論文の概要: Belief-Calibrated Optimization: An Explicit World Model for Agentic Optimization
- arxiv url: http://arxiv.org/abs/2609.01861v1
- Date: Tue, 01 Sep 2026 20:47:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-03 17:53:17.985613
- Title: Belief-Calibrated Optimization: An Explicit World Model for Agentic Optimization
- Title（参考訳）: 信念キャリブレーション最適化:エージェント最適化のための明示的世界モデル
- Abstract要約: 本稿では,Belief-Calibrated Optimization (BCO)について述べる。
蓄積された文書が与えられた新しい予測器は、コンテンツが偽造された文書や同形コピーよりも、どのように環境がより正確に応答するかを予測する。
- 参考スコア（独自算出の注目度）: 31.31831511580543
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The performance of an LLM agent depends on the scaffold around a frozen model. A common way to improve that scaffold is to use a coding agent as an optimizer: it reads current scores and traces and iteratively edits the source, producing a new candidate each round. Each edit is chosen according to a belief about how the environment will respond: what went wrong, and which change should help. That belief is typically implicit. It lives in the coding agent's reasoning on the current call, or remains latent in its parameters, rather than as something written down. Later calls therefore see scores and traces, but they do not use that belief. We introduce Belief-Calibrated Optimization (BCO), a method that writes that belief down as a persistent in-context document and continually revises that document as new candidates are evaluated. The resulting document is a world model: the current account of how the environment responds to edits. Added to an otherwise standard loop, BCO reaches a higher train passrate than a matched control that lacks only the world model, on five benchmarks spanning memory QA, tool-use QA, code-as-action app agents, and terminal agents. The gap remains on every held-out split, which is not used to select the candidate. After a target-model swap, in which the frozen model is replaced and the scaffold is not, the selected BCO scaffold leads on the tasks we test, except where context-window overruns leave it unfinished. An offline ablation then asks whether that gap comes from what the world model says. A fresh predictor given the accumulated document forecasts how the environment will respond more accurately than predictors given either no document or a same-form copy whose content has been falsified. The comparison indicates that the document carries reusable information in its content, not only in its form.
- Abstract（参考訳）: LLMエージェントの性能は、凍結モデル周りの足場に依存する。
この足場を改善する一般的な方法は、コーディングエージェントをオプティマイザとして使うことである。現在のスコアとトレースを読み出し、ソースを反復的に編集し、各ラウンドに新しい候補を生成する。
それぞれの編集は、環境がどのように反応するかという信念に基づいて選択される。
その信念は典型的に暗黙的である。
それは現在の呼び出しでコーディングエージェントの推論に生きており、書き下されたものではなく、パラメータに潜んでいる。
後のコールではスコアとトレースが表示されるが、彼らはその信念を使わない。
本稿では,Belief-Calibrated Optimization (BCO)について紹介する。
結果として得られたドキュメントは世界モデルであり、環境が編集にどのように反応するかの現在の説明である。
他の標準ループに加え、BCOは、メモリQA、ツール使用QA、コード・アズ・アクション・アプリエージェント、端末エージェントにまたがる5つのベンチマークにおいて、世界モデルに欠けるマッチした制御よりも高い列車パスレートに達する。
このギャップは、候補者を選ぶのに使われていないすべてのホールトアウトスプリットに残る。
凍結モデルが置き換えられ足場がないターゲットモデルスワップの後、選択されたBCO足場がテストするタスクに導かれる。
オフラインのアブレーションは、このギャップが世界モデルが言っていることに由来するかどうかを問う。
蓄積された文書が与えられた新しい予測器は、コンテンツが偽造された文書や同形コピーが与えられた場合の予測器よりも、どのように環境が正確に反応するかを予測する。
この比較は、この文書が再利用可能な情報をその内容に含めていることを示している。
関連論文リスト
- Assurance Envelopes for Autonomous Coding Agents: Minimum-Cost Evidence for Software Change [0.0]
利用可能な証拠の少なくともコストの低いサブセットが要求された資産を再確立するかどうかを問う。
私たちは、クロージャを信頼するのではなく、クロージャによってすべての選択を検証する。
Rust、IronBlocks、Pongの結果の小さなグラフは、最小エンベロープがタスクに依存することを示している。
論文 参考訳（メタデータ） (2026-09-14T20:06:46Z) - Don't Let the Model Write the YAML: Deterministic, Minimal-Diff GitOps Remediation from LLM-Proposed Field Changes [0.0]
GitOpsでは、モデル作者に編集されたファイルや差分を持てば、最初に実践者が到達できる。
ファイルを編集する構文的行為から意味的決定(リソース、フィールド、値)を分離する代替案を提案する。
ファイルは再シリアライズされないため、diffは構成によって最小限であり、編集はモデルから独立して正確で決定論的である。
論文 参考訳（メタデータ） (2026-08-31T18:37:12Z) - The Working Set of a Coding Agent: Coherence Debt in Repository-Scale Tasks [14.070053515623883]
リポジトリスケールのコーディングには、テスト、インポート、設定、マイグレーションルールを境界付けられたコンテキストウィンドウ内で一貫性を保つためのエージェントが必要である。
7つのモデルと5つのハーネスに障害を注入します。
リネームが実際のライブラリについて記憶したモデルを破ると、7つすべてが同じ場所で失敗し、同じテストがパスして失われる。
論文 参考訳（メタデータ） (2026-08-17T14:30:41Z) - Tencent WorkBuddy Bench: A Multi-Domain Coding-Agent Benchmark with Contamination-Resistant Task Construction [57.138342889101345]
Tencent WorkBuddy Benchは、コーディングエージェントのためのマルチドメイン評価スイートである。
本報告では, 設計手法, スコアリングプロトコル, クロスモデルリーダーボードについて述べる。
論文 参考訳（メタデータ） (2026-07-23T04:34:06Z) - Contrastive Reflection for Iterative Prompt Optimization [0.6533652962118279]
エージェントIRの反復的プロンプト最適化フレームワークであるContrastive Reflectionを提案する。
フレームワークをツリーベースのスライスセレクタでインスタンス化するが、コントリビューションはツリー自体よりもコントラストループである。
論文 参考訳（メタデータ） (2026-06-29T19:16:07Z) - Bayesian-Agent: Posterior-Guided Skill Evolution for LLM Agent Harnesses [30.457068495035386]
textbfBayesianAgentは、再利用可能なスキルとSOPを、特定のプロンプト、コンテキスト、利用環境下で凍結モデルが成功するかどうかの仮説として扱う。
ベイジアン=アジェントの記録は、軌道証拠を検証し、各技術に対して特徴条件付きカテゴリー後部を維持し、後方状態をパッチ、分割、圧縮、引退、探索のような検査可能な行動にマッピングする。
論文 参考訳（メタデータ） (2026-06-06T21:40:19Z) - Lost in Decoding? Reproducing and Stress-Testing the Look-Ahead Prior in Generative Retrieval [48.348257016776195]
生成検索(GR)は、文書識別子を自動回帰生成することで文書をランク付けする。
多くのGR法は三重遅延ビームサーチに依存しており、有限ビームデコードの下で関連する接頭辞の早期刈り取りに弱い。
生成検索の計画 Ahead in Generative Retrieval (PAG) は、同時復号法を用いて、その後の逐次復号を導く文書レベルのルックアヘッドを計算することで、この障害モードを緩和する。
論文 参考訳（メタデータ） (2026-04-25T17:58:15Z) - ClawArena: Benchmarking AI Agents in Evolving Information Environments [61.664633997138004]
ClawArenaは、進化する情報環境におけるAIエージェントの評価のためのベンチマークである。
それぞれのシナリオは、エージェントをノイズ、部分的、時には矛盾するトレースだけに露呈しながら、完全に隠された地上の真実を維持します。
評価は、マルチソースコンフリクト推論、動的信念修正、暗黙のパーソナライゼーションという3つの複合的な課題に基づいて構成される。
論文 参考訳（メタデータ） (2026-04-05T17:55:23Z) - Visual Document Understanding and Question Answering: A Multi-Agent Collaboration Framework with Test-Time Scaling [83.78874399606379]
テスト時間スケーリングを備えたマルチエージェント協調フレームワークであるMACTを提案する。
4つの異なる小規模エージェントから構成され、明確に定義された役割と効果的なコラボレーションがある。
一般および数学的タスクの能力を犠牲にすることなく、より小さなパラメータスケールで優れた性能を示す。
論文 参考訳（メタデータ） (2025-08-05T12:52:09Z) - Language Modeling with Editable External Knowledge [90.7714362827356]
本稿では,新たな文書取得時のモデル動作を改善するERASEを提案する。
ドキュメントを追加するたびに、知識ベースで他のエントリを段階的に削除または書き直します。
7-13%(Mixtral-8x7B)と6-10%(Llama-3-8B)の精度を向上する。
論文 参考訳（メタデータ） (2024-06-17T17:59:35Z) - DSI++: Updating Transformer Memory with New Documents [95.70264288158766]
DSI++は、DSIが新たなドキュメントをインクリメンタルにインデクシングするための継続的な学習課題である。
新たな文書の連続的な索引付けは,それまでの索引付け文書をかなり忘れてしまうことを示す。
文書の擬似クエリをサンプルとして生成メモリを導入し、連続的なインデックス付け中に補足することで、検索タスクの忘れを防止する。
論文 参考訳（メタデータ） (2022-12-19T18:59:34Z)
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。