論文の概要: TTSE: A Two-Track Online Self-Evolution Framework

• arxiv url: http://arxiv.org/abs/2609.24289v1
• Date: Mon, 21 Sep 2026 08:47:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:01.224266
• Title: TTSE: A Two-Track Online Self-Evolution Framework
• Title（参考訳）: TTSE: 2トラックオンラインセルフ進化フレームワーク
• Abstract要約: 本稿では、進化する知識をFACT(環境事実)とTIP(タスク条件付き実装手順)に分離する2トラックオンライン自己進化フレームワークであるTTSE(Two-Track Self-Evolution)を提案する。 実際、TTSEのGDPevoにおけるアブレーション実験は、二重トラックの進化の利点を証明している。
• 参考スコア（独自算出の注目度）: 9.966981132533842
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As Large Language Model (LLM) agents are applied in continuously interactive environments, driving the evolution of their own capabilities becomes a core problem for achieving long-term autonomy. Currently, environmental knowledge is typically treated as an external fixed input rather than as part of the agent's ongoing evolution. Reinforcement learning methods usually optimize policies through environmental interaction but tend to adapt only to fixed task distributions or single environments. This paper proposes TTSE (Two-Track Self-Evolution), a dual-track online self-evolution framework that separates evolving knowledge into FACT (environmental facts, whose reliability is continuously verified through interaction evidence) and TIP (task-conditioned implementation procedures). From a decision-theoretic perspective, we decompose the agent's excess risk into environment-representation regret and conditional-execution regret, characterize the conditions under which environment-conditioned policies strictly outperform condition-agnostic policies, and bound the downstream risk in terms of FACT identification error and cross-condition mismatch cost. In practice, TTSE's ablation experiments on GDPevo validate the advantage of dual-track evolution. On the classic agent task benchmarks ALFWorld and ScienceWorld, TTSE further demonstrates superior task adaptation. Moreover, TTSE is broadly compatible with existing skill self-evolution methods; combined with the Bayesian-Agent algorithm, a single-track ablation validates the dual-track advantage, substantially improving the aggregate score across the five major domains of SOPBench over three independent repetitions. Finally, on the real end-to-end task benchmark PinchBench, TTSE is integrated into a general agent framework via retrieval-based injection and stably outperforms the baseline across three independent runs.
• Abstract（参考訳）: 大規模言語モデル(LLM)エージェントが継続的に対話的な環境に適用されるため、彼らの能力の進化を駆動することは、長期的な自律性を達成するための中核的な問題となる。 現在、環境知識は、通常、エージェントの継続的な進化の一部としてではなく、外部の固定入力として扱われている。 強化学習法は通常、環境相互作用を通じてポリシーを最適化するが、固定されたタスク分布や単一環境にのみ適応する傾向がある。 本稿では,進化する知識をFACT(環境事象,インタラクション証拠を通じて信頼性を継続的に検証する)とTIP(タスク条件付き実装手順)に分離する2トラックオンライン自己進化フレームワークであるTTSE(Two-Track Self-Evolution)を提案する。 意思決定論の観点からは,エージェントの過大なリスクを環境表現的後悔と条件付き実行的後悔に分解し,環境条件付き政策が厳格に条件に依存しない政策を上回り,FACT識別ミスや条件間ミスマッチコストの観点から下流リスクを拘束する条件を特徴付ける。 実際、TTSEのGDPevoにおけるアブレーション実験は、二重トラックの進化の利点を証明している。 ALFWorldとScienceWorldの古典的なエージェントタスクベンチマークでは、TTSEはさらに優れたタスク適応を示している。 さらに、TTSEは既存のスキル自己進化法と広く互換性があり、ベイジアン・アジェントアルゴリズムと組み合わせて、シングルトラックアブレーションは2トラックの優位性を検証し、3つの独立した繰り返しに対してSOPBenchの5つの主要ドメインの合計スコアを大幅に改善する。 最後に、実際のエンドツーエンドタスクベンチマークであるPinchBenchでは、TTSEが検索ベースのインジェクションを通じて一般的なエージェントフレームワークに統合され、3つの独立した実行でベースラインを安定的に上回る。

関連論文リスト

• Evolving in the Agent Jungle via History-Informed Opponent Awareness [12.282686233879012]
  OASEは、動的マルチエージェント環境で真に有益なスキルリビジョンを特定し、採用する。 我々はOASEを2つの意思決定シナリオで評価する: 第一価格オークションと民間のCournotコンペティション。
  論文  参考訳（メタデータ） (2026-08-03T10:06:23Z)
• RetroAgent: From Solving to Evolving via Retrospective Dual Intrinsic Feedback [54.39884046754265]
  RetroAgentは、エージェントが複雑なインタラクティブ環境をマスターできるオンラインRLフレームワークである。 実験の結果,RetroAgentはSOTA(State-of-the-art)の性能を達成できた。
  論文  参考訳（メタデータ） (2026-03-09T16:23:33Z)
• POLARIS: Is Multi-Agentic Reasoning the Next Wave in Engineering Self-Adaptive Systems? [0.0]
  POLARISは3層多層自己適応フレームワークである。 不確実性に対処し、過去の行動から学び、その戦略を進化させる。 SWIMとSWITCHの2つの自己適応型指数に対する予備評価は、POLARISが一貫して最先端のベースラインを上回っていることを示している。
  論文  参考訳（メタデータ） (2025-12-04T11:51:03Z)
• MSDA: Combining Pseudo-labeling and Self-Supervision for Unsupervised Domain Adaptation in ASR [59.83547898874152]
  本稿では,自己教師付き学習と半教師付き技術を統合する,サンプル効率のよい2段階適応手法を提案する。 MSDAは、ASRモデルの堅牢性と一般化を強化するように設計されている。 本稿では,メタPLがASRタスクに効果的に適用可能であることを示す。
  論文  参考訳（メタデータ） (2025-05-30T14:46:05Z)
• Collaborative Value Function Estimation Under Model Mismatch: A Federated Temporal Difference Analysis [55.13545823385091]
  フェデレーション強化学習(FedRL)は、エージェント間のデータ交換を防止し、データのプライバシを維持しながら協調学習を可能にする。 現実世界のアプリケーションでは、各エージェントは若干異なる遷移ダイナミクスを経験し、固有のモデルミスマッチを引き起こす。 情報共有の適度なレベルでさえ、環境固有のエラーを著しく軽減することを示す。
  論文  参考訳（メタデータ） (2025-03-21T18:06:28Z)
• Bi-TTA: Bidirectional Test-Time Adapter for Remote Physiological Measurement [25.11883761217408]
  リモート光胸腺撮影(r)は、カメラのみを用いて生理的信号を監視する非侵襲的アプローチとして注目されている。 約束にもかかわらず、新しいドメインへのrモデルの適応性は、生理的信号の環境感受性のために妨げられている。 Bi-TTA(Bidirectional Test-Time Adapter)フレームワークについて紹介する。
  論文  参考訳（メタデータ） (2024-09-25T19:55:20Z)
• OIL-AD: An Anomaly Detection Framework for Sequential Decision Sequences [16.828732283348817]
  オフライン学習に基づく異常検出(OIL-AD)と呼ばれる教師なし手法を提案する。 OIL-ADは2つの抽出された行動特徴(行動最適性と順序関連)を用いて、意思決定シーケンスの異常を検出する。 実験の結果,OIL-ADはF1スコアを最大34.8%向上し,優れたオンライン異常検出性能が得られることがわかった。
  論文  参考訳（メタデータ） (2024-02-07T04:06:53Z)

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。