論文の概要: Certified Long-Horizon Code Agent Evolution via Validation-Gated Skill Optimization
- arxiv url: http://arxiv.org/abs/2609.32990v1
- Date: Sat, 26 Sep 2026 22:40:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-06 11:26:44.308645
- Title: Certified Long-Horizon Code Agent Evolution via Validation-Gated Skill Optimization
- Title（参考訳）: Validation-Gated Skill Optimization による認証長水平コードエージェントの進化
- Abstract要約: モデルウェイト更新のないロング水平エージェントの自己進化は、デプロイされたエージェントが再利用可能なスキルを蓄積し、時間とともに改善するために不可欠である。
我々は、コンテキスト内自己進化の概念を定式化し、長軸スキル最適化のための検証済みのフレームワークであるVALVEを導入する。
- 参考スコア（独自算出の注目度）: 60.6577349068408
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Long horizon agent self-evolution without model weight updates is essential for enabling deployed agents to accumulate reusable skills and improve over time. Prior self-evolution work has focused primarily on short-horizon tasks, while repository-level software engineering remains unexplored despite being an ideal testbed for long-horizon adaptation. In this setting, agents are required to solve streams of sequential tasks, navigate complex dependencies with evolving repositories and persistently store and reuse experience. Text-based skill optimization offers an efficient, non-parametric approach for such adaptation. However, existing methods often suffer from unstable updates, performance drawdown, and agent collapse over extended deployments. In this paper, we formalize the concept of in-context self-evolution and introduce VALVE, a validated-gated framework for long-horizon skill optimization. We establish finite convergence, provide theoretical guarantees for future-task gain and drawdown, and derive the validation and evaluation holdout sizes required for a prescribed tolerance, with leading-order scaling Empirically, our pipeline, VALVE achieves stable self-improvement over evolution horizon spanning more than 1,000 SWE tasks, with average final and peak gains of $14.9$ and $16.5$ points across three frontier models (GPT-5.5, Claude-4.6 and MiniMax-M2.7). The validation gate reduces average drawdown by 75% and produces an 11x more compact skill bank than ungated evolution. We further present extensive ablations identifying the design choices most critical to long-horizon skill evolution.
- Abstract（参考訳）: モデルウェイト更新のないロング水平エージェントの自己進化は、デプロイされたエージェントが再利用可能なスキルを蓄積し、時間とともに改善するために不可欠である。
従来の自己進化的な作業は、主に短期水平タスクに重点を置いていたが、リポジトリレベルのソフトウェアエンジニアリングは、長期水平適応のための理想的なテストベッドであるにもかかわらず、まだ探索されていない。
この設定では、エージェントはシーケンシャルなタスクのストリームを解決し、リポジトリの進化とともに複雑な依存関係をナビゲートし、経験を永続的に保存し再利用する必要がある。
テキストベースのスキル最適化は、そのような適応のための効率的で非パラメトリックなアプローチを提供する。
しかし、既存のメソッドは、しばしば不安定な更新、パフォーマンスの低下、拡張されたデプロイメントに対するエージェントの崩壊に悩まされる。
本稿では、コンテキスト内自己進化の概念を定式化し、長軸スキル最適化のための検証済みのフレームワークであるVALVEを紹介する。
我々は、有限収束を確立し、将来タスクのゲインとドローダウンの理論的保証を提供し、事前のスケーリングで所定の許容度に必要な検証と評価のホールドアウトサイズを導出する。 経験的に、VALVEは1,000 SWEタスクを超える進化的地平線上で安定した自己改善を実現し、平均的な最終およびピークゲインは、3つのフロンティアモデル(GPT-5.5, Claude-4.6, MiniMax-M2.7)で14.9$と16.5$である。
バリデーションゲートは平均ドローダウンを75%低減し、アンゲート進化よりも11倍コンパクトなスキルバンクを生成する。
さらに、長い水平スキルの進化に最も重要となる設計選択を識別する広範囲なアブリケーションを提示する。
関連論文リスト
- V-Gym: Enhancing Agentic Visual Reasoning via Skill-Data Co-Evolution [68.43599428916389]
V-Gymは、手続き的なスキルと実行軌跡からのマルチモーダルな実践データを反復的に進化させる、自律的なフレームワークである。
スキル進化の過程で、V-Gymは軌道を分析して階層的なスキルを蒸留し、洗練し、手続き的なガイダンスと適用性条件を更新する。
結果として得られた実践結果は、その後のスキル更新にフィードバックされ、継続的なスキル改善のループを閉じます。
論文 参考訳（メタデータ） (2026-09-28T09:09:24Z) - Self-evolving LLM agents with in-distribution Optimization [60.05867547965365]
大規模言語モデル(LLM)は最近、複雑な環境で対話的なエージェントのための強力なコントローラとして登場した。
本稿では,自動プロセス・リワードラベリングとポリシー学習を統一するLDMエージェントの自己進化フレームワークであるQ-Evolveを提案する。
我々は,AlfWorld,WebShop,ScienceWorldの手法を評価し,Q-Evolveがサンプル効率,堅牢性,全体的なタスク性能において高いベースラインを達成していることを示す。
論文 参考訳（メタデータ） (2026-06-05T15:09:52Z) - Skill-R1: Agent Skill Evolution via Reinforcement Learning [84.35984979949502]
Skill-R1は、検証可能な報酬からインスタンスレベルの繰り返しスキル最適化のための強化学習フレームワークである。
オープンソースモデルとクローズドソースモデルの両方とのブラックボックス互換性を維持しつつ、モデルレベルの更新よりも大幅に安価に適応できる。
論文 参考訳（メタデータ） (2026-05-10T06:19:15Z) - Learning Without Losing Identity: Capability Evolution for Embodied Agents [14.412476605788482]
エンボディエージェントのための機能中心進化パラダイムを提案する。
我々はロボットが認知的アイデンティティとして永続的なエージェントを維持するべきだと主張する。
エージェントアイデンティティから機能進化を分離する統合されたフレームワークを提案する。
論文 参考訳（メタデータ） (2026-04-09T04:51:07Z) - EvoClaw: Evaluating AI Agents on Continuous Software Evolution [47.49468375065129]
ノイズの多いコミットログから検証可能なマイルストーンDAGを再構築するエージェントパイプラインであるDeepCommitを紹介する。
これらの実行可能なシーケンスは、エージェントがシステムの完全性を維持し、エラーの蓄積を制限する必要がある新しいベンチマークであるEvoClawを可能にする。
論文 参考訳（メタデータ） (2026-03-13T03:20:40Z) - AIvilization v0: Toward Large-Scale Artificial Social Simulation with a Unified Agent Architecture and Adaptive Agent Profiles [15.355738327147558]
AIvilization v0は、リソース制限されたサンドボックス経済とLLMエージェントアーキテクチャを結合した、一般公開された大規模な人工社会である。
この環境は、生理的生存コスト、置換不可能な多層生産、AMMベースの価格体系、ゲート型教育占領システムを統合している。
我々は、鍵となるスタイル化された事実を再現し、教育やアクセス制限によって構築された富の成層化を生み出す安定した市場を見出した。
論文 参考訳（メタデータ） (2026-02-11T02:18:15Z) - Position: Agentic Evolution is the Path to Evolving LLMs [56.733933092220845]
この制限に対処するには、新たなスケーリング軸進化が必要です。
既存の展開時適応手法では、障害を診断し、持続的な改善を生み出すために必要な戦略的機関が欠如している。
論文 参考訳（メタデータ） (2026-01-30T22:15:58Z) - Yunjue Agent Tech Report: A Fully Reproducible, Zero-Start In-Situ Self-Evolving Agent System for Open-Ended Tasks [10.622439192272527]
従来のエージェントシステムは、タスク分布が継続的にドリフトし、外部の監視が不十分な、オープンな環境に苦しむ。
In-Situ Self-Evolving(In-Situ Self-Evolving)パラダイムを提案する。
このフレームワーク内では、新しい課題をナビゲートするためのツールを反復的に合成、最適化、再利用するシステムであるYunjue Agentを開発します。
論文 参考訳（メタデータ） (2026-01-26T07:27:47Z)
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。