論文の概要: FINSKILLOPS: A Self-Evolving Multi-Agent System for SEC Filing QA
- arxiv url: http://arxiv.org/abs/2609.19680v1
- Date: Thu, 17 Sep 2026 04:25:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-20 08:55:54.099564
- Title: FINSKILLOPS: A Self-Evolving Multi-Agent System for SEC Filing QA
- Title（参考訳）: FINSKILLOPS:SECファイリングQAのための自己進化型マルチエージェントシステム
- Abstract要約: 既存の自己改善手法は、失敗を新しい振る舞いに変えることができる。
我々は、デプロイ後の改善を、制御された行動維持とみなしている。
SECの申請QAのためのマルチエージェントシステムであるFINSKILLOPSで、この見解をインスタンス化する。
- 参考スコア（独自算出の注目度）: 19.781137463581274
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Financial QA systems are typically improved before deployment through better retrieval, prompting, or agent coordination, leaving their reliability behavior fixed thereafter. In practice, new SEC-filing questions repeatedly expose heterogeneous errors in period, entity, evidence use, and calculation. Existing self-improvement methods can turn failures into new behaviors, but offer limited control over where a correction should apply or which previously correct answers it may break. We therefore frame post-deployment improvement as controlled behavioral maintenance: recurring failures should become scoped skill patches, and each patch should earn deployment with- out introducing regressions. We instantiate this view in FINSKILLOPS, a multi-agent system for SEC filing QA. FINSKILLOPS derives reusable skills from evidence-grounded, typed failure diagnoses and governs them through targeted validation, protected-case regression checks, negative controls, and versioned replacement or retirement. Across six financial QA benchmarks, a single frozen skill registry achieves the highest verdict-weighted correctness and reference consistency among the evaluated systems. Evolved skills raise correctness from 3.70 to 4.55 on our enhanced benchmark. In a separate 12-round operational study, only six of 33 proposed skills are promoted, while the monitoring non-correct rate falls from 20.0% to 12.5%. These results establish controlled skill scope, admission, and lifecycle management as the foundation for reliable self-improvement.
- Abstract（参考訳）: 金融QAシステムは通常、より良い検索、プロンプト、エージェント調整を通じてデプロイ前に改善され、その後信頼性の挙動が固定される。
実際には、SECによる新たな質問は、期間、実体、証拠の使用、計算において不均一なエラーを繰り返す。
既存の自己改善手法は、障害を新しい行動に変えることができるが、修正が適用されるべき場所や、以前に修正された回答が壊れる可能性のある場所の限定的な制御を提供する。
繰り返し発生する障害は、スコープ化されたスキルパッチになり、各パッチは、レグレッションを導入してデプロイするべきである。
SECの申請QAのためのマルチエージェントシステムであるFINSKILLOPSで、この見解をインスタンス化する。
FINSKILLOPSは、エビデンスでタイプされた障害診断から再利用可能なスキルを導き、対象のバリデーション、保護ケースの回帰チェック、ネガティブコントロール、バージョン付きリプレースまたはリタイアを通じてそれらを管理します。
6つのファイナンシャルQAベンチマークで、単一のフリーズスキルレジストリは、評価されたシステムの中で最高の予測重み付けの正確性と基準整合性を達成する。
進化したスキルは、強化されたベンチマークで3.70から4.55に正確性を高めます。
別個の12ラウンドの運用調査では、33のスキルのうち6つのみが推進され、非修正率の監視は20.0%から12.5%に低下する。
これらの結果は、信頼性の高い自己改善の基礎として、制御されたスキルスコープ、受け入れ、ライフサイクル管理を確立する。
関連論文リスト
- Towards Expert Financial QA via Self-Improving RAG [2.1042118213583394]
自己改善RAGは文書QAを3つの特殊エージェントに分解するフレームワークである。
Retrieval, Reasoning, judgeは、フィードバック駆動の自己補正を備えたオーケストレータによって調整される。
我々は、自己改善RAGが約86%のオラクル誘導精度を36.4%のラザラスレートで達成するファイナンスベンチ(SECの申請QA)を評価する。
論文 参考訳（メタデータ） (2026-08-27T07:01:41Z) - Coalition-Aware Skill Reliability for Self-Evolving Agents [49.43736235959317]
エージェントのスキルバンクに蓄積したスキルが、実際にポジティブなメカニスティックな貢献をするかどうかを検討する。
銀行レベルが上昇する連立政権の公害は、負の連立政権レベルのスキル貢献を隠蔽し、クロスドメイン・ユーティリティ・リバーサル(クロスドメイン・リヴァーサル)であり、ソース・ベネシカル・スキルが移転後の効果を逆転させることを示している。
これらの知見は, スキル蓄積時の連帯認識スキル選択と, 移行後のラベルフリースキルマスキングの2つの信頼性介入の動機となった。
論文 参考訳（メタデータ） (2026-08-23T21:35:22Z) - FRAMES: Guarded and Dual-Objective Skill Evolution for Agents in Policy-Governed Enterprise Workflows [10.830716991438878]
FRAMESはクローズドループフレームワークで、既存のアセットからデプロイ可能なスキルをコールドスタートし、それを進化させる。
ベースライン間で最高の精度とコストのトレードオフを達成し、タウベンチで再現されるのと同じ利得が得られる。
論文 参考訳（メタデータ） (2026-08-03T06:46:47Z) - SVR: Self-Verifying Refinement via Joint Verdict-Confidence Reinforcement Learning for Adaptive Test-Time Compute [62.3458279176813]
自己検証リファインメント(Self-Verifying Refinement)は、オラクルフリーのマルチターン強化学習フレームワークである。
自己検証を計算制御ポリシとして使用することを学ぶ。
マクロ平均精度は0.563で、平均で2.99回しか推測できない。
論文 参考訳（メタデータ） (2026-07-30T16:20:58Z) - PACE: Anytime-Valid Acceptance Tests for Self-Evolving Agents [0.0]
自己進化型エージェントは、自身のプロンプト、スキル、オーモーフィケーションの変更を繰り返し提案することで改善する。
Qwen2.5 のエージェント (0.5B-3B) が GSM8K, SVAMP, ARC-Challenge のプロンプトレベルで自己進化する際、greedy は 30-42% の偽陽性と 10-33% の有害な編集をコミットする。
PACEは実際のものをコミットし、グリーディのホールトアウトの精度を著しく低いばらつきと約18%低い評価コストで一致させる。
論文 参考訳（メタデータ） (2026-06-06T11:12:11Z) - On-Policy Self-Evolution via Failure Trajectories for Agentic Safety Alignment [54.30690671490447]
既存の安全アライメント信号は、主に応答レベルまたは政治外である。
FATEは、検証済みの失敗を専門家のデモンストレーションなしで修復管理に変換する。
FATEは攻撃成功率を33.5%、有害なコンプライアンスを82.6%削減し、外的軌道安全診断を6.5%改善する。
論文 参考訳（メタデータ） (2026-05-12T09:56:28Z) - Automated Self-Testing as a Quality Gate: Evidence-Driven Release Management for LLM Applications [51.56484100374058]
我々は,エビデンスに基づくリリース決定を伴う品質ゲートを導入する自動自己テストフレームワークを提案する。
内部展開型多エージェント対話型AIシステムの縦型ケーススタディにより,本フレームワークの評価を行った。
論文 参考訳（メタデータ） (2026-03-13T20:44:15Z) - CARE What Fails: Contrastive Anchored-REflection for Verifiable Multimodal [84.71254539482369]
検証可能な報酬を伴うグループ相対的強化学習(RLVR)は、しばしば、すでに失敗している最も情報に富むデータを浪費する。
エラーを監督するマルチモーダル推論のための,障害中心のポストトレーニングフレームワークであるCAREを提案する。
CAREは正確さを改善し、スムーズさをトレーニングすると同時に、障害からの学習信号のシェアを明示的に増やします。
論文 参考訳（メタデータ） (2025-12-22T16:34:21Z) - Refine and Align: Confidence Calibration through Multi-Agent Interaction in VQA [8.879640496857661]
本稿では,視覚質問応答のための議論ベースのマルチエージェントフレームワークAlignVQAを紹介する。
よりキャリブレーションされた特殊エージェントは、より整合性のある信頼性を生み出す。
また、特殊エージェントを微調整するために、アライメントカルと呼ばれる、識別可能なキャリブレーション対応損失関数も導入した。
論文 参考訳（メタデータ） (2025-11-14T11:08:21Z) - Making LLMs Reliable When It Matters Most: A Five-Layer Architecture for High-Stakes Decisions [51.56484100374058]
現在の大規模言語モデル(LLM)は、実行前にアウトプットをチェックできるが、不確実な結果を伴う高い戦略決定には信頼性が低い検証可能な領域で優れている。
このギャップは、人間と人工知能(AI)システムの相互認知バイアスによって引き起こされ、そのセクターにおける評価と投資の持続可能性の保証を脅かす。
本報告では、7つのフロンティアグレードLDMと3つの市場向けベンチャーヴィグネットの時間的圧力下での系統的質的評価から生まれた枠組みについて述べる。
論文 参考訳（メタデータ） (2025-11-10T22:24:21Z)
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。