論文の概要: CORTEX: A Verified Experience Layer for Generalist Agents
- arxiv url: http://arxiv.org/abs/2609.33260v1
- Date: Sun, 27 Sep 2026 06:06:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-06 01:47:00.787922
- Title: CORTEX: A Verified Experience Layer for Generalist Agents
- Title（参考訳）: CORTEX: ジェネラリストエージェントのための検証済みエクスペリエンスレイヤ
- Abstract要約: 我々は,認証済み体験の外部レイヤを通じて,特殊エージェントを接続する汎用AIシステムフレームワークであるCORTEXを紹介する。
各エピソードはタスク条件、ソースとツールの状態、決定的な述語、証明トレース、検証および結果を記録する。
我々は、正確なリプレイとソース・バージョン分離のためのシステム契約を定式化し、再利用の節約時に導出する。
- 参考スコア（独自算出の注目度）: 0.40719854602160227
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: An agent can solve a task today and face the same task under new facts, tools, or governing knowledge tomorrow. Most agent systems can retrieve relevant text or recall prior conversations, but they lack a principled way to decide when a previous solution is still valid, when it must be adapted, and when it should be discarded. We introduce CORTEX (Contextual Orchestration and Reuse of Task EXperience), a general AI systems framework that connects specialized agents through an external layer of verified experience. Each episode records its task conditions, source and tool state, decisive predicates, proof trace, verifier, and outcome. A meta-controller chooses exact replay, checked adaptation, fresh synthesis, or escalation. Accepted episodes can become task patterns and procedural strategies through a challenge-driven development loop. This gives the system an implicit competence layer that can grow without changing model weights. We formalize system contracts for exact replay and source-version separation, and derive when reuse saves computation. A controlled two-domain implementation tests the exact-replay core on 1,000 synthetic cases. Complete-family holdouts test procedural transfer on 1,000 new-family cases across eight clinical and policy splits, with complete fresh-evidence grounding and perfect invariance to irrelevant-field and insertion-order perturbations. The transfer trace exposes the work required for verified strategy execution. These results establish an initial path toward general intelligence through reusable procedures, typed experience, and developmental transfer.
- Abstract（参考訳）: エージェントは、今日あるタスクを解決し、新しい事実、ツール、あるいは明日の知識の管理の下で同じタスクに直面することができる。
ほとんどのエージェントシステムは、関連するテキストを検索したり、事前の会話をリコールすることができるが、以前のソリューションがいつ有効か、いつ適応する必要があるか、いつ破棄されるべきかを決めるための原則的な方法がない。
CORTEX (Contextual Orchestration and Reuse of Task Experience) は,特定のエージェントを検証済み体験の外部レイヤを介して接続する汎用AIシステムフレームワークである。
各エピソードはタスク条件、ソースとツールの状態、決定的な述語、証明トレース、検証および結果を記録する。
メタコントローラは、正確なリプレイ、チェックされた適応、新しい合成、エスカレーションを選択する。
受け入れられたエピソードは、チャレンジ駆動開発ループを通じてタスクパターンや手続き戦略になる可能性がある。
これにより、モデルウェイトを変更することなく成長できる暗黙の能力層がシステムに提供されます。
我々は、正確なリプレイとソース・バージョン分離のためのシステム契約を定式化し、再利用が計算を節約した時に導出する。
制御された2ドメイン実装は1,000の合成ケースで正確な再生コアをテストする。
完全家族ホールドアウトは、8つの臨床・政策分割にまたがる1,000の新規家族患者に対する手続き的移行をテストし、完全新鮮根拠と無関係フィールドと挿入順序の摂動に対する完全な不変性を検証した。
転送トレースは、検証された戦略実行に必要な作業を公開する。
これらの結果は、再利用可能な手順、型付き経験、発達的移動を通じて、汎用知能への最初の道を確立する。
関連論文リスト
- PAST-Bench: Benchmarking the Foundations of Recursive Self-Improvement in Personal Agents [50.9061759859778]
PAST-Benchは、保持されたエクスペリエンスがエージェントを時間とともに実際に改善するかどうかを識別するために設計されたベンチマークである。
遅延タスクのゲインと、そのゲインが意図したセーブ、リトリーブ、更新パスに従うかどうかを報告します。
我々はHermes+を開発し、エージェントループの段階にわたって5つのターゲット的介入でHermesを拡張した。
論文 参考訳（メタデータ） (2026-08-04T17:58:05Z) - PhyAgentOS: A Self-Evolving Operating System for Embodied Agents with Decoupled Cognitive Planning and Physical Execution [49.776611937968]
我々は、スケジューリング、検証、メモリ、ベンチマーク、安全性をシステムレベルのサービスとして提供するPhyAgentOSを紹介します。
セッション中心のセッションは、スケジューリング、互換性、監督された実行、エビデンス収集、受け入れの最小単位として、アクションではなくセッションを扱う。
SessionVerifierは、実行終了とセマンティックタスク完了を、成功、失敗、または再計画のエビデンスに基づいて判断する。
ベンチマークはデプロイメントセッションと検証パスを再利用するので、結果は実際の実行に遡る。
論文 参考訳（メタデータ） (2026-07-18T04:46:53Z) - AEVAL: From Anecdotal to Deterministic Testing for Agentic Skill Workflows [1.6785141970297952]
AEVAL(Agentic Evaluation)はCI統合フレームワークで、このプラクティスをエージェントスキルのための決定論的かつ再現可能なテストパイプラインに置き換える。
すべてのスキル変更がテストイベントをトリガーする。スキルは、自動エグゼキュータ内の開発者が宣言した評価契約に対して実行される。
鍵となる要素は、実行子とグレーダの間の構造的分離であり、微妙だが広汎な障害モードを防止する。
論文 参考訳（メタデータ） (2026-07-16T21:33:05Z) - MOSS: Self-Evolution through Source-Level Rewriting in Autonomous Agent Systems [36.221246203666745]
MOSSは、生産エージェント基板上でソースレベルで自己書き換えを行うシステムである。
平均成績は0.25から0.61に上昇し、人間の介入なしに1サイクルで上昇する。
論文 参考訳（メタデータ） (2026-05-21T17:48:33Z) - From I/O to Code with Discovery Agent [103.88427301265669]
IO2Codeの発見エージェントであるDIO-Agentを提案する。
本手法は,プログラム空間上の進化的探索としてIO2Codeをフレーム化する。
大規模な実験により、DIO-Agentは従来のプログラムバイサンプル法とSOTA進化エージェントベースラインの両方を一貫して上回っていることが示された。
論文 参考訳（メタデータ） (2026-05-14T18:57:32Z) - How to Interpret Agent Behavior [56.59836196946289]
本稿では,エージェントの動作を実行時に記述・解析するための分類法であるACT*ONOMYを紹介する。
共用語彙を提供することで、ACT*ONOMYは研究者、エージェントデザイナー、エンドユーザーがエージェントの振る舞いをより一貫して解釈するのに役立つ。
論文 参考訳（メタデータ） (2026-05-13T14:52:40Z) - AgentProcessBench: Diagnosing Step-Level Process Quality in Tool-Using Agents [50.481033105867205]
我々はAgentProcessBenchを紹介した。AgentProcessBenchは、現実的なツール拡張トラジェクトリにおけるステップレベルの有効性を評価するための最初のベンチマークである。
ベンチマークは、1,000の多様な軌跡と8,509の人間ラベル付きステップアノテーションと89.1%のアノテーション間合意で構成されている。
探索をキャプチャする3つのラベリングスキームと、ラベルのあいまいさを減らすためのエラー伝搬ルールを備えている。
論文 参考訳（メタデータ） (2026-03-15T16:13:58Z) - ReCreate: Reasoning and Creating Domain Agents Driven by Experience [14.353866611611672]
ReCreateは、ドメインエージェントの自動生成のためのエクスペリエンス駆動フレームワークである。
本稿では,経験から効果的に学習するエージェント・アズ・オプティマイザ・パラダイムを提案する。
さまざまな領域にわたる実験では、ReCreateは人間設計エージェントよりも一貫して優れています。
論文 参考訳（メタデータ） (2026-01-16T09:00:03Z) - From Reproduction to Replication: Evaluating Research Agents with Progressive Code Masking [48.90371827091671]
AutoExperimentは、AIエージェントの機械学習実験の実装と実行能力を評価するベンチマークである。
我々は最先端のエージェントを評価し、n$が増加するにつれて性能が急速に低下することを発見した。
本研究は、長期コード生成、文脈検索、自律的な実験実行における重要な課題を浮き彫りにした。
論文 参考訳（メタデータ） (2025-06-24T15:39:20Z)
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。