論文の概要: EverMine: Dissecting the Self-Evolution of Research Capabilities in Long-Horizon Alpha Research
- arxiv url: http://arxiv.org/abs/2609.33524v1
- Date: Sun, 27 Sep 2026 12:46:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-05 16:05:48.137389
- Title: EverMine: Dissecting the Self-Evolution of Research Capabilities in Long-Horizon Alpha Research
- Title（参考訳）: EverMine: 長距離アルファ研究における研究能力の自己進化
- Abstract要約: 自己進化型エージェントは、研究のフィードバックを再利用可能なスキル、ツール、研究ルールに変えることを目的としている。
EverMineは研究状態をヒストリ(Hist)、現在のファクターポートフォリオ(Frontier)、再利用可能な機能(Cap)に分解する。
- 参考スコア（独自算出の注目度）: 19.661593867874767
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Self-evolving agents aim to turn research feedback into reusable skills, tools, and research rules. Whether these accumulated capabilities continue to improve later research requires controlled evaluation. Long-horizon alpha discovery provides a state-dependent setting: once a new factor enters the portfolio, the predictive information already covered changes, so the value of the same candidate or experience may change over time. We introduce EverMine, an empirical framework for studying self-evolving research capabilities in long-horizon alpha discovery. EverMine decomposes the research state into history (Hist), the current factor portfolio (Frontier), and reusable capabilities (Cap). Under matched resource limits, we compare complete runs with fixed or evolving Cap, and replace Cap while holding Hist and Frontier fixed to estimate the conditional value of accumulated capabilities. We also combine full trajectories with historical-state replay to examine how experience-based decisions affect candidate selection and portfolio outcomes. Across 18 long-horizon trajectories, end-to-end comparisons show no consistent gain from Cap evolution. Across 48 continuation branches from shared Hist and Frontier states, accumulated Cap also does not consistently outperform the initial Cap. Parameter tuning of existing factor structures can still improve the portfolio. In an exploratory replay of two screening batches from one Evolving trajectory, some screened-out candidates have positive marginal value at the original state, yet submitting all screened-out candidates sequentially slightly lowers final portfolio IC in both batches. These results show that candidate value depends on the evolving portfolio and submission order, and motivate evaluating self-evolving research capabilities through end-to-end outcomes, conditional capability value, and the consequences of experience-based decisions.
- Abstract（参考訳）: 自己進化型エージェントは、研究のフィードバックを再利用可能なスキル、ツール、研究ルールに変えることを目的としている。
これらの蓄積した能力がその後の研究を改善し続けるかどうかは、制御された評価が必要である。
新しい要素がポートフォリオに入ると、予測情報が既に変化し、同じ候補や経験の値が時間とともに変化する可能性がある。
本研究では,長期的アルファ発見における自己進化研究能力の実証的枠組みであるEverMineを紹介する。
EverMineは研究状態をヒストリ(Hist)、現在のファクターポートフォリオ(Frontier)、再利用可能な機能(Cap)に分解する。
一致したリソース制限の下では、完全な実行とCapの修正または進化を比較し、蓄積された機能の条件値を見積もるためにHistとFrontierを固定したままCapを置き換える。
また、経験に基づく決定が候補者の選択やポートフォリオの成果にどのように影響するかを調べるために、完全な軌道と歴史的状態のリプレイを組み合わせる。
18の長い水平軌道において、終末比較はキャップの進化から一貫した利得を示さない。
共有されたHist状態とFrontier状態からの48以上の継続ブランチは、蓄積されたCapも、初期Capを一貫して上回るものではない。
既存の因子構造のパラメータチューニングは、まだポートフォリオを改善することができる。
1つのEvolving trajectoryからの2つのスクリーニングバッチの探索的なリプレイでは、スクリーニングアウト候補のいくつかは、元の状態において正の限界値を持つが、スクリーニングアウト候補のすべては、両方のバッチにおいて最終ポートフォリオICをわずかに低下させる。
これらの結果から, 候補価値はポートフォリオの進化と受注順序に依存し, エンド・ツー・エンドの成果, 条件付き能力値, 経験に基づく意思決定の結果を通じて, 自己発展研究能力の評価を動機付けることが示唆された。
関連論文リスト
- ARISE: Adapting to Evolving Capability Gaps in Agentic Reinforcement Learning [28.762002702466532]
ARISEは、ロールアウトエビデンスを使用して評価基準、探索ガイダンス、トレーニング優先順位を継続的に適用する強化学習フレームワークである。
ARISEは、全体的なタスクパフォーマンスとトレーニング効率の両方をうまく向上させる。
論文 参考訳（メタデータ） (2026-09-28T16:14:07Z) - AlphaDiverse: Post-Training Local Quantitative Research Agents for Diverse Exploration in Alpha Factor Mining [6.735679858471564]
本稿では,マルチエージェントのアルファ研究システム,多様な研究パスの収集,ローカルエージェントのポストトレーニングなどを統合するフレームワークを提案する。
4つの中国の宇宙での実験は、AlphaDiverseが競争予測とより広い探索を組み合わせられることを示している。
論文 参考訳（メタデータ） (2026-09-24T04:29:37Z) - Beyond Endpoint Performance: Process-Level Evaluation of Self-Evolving Agents [20.811638832981178]
EvoPathBenchは、アーティファクトレベルの自己進化中の個々の機能を追跡するベンチマークである。
不可解なタスクへの一般化、無関係な学習後の保持、新しいエビデンスへのルール適応の3つの機能をテストする。
論文 参考訳（メタデータ） (2026-09-21T14:28:06Z) - Reuse Before You Retrieve: Diagnosing Headroom and Complementarity for Test-Time Augmentation of Embodied Multimodal Policies [56.86456077356948]
凍結言語アクション(VLA)ポリシーは、テスト時に徐々に改善されている。
追加のサンプリングは、ポリシーのロールアウト内により優れた振る舞いが存在する場合にのみ有効である。
検索は、関連するアクションがポリシーによって確実に表現されない場合に最も有用である。
論文 参考訳（メタデータ） (2026-08-18T08:11:31Z) - AgentOPSD: Recursive Self-Distillation for Agentic Reinforcement Learning [58.76655851910778]
AgentOPSDは、エージェント強化学習におけるターンレベルのクレジット割り当てのための、批判のない再帰的手法である。
ALFWorld, WebShop, Search-QA上のAgentOPSDを2つのスケールでQwen2.5モデルを用いて評価する(3B, 7B)。
論文 参考訳（メタデータ） (2026-08-06T13:00:59Z) - NanoResearch: Co-Evolving Skills, Memory, and Policy for Personalized Research Automation [59.19858972597063]
LLMを利用したマルチエージェントシステムは、アイデアから論文執筆までの完全な研究パイプラインを自動化できるようになったが、根本的な疑問が残る。
我々は,三段階共進化によってこれらのギャップに対処するマルチエージェントフレームワークであるNanoResearchを提案する。
技能銀行は、繰り返しの業務をプロジェクト間で再利用可能なコンパクトな手続き規則に蒸留する。
メモリモジュールは、各ユーザの研究履歴における計画決定の基礎となる、ユーザとプロジェクト特有のエクスペリエンスを維持します。
ラベルフリーポリシー学習は、自由形式のフィードバックをプランナーの永続パラメータ更新に変換し、その後の調整を再構築する。
論文 参考訳（メタデータ） (2026-05-11T16:33:47Z) - FRESCO: Benchmarking and Optimizing Re-rankers for Evolving Semantic Conflict in Retrieval-Augmented Generation [73.22935457705057]
時間的動的文脈における再ランカ評価のためのベンチマークであるFRESCOを紹介する。
レクエンシ検索クエリと過去のウィキペディアのリビジョンを組み合わせることで、FRESCOは、セマンティックな関連性を維持しながら、リランカが事実として最新の証拠を優先順位付けできるかどうかをテストする。
我々の評価では、既存の再ランカ間で一貫した障害モードが明らかになっている。
論文 参考訳（メタデータ） (2026-04-14T17:04:25Z) - SELF-REDRAFT: Eliciting Intrinsic Exploration-Exploitation Balance in Test-Time Scaling for Code Generation [12.241337921137259]
インタプリタのフィードバックなしにテスト時のスケーリングは、現実のコード生成シナリオに不可欠である。
SELF-REDRAFTはSelf-Refine上に構築されたフレームワークで、根本的な欠陥のあるソリューションのための新しいドラフトの提案を促進する。
論文 参考訳（メタデータ） (2025-10-31T06:30:47Z) - LongDPO: Unlock Better Long-form Generation Abilities for LLMs via Critique-augmented Stepwise Information [76.26257306813899]
学術論文やリポジトリレベルのコード生成には,長文生成が不可欠だ。
選好学習と結果管理を併用する既存の手法は、拡張された文脈に対して詳細なフィードバックを提供するのに失敗することが多い。
プロセスの監督を取り入れた長文生成の促進を提案する。
論文 参考訳（メタデータ） (2025-02-04T08:25:17Z)
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。