論文の概要: The Right Lesson at the Right Step: Deriving Control Updates for Self-Evolving Agents

• arxiv url: http://arxiv.org/abs/2609.34988v1
• Date: Mon, 28 Sep 2026 11:59:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-02 18:05:39.836768
• Title: The Right Lesson at the Right Step: Deriving Control Updates for Self-Evolving Agents
• Title（参考訳）: 正しいステップにおける正しい教訓:自己進化型エージェントの制御更新の導出
• Abstract要約: 自己進化型エージェントは、過去の経験(通常、グローバルなプロンプト、記憶、リフレクションなど)を再利用することで、将来の行動を改善する。 本稿では,エージェントの実行完了から再利用可能な制御プログラム更新を学習するフレームワークであるEvoCUEを紹介する。 学習慣行が適切な実行ステップに到達しなければならない長時間のツール使用環境において、EvoCUEを評価する。
• 参考スコア（独自算出の注目度）: 36.47866920853845
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Self-evolving agents improve future behavior by reusing past experience, typically as global prompts, memories, or reflections. Yet these mechanisms rarely control where experience takes effect. In long tool-use workflows, the same lesson may correct one decision but distract another, making experience reuse a problem of localized control rather than memory alone. We introduce EvoCUE (Evolution through Control Updates from Evidence), a framework for learning reusable control-program updates from completed agent executions. EvoCUE represents the agent as an explicit state-machine controller, whose nodes perform model or tool calls and whose edges define where control passes next. This makes the workflow editable at precise locations, so each learned update can specify what to add, where it acts, and when it applies. From completed trajectories, EvoCUE uses residual goals and observed execution traces to propose localized instruction or skill edits. Each candidate is evaluated at the point where it would act by resuming the parent and edited controllers from the same checkpoint and comparing their final outcomes. Accepted edits are compiled with applicability rules, confirmed on held-out tasks, and inherited by later executions. We evaluate EvoCUE on long tool-use environments where learned conventions must reach the right execution step. From a minimal AppWorld controller without benchmark-specific onboarding instructions, EvoCUE learns the missing task-completion convention and substantially improves success on Test-Normal and Test-Challenge. On PAST-Bench office workflows, EvoCUE transfers organizational requirements from prior episodes to later tasks, improving task-execution quality. These results show that self-evolving agents should place experience inside the control flow, rather than only store it as text.
• Abstract（参考訳）: 自己進化型エージェントは、過去の経験(通常、グローバルなプロンプト、記憶、リフレクションなど)を再利用することで、将来の行動を改善する。 しかし、これらのメカニズムは経験が作用する場所を制御することは滅多にない。 長時間のツール使用ワークフローでは、同じ教訓がひとつの決定を訂正するが、別の決定を邪魔する可能性がある。 EvoCUE(Evolution through Control Updates from Evidence)は,エージェントの実行完了から再利用可能な制御プログラム更新を学習するフレームワークである。 EvoCUEはエージェントを明示的なステートマシンコントローラとして表現し、ノードがモデルやツールコールを実行し、エッジが次にコントロールが通過する場所を定義する。 これにより、ワークフローを正確な位置で編集できるため、学習した各更新は、追加すべきもの、動作場所、適用時期を指定できる。 完了した軌道から、EvoCUEは残留目標と観測された実行トレースを使用して、ローカライズされた命令やスキル編集を提案する。 各候補は、親と編集されたコントローラを同じチェックポイントから再開し、最終的な結果を比較することで、その動作の時点で評価される。 承認された編集は適用性ルールでコンパイルされ、保持されたタスクで確認され、後の実行で継承される。 学習慣行が適切な実行ステップに到達しなければならない長時間のツール使用環境において、EvoCUEを評価する。 ベンチマーク固有のオンボーディング命令のない最小限のAppWorldコントローラから、EvoCUEはタスク補完規約の欠如を学び、Test-NormalとTest-Challengeの成功を大幅に改善する。 PAST-Benchのオフィスワークフローでは、EvoCUEは前回から後のタスクに組織的要件を移行し、タスク実行品質を改善している。 これらの結果から、自己進化エージェントは、テキストとして保存するだけでなく、制御フロー内で経験を積むべきであることが示された。

関連論文リスト

• CORTEX: A Verified Experience Layer for Generalist Agents [0.40719854602160227]
  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。
  論文  参考訳（メタデータ） (2026-09-27T06:06:32Z)
• Agentic Visual Generation: From Generative Models to Agentic Control [73.3572965008302]
  ほとんどの既存のシステムでは、コントローラはLLMまたはVLMであり、ビジュアルジェネレーションモデルはツールやエグゼクタとして機能する。 計画の深さ、道具の使用、複数ロールの協調、強化学習は、しばしばエージェント性の証拠として扱われる。 生成プロセスにおいて、コントローラが直接制御できるものに応じてフィールドを整理する。
  論文  参考訳（メタデータ） (2026-09-06T17:59:24Z)
• HarnessEvolve: Learning from Reference Trajectories for Reliable Agent Self-Evolution [11.431479238875712]
  我々は、信頼できるエージェントの自己進化を実現するために、参照軌道から学習する自己進化フレームワークであるHarnessEvolveを紹介する。 私たちは、さまざまなモデルとエージェントフレームワークを使用して、オープンドメインとエンタープライズシナリオにまたがるいくつかのベンチマークで広範な実験を行います。 結果は、HarnessEvolveがすべてのベンチマークと設定で、最先端のベースラインを一貫して上回っていることを示している。
  論文  参考訳（メタデータ） (2026-09-01T07:31:18Z)
• From State to Action: OODA-Tool for Reliable Multi-Turn Tool Use [12.466318496864742]
  本稿では,国家行動競争を緩和するためのクローズドループ方式であるOODA-Toolを紹介する。 OODA-Toolは、コントローラがチェックした中間状態を通じて各決定をルーティングし、最終的な出力が現在のタスク状態に残されていることを保証します。 我々は,マルチターン,マルチツール,不完全情報設定にまたがるQwen3モデルを用いて,直接関数呼び出しとReActポリシーに対するOODAツールの評価を行った。
  論文  参考訳（メタデータ） (2026-08-25T10:27:25Z)
• 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)
• TTHE: Test-Time Harness Evolution [50.26245555541721]
  既存のアプローチでは、デプロイ前、トレーニング前、あるいはテスト時に凍結される固定されたエージェントワークフローの開発データを最適化する。 我々は、エージェントがテスト入力で生成するラベルのない実行トレースのみを使用して、評価自体にハーネスを最適化できるかどうかを問う。 評価中、TTHEは候補ハーネスの人口を維持し、それらの実行トレースの理由をエージェントプロジェクタを通じてそれらを洗練する。 その後、審査員は実行元プロキシ信号から改善されたハーネスをコミットし、選択したプログラムは継続してその後の入力を統治する。
  論文  参考訳（メタデータ） (2026-07-09T05:53:39Z)
• Claw-Eval-Live: A Live Agent Benchmark for Evolving Real-World Workflows [67.92316850084575]
  ワークフローエージェントのライブベンチマークであるClaw-Eval-Liveを紹介する。 各リリースは、公開ワークフロー要求信号から構築される。 Claw-Eval-Liveは実行トレース、監査ログ、サービス状態、実行後のワークスペースアーティファクトを記録する。
  論文  参考訳（メタデータ） (2026-04-30T17:23:19Z)

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。