論文の概要: V-Gym: Enhancing Agentic Visual Reasoning via Skill-Data Co-Evolution

• arxiv url: http://arxiv.org/abs/2609.34682v1
• Date: Mon, 28 Sep 2026 09:09:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 11:19:36.563216
• Title: V-Gym: Enhancing Agentic Visual Reasoning via Skill-Data Co-Evolution
• Title（参考訳）: V-Gym: スキルデータ共進化によるエージェント視覚推論の強化
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 68.43599428916389
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Advances in multimodal understanding, reasoning, and tool use enable agents to tackle increasingly complex visual reasoning tasks. By distilling past execution experience into reusable skills, agents can transfer lessons from both successes and failures into future reasoning, reducing repeated errors and improving capabilities. However, limited experience may produce unreliable, poorly generalizable skills, while static datasets may lack the targeted and diverse practice needed for refinement. To address this gap, we introduce V-Gym, an autonomous framework that iteratively co-evolves procedural skills and multimodal practice data from execution trajectories. During skill evolution, V-Gym analyzes trajectories to distill and refine hierarchical skills, updating procedural guidance and applicability conditions while retaining an update only if it improves validation performance. During data evolution, V-Gym selects generation seeds by balancing data utility and exploration, then translates trajectory-identified bottlenecks into diverse, targeted practice data that expand the data bank after quality checks. The resulting practice outcomes feed back into subsequent skill updates, closing the loop for continual skill refinement. Experiments across diverse multimodal reasoning benchmarks show substantial improvements over baselines with multiple backbone models. Its evolved skills generalize across domains and models, while evolved data support more effective skill refinement, enabling autonomous diagnosis, targeted practice, and continual self-improvement.
• Abstract（参考訳）: マルチモーダル理解、推論、ツールの使用の進歩により、エージェントはますます複雑な視覚的推論タスクに取り組むことができる。 過去の実行経験を再利用可能なスキルに蒸留することで、エージェントは成功と失敗の両方から、将来の推論に教訓を移し、繰り返しエラーを減らし、能力を改善することができる。 しかし、限られた経験は信頼性が低く、一般化しにくいスキルを生み出し、静的なデータセットは改良に必要なターゲットと多種多様なプラクティスを欠いている。 このギャップに対処するために、我々は、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V-Gymを紹介した。 スキル進化の過程で、V-Gymは階層的なスキルを蒸留・精錬するための軌跡を分析し、手続き的なガイダンスと適用条件を更新し、検証性能を改善する場合にのみ更新を保持する。 データ進化の間、V-Gymはデータユーティリティと探索のバランスをとることで生成種子を選択し、その後、軌跡識別されたボトルネックを、品質チェック後にデータバンクを拡張するための多種多様な目標の実践データに変換する。 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。 多様なマルチモーダル推論ベンチマークによる実験は、複数のバックボーンモデルによるベースラインよりも大幅に改善されている。 その進化したスキルはドメインやモデルにまたがって一般化される一方、進化したデータはより効果的なスキル改善をサポートし、自律的な診断、目標とするプラクティス、継続的な自己改善を可能にする。

関連論文リスト

• VCE-Skill: Enhancing Skill Self-Evolution with Version-Change Experience [12.60845363300573]
  既存のスキル自己進化手法は、主に現在のタスクから収集された実行軌跡を使ってスキルを改訂する。 本稿では,VCE-Skillを提案する。VCE-Skillは,ノイズや実装固有の公開スキルの変更を再利用し,再利用可能なバージョンチェンジエクスペリエンスを実現する。 私たちの研究は、事前知識の未熟だが効果的な源泉として、公開スキルのバージョン変更を強調し、軌道駆動スキルの自己進化を前進させます。
  論文  参考訳（メタデータ） (2026-08-17T13:16:59Z)
• Evo-Harness: Context-to-Harness Skill Compilation for Self-Evolving Agents [67.97365535829098]
  経験から学ぶことは、有能で自己改善型の大規模言語モデル(LLM)エージェントの開発に不可欠である。 Evo-Harnessは、ノイズの多いシングルショット実行を、クロスドメインとトピックレベルの適応のための再利用可能なスキルハーネスに蒸留する。 本分析は,エボ・ハーネスの有効性を実証し,LLMエージェントがリアルタイムで効果的に学習する方法の原理的理解を提供する。
  論文  参考訳（メタデータ） (2026-08-15T06:43:56Z)
• ContinualSkillBench: Can LLM Agents Truly Evolve Their Capabilities? [42.712923465058786]
  In-context連続型スキル学習のための動的評価フレームワークであるContinualSkillBenchを紹介する。 シーケンシャルな実行は一般的にパフォーマンスを改善するが、モデルやドメインによって大きな違いがある。 さらに、より能力の低いモデルは、より大きな、より断片化されたタスク固有のスキルのコレクションを蓄積する傾向にある。
  論文  参考訳（メタデータ） (2026-08-04T16:15:02Z)
• Rethinking Self-Evolution: A Constrained Exploration-Exploitation Process for Mitigating Skill Overfitting [20.811638832981178]
  大規模言語モデル(LLM)エージェントは、過去のインタラクションからの経験を蓄積し再利用する必要がある。 データ駆動のスキル最適化は、実際の環境から収集された限られた軌道に過度に適合する傾向がある。 リスクを緩和する3段階フレームワークであるSkillBoostを提案する。
  論文  参考訳（メタデータ） (2026-07-29T09:05:40Z)
• Skill Self-Play: Pushing the Frontier of LLM Capability with Co-Evolving Skills [53.15216425100295]
  本稿では,提案者,解決者,スキルコントローラからなる共進化型フレームワークであるスキルセルフプレイ(スキルSP)を紹介する。 プロジェクタは動的にサンプリングされたスキルを前提とした挑戦的なタスクを生成し、ソルバは能力境界を押し上げるための候補ソリューションを探索し、スキルコントローラは実行フィードバックを収集してスキルライブラリを更新および拡張する。 このインタラクティブな共進化は、構造化された検証とオープンな調査の間のギャップを効果的に埋める。
  論文  参考訳（メタデータ） (2026-07-24T17:59:22Z)
• SkillEvolBench: Benchmarking the Evolution from Episodic Experience to Procedural Skills [31.23929961213889]
  大規模言語モデル(LLM)エージェントは、現実世界のタスクを解きながら豊富なエピソード軌道を蓄積する。 SkillEvolBenchは、経験の再利用からスキル形成まで、このステップを評価するための診断ベンチマークである。 現在のエージェントは、しばしばローカルに適応するが、堅牢な再利用可能なスキルを形成することは滅多にない。
  論文  参考訳（メタデータ） (2026-05-22T18:23:31Z)
• Multi-Stage Knowledge Integration of Vision-Language Models for Continual Learning [79.46570165281084]
  蒸留法における人間の学習過程をエミュレートするマルチステージ知識統合ネットワーク(MulKI)を提案する。 Mulkiは、イデオロギーの排除、新しいイデオロギーの追加、イデオロギーの排除、コネクティクスの作りという4つの段階を通じてこれを達成している。 提案手法は,下流タスク間の連続学習をサポートしながら,ゼロショット能力の維持における大幅な改善を示す。
  論文  参考訳（メタデータ） (2024-11-11T07:36:19Z)
• Continual Diffuser (CoD): Mastering Continual Offline Reinforcement Learning with Experience Rehearsal [54.93261535899478]
  強化学習のロボット制御のような現実世界の応用では、タスクが変化し、新しいタスクが順次発生する。 この状況は、タスクの変更に適応し、獲得した知識を保持するエージェントを訓練する上で、可塑性-安定トレードオフという新たな課題を生じさせる。 本研究では,連続拡散器(Continuous diffuser,CoD)と呼ばれるリハーサルに基づく連続拡散モデルを提案する。
  論文  参考訳（メタデータ） (2024-09-04T08:21:47Z)
• Hierarchical Few-Shot Imitation with Skill Transition Models [66.81252581083199]
  FIST(Few-shot Imitation with Skill Transition Models)は、オフラインデータからスキルを抽出し、それらを利用して見えないタスクに一般化するアルゴリズムである。 本稿では,FISTが新たなタスクに一般化し,ナビゲーション実験において従来のベースラインを大幅に上回っていることを示す。
  論文  参考訳（メタデータ） (2021-07-19T15:56:01Z)

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。