論文の概要: Self Improvement via Fast Tree-search

• arxiv url: http://arxiv.org/abs/2609.19526v1
• Date: Thu, 17 Sep 2026 00:41:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:54.03817
• Title: Self Improvement via Fast Tree-search
• Title（参考訳）: 高速木探索による自己改善
• Abstract要約: コーディングエージェントは独自の実装を変更でき、自己改善のループを形成する。 既存のアプローチはコストが高く、計算集約的です。 本稿では,厳格な予算制約下でのコーディング性能を大幅に向上する,単純でサンプル効率のよい自己改善フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 3.715028528212583
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Coding agents can recursively modify their own implementations, forming a loop of self-improvement. While prior work shows this can boost performance on coding benchmarks, existing approaches are costly and compute-intensive. We introduce a simple, sample-efficient self-improvement framework that significantly improves coding performance under strict budget constraints. We identify evaluation of candidate self-modifications as the main runtime bottleneck since prior approaches estimate their effectiveness by re-running a subset of benchmark tasks with the modified agent, which is time-consuming. We introduce Recursive Self Improvement via Fast Tree-search (SIFT), which augments these downstream task evaluations with an LLM-as-a-judge signal that performs pairwise comparisons between candidate patches, where the win-loss record is aggregated with a regularized Bradley-Terry model, and the resulting strength scores drive rank-based parent sampling inside a lightweight disaggregated tree search. Expensive downstream task evaluations are reserved only for the most promising nodes. Using a fully disaggregated tree search pipeline, the judge scores provide intermediate signal to guide exploration on promising candidate patches without being bottlenecked by slow evaluation runs. SIFT outperforms existing tree-search based self-evolution frameworks on the full Polyglot benchmark with significantly lower resource requirements in terms of CPU hours, wall clock time, and API cost.
• Abstract（参考訳）: コーディングエージェントは、自身の実装を再帰的に修正し、自己改善のループを形成することができる。 以前の研究によると、これはコーディングベンチマークのパフォーマンスを向上する可能性があるが、既存のアプローチはコストが高く、計算集約的である。 本稿では,厳格な予算制約下でのコーディング性能を大幅に向上する,単純でサンプル効率のよい自己改善フレームワークを提案する。 ベンチマークタスクのサブセットを修正エージェントで再実行することで,提案手法の有効性を見積もることから,候補の自己修正を主要な実行時ボトルネックとして評価する。 我々は,これらの下流タスク評価をLLM-as-a-judge信号で強化する高速木探索(SIFT)による再帰的自己改善(Recursive Self Improvement)を導入する。 膨大なダウンストリームタスク評価は、最も有望なノードに限られる。 完全に分離されたツリーサーチパイプラインを使用して、審査員スコアは、遅い評価実行によってボトルネックとなることなく、期待されるパッチの探索をガイドする中間信号を提供する。 SIFTは、完全なPolyglotベンチマークにおいて、既存のツリー検索ベースの自己進化フレームワークよりもパフォーマンスが高く、CPU時間、壁時計時間、APIコストの面で、リソース要件が大幅に低い。

関連論文リスト

• PERFOPT-Bench: Evaluating Coding Agents on Software Performance Optimization [18.924749191192433]
  パフォーマンスの最適化は独特なエージェント的タスクである。 本稿では,このフルパフォーマンス・エンジニアリング・ループを評価するベンチマークであるPERFOPT-Benchを紹介する。
  論文  参考訳（メタデータ） (2026-07-08T08:32:18Z)
• Efficient Test-Time Inference via Deterministic Exploration of Truncated Decoding Trees [68.04613115686509]
  自己整合性は、複数の推論トレースを並列にサンプリングし、投票することで、推論時間のパフォーマンスを向上させる。 そこで本研究では,切り落された標本を伐採木として扱う決定論的復号法であるDLE(Distinct Leafion)を提案する。 DLEは高品質な推論トレースを調査し、数学、コーディング、一般的な推論タスクのパフォーマンスを向上させる。
  論文  参考訳（メタデータ） (2026-04-22T12:42:03Z)
• Prism: Efficient Test-Time Scaling via Hierarchical Search and Self-Verification for Discrete Diffusion Language Models [96.0074341403456]
  LLM推論を改善するための実用的な方法として、推論時計算が再導入されている。 テスト時間スケーリング(TTS)アルゴリズムの多くは、自動回帰デコーディングに依存している。 そこで我々は,dLLM のための効率的な TTS フレームワーク Prism を提案する。
  論文  参考訳（メタデータ） (2026-02-02T09:14:51Z)
• Tree Reward-Aligned Search for TReASURe in Masked Diffusion Language Models [13.433506313486701]
  ツリー検索は、生成モデルとタスク固有の報酬をテスト時に整合させる強力なフレームワークとして登場した。 これらの問題に対処する木探索テスト時間アライメント手法であるTReASUReを提案する。 TReASUReは、パープレキシティ、言語受容性、感情と毒性の制御に関する最先端の結果を達成する。
  論文  参考訳（メタデータ） (2025-09-27T06:22:45Z)
• TreePO: Bridging the Gap of Policy Optimization and Efficacy and Inference Efficiency with Heuristic Tree-based Modeling [65.46347858249295]
  TreePOは自己誘導型ロールアウトアルゴリズムで、シーケンス生成を木構造検索プロセスとして見る。 TreePOは基本的に、探索の多様性を保存または強化しながら、更新毎の計算負担を削減します。
  論文  参考訳（メタデータ） (2025-08-24T16:52:37Z)
• TreeRPO: Tree Relative Policy Optimization [65.51935468270916]
  nameは、ツリーサンプリングを用いて、様々な推論ステップで報酬の数学的期待を推定する新しい方法である。 GRPOの集団相対的な報酬訓練機構に基づいて、木サンプリング時に生成されたステップレベルグループに基づいて報酬を革新的に計算する。
  論文  参考訳（メタデータ） (2025-06-05T15:56:38Z)
• Constructing Tree-based Index for Efficient and Effective Dense Retrieval [26.706985694158384]
  JTRは、TReeベースのインデックスとクエリエンコーディングの合同最適化の略である。 我々は、木に基づくインデックスとクエリエンコーダをエンドツーエンドにトレーニングするために、新しい統合されたコントラスト学習損失を設計する。 実験結果から,JTRは高いシステム効率を維持しつつ,検索性能が向上することが示された。
  論文  参考訳（メタデータ） (2023-04-24T09:25:39Z)
• Efficient Non-Parametric Optimizer Search for Diverse Tasks [93.64739408827604]
  興味のあるタスクを直接検索できる,スケーラブルで汎用的なフレームワークを初めて提示する。 基礎となる数学表現の自然木構造に着想を得て、空間を超木に再配置する。 我々は,モンテカルロ法を木探索に適用し,レジェクションサンプリングと等価形状検出を備える。
  論文  参考訳（メタデータ） (2022-09-27T17:51:31Z)

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。