論文の概要: Generalized Agent Iteration: One Formal Framework for Iterative Policy Improvement and Recursive Self-Improvement

• arxiv url: http://arxiv.org/abs/2609.13406v1
• Date: Fri, 11 Sep 2026 18:15:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:05.292163
• Title: Generalized Agent Iteration: One Formal Framework for Iterative Policy Improvement and Recursive Self-Improvement
• Title（参考訳）: 汎用エージェント反復:反復的政策改善と再帰的自己改善のための形式的枠組み
• Abstract要約: 汎用エージェントイテレーション(英: Generalized Agent Iteration, GAI)は、反復的政策改善を記述する形式的なフレームワークである。 2つの中心的なダイアルは、改善機構がエージェントの一部であるかどうか、それに対して測定される標準が外部に接地されているかどうかのインスタンスを区別する。 本論文は,従来のシステムと同等に機能し,新しいシステムの解析と設計のための基本となるRSIの形式的特徴を探求する第一歩であると考えている。
• 参考スコア（独自算出の注目度）: 23.752667365287568
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: When we speak of recursive self-improvement (RSI), are we speaking of a phenomenon, a mechanism, or a prospect? Towards autonomous and evolving intelligence, RSI is being claimed at many scales, while no single framework that formally describes these emerging instances exists. Its counterpart in the classical realm, iterative policy improvement, is characterized by generalized policy iteration (GPI), a framework of broad applicability with well-understood theoretical properties, but only where the update principle and the evaluation base lie outside the agent. In this paper, we propose Generalized Agent Iteration (GAI), a formal framework that describes iterative policy improvement and RSI as two cases of a single learning paradigm. GAI defines the agent as a configuration of modifiable components within a system and models the learning process as a cycle of agent evaluation and agent improvement. Two pivotal dials then distinguish the instances: whether the improving mechanism is part of the agent and whether the standard it is measured against is grounded outside it. The former dial delineates the boundary between GPI and RSI, and the latter determines a system's polarity as anchored, goal drift, or fully self-referential. Moreover, we use these coordinates to place existing systems on the same two axes and make the defects of recursive self-improvement statable one condition at a time. We see this paper as a first step toward exploring a formal characterization of RSI that rests on the classical account, makes existing systems comparable, and provides a principled basis for analyzing and designing new ones.
• Abstract（参考訳）: 再帰的自己改善(RSI: Recursive self-improvement)について語るとき、私たちは現象、メカニズム、あるいは展望について語っていますか? 自律的で進化したインテリジェンスに向けて、RSIは多くのスケールで主張されているが、これらの新興インスタンスを公式に記述する単一のフレームワークは存在しない。 古典的領域におけるイテレーティブなポリシー改善は、広く適用可能な理論的性質を持つフレームワークである一般化されたポリシー反復(GPI)によって特徴づけられるが、更新原理と評価基盤がエージェントの外にある場合に限られる。 本稿では,1つの学習パラダイムの2つの事例として,反復的政策改善とRSIを記述した形式的なフレームワークである汎用エージェント反復(GAI)を提案する。 GAIは、エージェントをシステム内の変更可能なコンポーネントの構成として定義し、学習プロセスをエージェント評価とエージェント改善のサイクルとしてモデル化する。 2つの中心的なダイアルは、改善機構がエージェントの一部であるかどうか、それに対して測定される標準が外部に接地されているかどうかのインスタンスを区別する。 前者のダイヤルはGPIとRSIの境界を定め、後者はシステムの極性をアンカード、ゴールドリフト、あるいは完全な自己参照として決定する。 さらに、これらの座標を用いて、既存のシステムを同じ2つの軸に配置し、再帰的な自己改善の欠陥を一度に安定させる。 本論文は,従来のシステムと同等に機能し,新しいシステムの解析と設計のための基本となるRSIの形式的特徴を探求する第一歩であると考えている。

関連論文リスト

• Agentic Configuration Management (ACM): A Reference Configuration Model for Governed Agentic Systems [0.0]
  Agentic Configuration Management (ACM)は、異種エージェントシステムのフレームワークに依存しないガバナンスおよび設定参照モデルである。 ACMは、型付きおよび独立にバージョン管理されたエージェント構成項目、不変リビジョンとベースライン、明示的な構成と実行時の分離、セマンティック・アシュアランス・セマンティクス、依存性を意識した影響伝達、実行時の前処理を組み合わせたものだ。 LangGraph、CrewAI、OpenAI Agents SDK用のアダプタを備えたPythonリファレンス実装を提供する。
  論文  参考訳（メタデータ） (2026-08-11T17:28:39Z)
• From Holistic Evaluation to Structured Criteria: Rubrics Across the Evolving LLM Landscape [79.30826980815927]
  ルーブリックは、複雑な品質判断を構造化され、実行可能な標準に変換する明示的な基準セットです。 我々は,既存のルーリックデザインを体系的に整理し,その構築と最適化を検証し,評価と訓練をまたいだ役割を解析する。
  論文  参考訳（メタデータ） (2026-06-07T13:34:55Z)
• Provably Secure Agent Guardrail [89.79561918065122]
  既存の防衛アーキテクチャは経験的セマンティックガードレールと確率論的大モデル調整器に依存している。 本稿では,論理的推論の基本的制約に基づくエージェントのための新しいセキュリティパラダイムを提案する。
  論文  参考訳（メタデータ） (2026-05-28T02:12:41Z)
• Taming Actor-Observer Asymmetry in Agents via Dialectical Alignment [59.536125286960186]
  セルフリフレクションと相互監査を可能にするために、専門的な役割を割り当てるマルチエージェントフレームワークがますます採用されている。 アクター・オブザーバ非対称性(Actor-Observer Asymmetric)と呼ばれる認知バイアスを同時に誘発する。 ReTASは、対立する視点を客観的なコンセンサスに合成するためにエージェントを誘導する。
  論文  参考訳（メタデータ） (2026-04-21T15:05:58Z)
• COMPASS: The explainable agentic framework for Sovereignty, Sustainability, Compliance, and Ethics [0.0]
  本稿では,値整合型AIを実現するために設計された,新しいマルチエージェントオーケストレーションシステムを提案する。 このフレームワークは、オーケストレータと、主権、カーボン・アウェア・コンピューティング、コンプライアンス、倫理に対処する4つの専門のサブエージェントで構成されている。 LLM-as-a-judge法を用いることで、定量的スコアを割り当て、各評価次元について説明可能な正当化を生成する。
  論文  参考訳（メタデータ） (2026-03-11T20:14:35Z)
• PRISM: Purified Representation and Integrated Semantic Modeling for Generative Sequential Recommendation [28.629759086187352]
  本稿では,PRISMとPureified RepresentationとIntegrated Semantic Modelingを組み合わせた新しい生成レコメンデーションフレームワークを提案する。 PRISMは4つの実世界のデータセットで、最先端のベースラインを一貫して上回る。
  論文  参考訳（メタデータ） (2026-01-23T08:50:16Z)
• Human-AI Governance (HAIG): A Trust-Utility Approach [0.0]
  本稿では,人間とAIの関係が進化する中で,信頼のダイナミクスを分析するためのHAIGフレームワークを紹介する。 我々の分析は、自己監督、推論権限、分散意思決定の技術的進歩が、不均一な信頼の進化をいかに引き起こすかを明らかにする。
  論文  参考訳（メタデータ） (2025-05-03T01:57:08Z)
• Retrieval is Not Enough: Enhancing RAG Reasoning through Test-Time Critique and Optimization [58.390885294401066]
  Retrieval-augmented Generation (RAG) は知識基底型大規模言語モデル(LLM)を実現するためのパラダイムとして広く採用されている。 RAGパイプラインは、モデル推論が得られた証拠と整合性を維持するのに失敗することが多く、事実上の矛盾や否定的な結論につながる。 批判駆動アライメント(CDA)に基づく新しい反復的枠組みであるAlignRAGを提案する。 AlignRAG-autoは、動的に洗練を終了し、批判的な反復回数を事前に指定する必要がなくなる自律的な変種である。
  論文  参考訳（メタデータ） (2025-04-21T04:56:47Z)
• Learning Neural Strategy-Proof Matching Mechanism from Examples [24.15688619889342]
  本稿では,常に戦略保護性を満足し,任意の数のエージェントに適用可能な新しいマッチング機構のファミリーを提案し,エージェントの公開コンテキスト情報を扱う。 提案手法は, 整合性を満足しながら, 整合性を学習するための実験である。 提案手法は,マッチング予測における基準値よりも優れており,マッチング結果の良さを示す指標がいくつかあることを実証した。
  論文  参考訳（メタデータ） (2024-10-25T08:34:25Z)
• VCG Mechanism Design with Unknown Agent Values under Stochastic Bandit Feedback [104.06766271716774]
  本研究では,エージェントが自己の価値を知らない場合に,マルチラウンドの福祉最大化機構設計問題について検討する。 まず、福祉に対する後悔の3つの概念、各エージェントの個々のユーティリティ、メカニズムの3つの概念を定義します。 当社のフレームワークは価格体系を柔軟に制御し、エージェントと販売者の後悔のトレードオフを可能にする。
  論文  参考訳（メタデータ） (2020-04-19T18:00:58Z)
• Target-Embedding Autoencoders for Supervised Representation Learning [111.07204912245841]
  本稿では,対象空間が高次元な純粋教師付き環境における一般化の枠組みを解析する。 我々は、教師付き予測のための目標埋め込みオートエンコーダ(TEA)の一般的なフレームワークのモチベーションと形式化を行い、特徴とターゲットの予測の両方から予測可能なように最適化された中間潜在表現を学習する。
  論文  参考訳（メタデータ） (2020-01-23T02:37:10Z)

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。