages and Models [46.83445434865936]
自己進化型ハーネスは、エージェントが自身のロールアウトを検査し、プロンプト、ツール、メモリを編集するクローズドループシステムである。
ベンチマーク固有の適応、言語固有のエンジニアリング知識、あるいは基礎となるモデルの制限に対する補償をエンコードしているかどうかは不明だ。
論文 参考訳（メタデータ） (2026-08-10T19:45:45Z) - From Failing to Passing: Evolving Natural Language Prompt Optimization Rules for LLM Code Generation [11.454560846406698]
本稿では,自然言語変換ルールの集合を特定し,進化させる検索ベースアプローチを提案する。
次に、進化した変換ルールと実行フィードバックの修復を組み合わせた、段階的な修復パイプラインFIXを提案する。
以上の結果から,DualFixはベースライン障害の最大30%を回復し,SelfFixの3～5倍の障害を修正した。
論文 参考訳（メタデータ） (2026-07-06T14:10:56Z) - Conditional Co-Ablation: Recovering Self-Repair Backups in Transformer Circuits [47.668752416295185]
条件付き共アブレーションは、各単位のアブレーション効果が一次集合が取り除かれたときにどれだけ増大するかを問う。
GPT-2の小型IOI回路では、CoAxはバックアップヘッドのリカバリを0.33から0.91 ROC-AUCに引き上げる。
論文 参考訳（メタデータ） (2026-07-02T09:32:57Z) - One Reflection Is Not Enough: Self-Correcting Autonomous Research via Multi-Hypothesis Failure Attribution [85.65263343588026]
我々は,自己修正型,自律型,接地型実験機であるSAGEを提案する。
その中核的なメカニズムであるMHFA(Multi-Hypothesis Failure Attribution)は、回復を構造的因果診断として扱う。
12のトピック、5ドメインのベンチマークでは、SAGEは基準リフレクションでメトリクスを含むアウトプットを42%から92%に増やしている。
論文 参考訳（メタデータ） (2026-06-30T10:54:16Z) - ANNEAL: Adapting LLM Agents via Governed Symbolic Patch Learning [12.44509691077682]
本稿では,繰り返し発生する障害をプロセス知識グラフのシンボル編集に変換する神経シンボルエージェントであるANNEALを紹介する。
その中核となるメカニズムであるFDKA(Failure-Driven Knowledge Acquisition)は、責任のあるオペレータをローカライズし、制約付きLLM生成を通じて型付きパッチを合成し、提案を検証する。
4つのドメインと27のマルチシードランをまたいだANNEALは、永続的な構造修復を行う唯一の評価システムである。
論文 参考訳（メタデータ） (2026-05-04T05:24:03Z) - Negation is Not Semantic: Diagnosing Dense Retrieval Failure Modes for Trade-offs in Contradiction-Aware Biomedical QA [1.0330395403064265]
大言語モデル (LLMs) は質問応答において強い能力を示してきたが、検証不可能なクレームを生成する傾向は、臨床環境において重大なリスクをもたらす。
これらのリスクを軽減するため、TREC 2025 BioGenトラックは、矛盾する証拠を明示的に提示する根拠のついた回答を義務付けている。
本稿では、SciFactデータセットを用いて、検索アーキテクチャを体系的に最適化するプロキシベースの開発フレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-18T10:35:44Z) - ReLoop: Structured Modeling and Behavioral Verification for Reliable LLM-Based Optimization [6.572539312871392]
大規模言語モデル(LLM)は、自然言語を最適化コードに変換することができるが、サイレント障害は重大なリスクをもたらす。
2つの相補的な方向からサイレント障害に対処するReLoopを紹介します。
論文 参考訳（メタデータ） (2026-02-17T20:20:33Z) - ReForm: Reflective Autoformalization with Prospective Bounded Sequence Optimization [73.0780809974414]
本稿では,意味的整合性評価を自己形式化プロセスに統合する反射的自己形式化手法を提案する。
これにより、モデルが形式的なステートメントを反復的に生成し、セマンティックな忠実さを評価し、自己修正された特定エラーを発生させることができる。
実験の結果、ReFormは最強のベースラインに対して平均22.6ポイントの改善を達成した。
論文 参考訳（メタデータ） (2025-10-28T16:22:54Z) - Evolving LLMs' Self-Refinement Capability via Synergistic Training-Inference Optimization [53.93621974137829]
自己精製(Self-Refinement)とは、モデルが自身のレスポンスを改訂し、改善された出力を生成する能力を指す。
EVOLVEは、反復的なトレーニングを通じて自己精製の進化を導き、追跡するためのフレームワークである。
固有モデル能力のより広範な自己改善を実現するために自己改善を活用する可能性を実証する。
論文 参考訳（メタデータ） (2025-02-08T15:21:55Z)
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。