論文の概要: Gödel Forest: Balancing Search Depth and Breadth for Data-Centric Recursive Self-Improvement

• arxiv url: http://arxiv.org/abs/2609.36675v1
• Date: Tue, 29 Sep 2026 04:14:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:47.176708
• Title: Gödel Forest: Balancing Search Depth and Breadth for Data-Centric Recursive Self-Improvement
• Title（参考訳）: Gödel Forest:データ中心の再帰的自己改善のための検索深さとブレンドのバランス
• Abstract要約: G"odel Forest"は,共同進化する探索木の集合体として自己改善を組織するフレームワークである。 G"odel Forest"では、各エージェントは、モデルフィードバックに基づいて、永続的なツリーを自律的に成長させ、深層化、分枝化、あるいはデータ戦略の刈取を行う。 エージェントは成功と失敗を、グローバルなリーダーボードに固定されたコンパクトな手続き的なレッスンに蒸留する。
• 参考スコア（独自算出の注目度）: 34.33325558015682
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recursive self-improvement (RSI) aims to achieve compounding gains by having models improve themselves. While most existing RSI systems optimize external agent harnesses or prompts around a frozen base model, data-centric RSI directly updates the model's own parameters by training on agent-generated data. However, because validating data strategies requires expensive model training, existing methods face a fundamental dilemma: a single agent gets trapped in narrow directions and lacks exploration breadth, while naive parallel search or heavy trace sharing sacrifices long-horizon search depth. To address this challenge, we introduce G"odel Forest, a multi-agent framework that organizes recursive self-improvement as an ensemble of co-evolving search trees. In G"odel Forest, each agent autonomously grows a persistent tree, deepening, branching, or pruning data strategies based on model feedback to secure depth, while parallel trees explore distinct regions of the data space to expand breadth. Crucially, rather than leaving trees isolated or flooding them with heavy execution logs, a dynamically co-evolving memory connects the forest: agents continuously distill their successes and failures into compact procedural lessons anchored to a global leaderboard. Through this forest ecosystem, a dead-end in one tree instantly warns the whole forest against unpromising paths, while an empirical breakthrough quickly seeds new exploration branches in neighboring trees. Evaluated on RSIBench-Data across six diverse domains, G"odel Forest outperforms the single-agent baseline by an average of 10.70% while reducing wall-clock time on five tasks. Ablations confirm that co-evolving shared memory yields a +7.00% gain over independent parallel search, demonstrating that collective distillation is key to scalable self-improvement. The code is available at https://github.com/evolvent-ai/Godel-Forest.
• Abstract（参考訳）: 再帰的自己改善(Recursive self-improvement、RSI)は、モデルを改善させることによって複合的な利益を達成することを目的としている。 ほとんどの既存のRSIシステムは外部エージェントハーネスを最適化し、フリーズベースモデルの周りにプロンプトするが、データ中心のRSIはエージェント生成データをトレーニングすることで、モデル自身のパラメータを直接更新する。 しかし、データ戦略を検証するには高価なモデルトレーニングが必要であるため、既存の手法は基本的なジレンマに直面している。 この課題に対処するため、G"odel Forestは、再帰的な自己改善を共進化する探索木のアンサンブルとして組織するマルチエージェントフレームワークである。G"odel Forest"では、各エージェントが永続木を自律的に成長させ、モデルフィードバックに基づいたデータ戦略を立案し、深度を確保する一方、並列木はデータ空間の異なる領域を探索し、幅を広げる。 重要なことは、木を隔離したり、重い実行ログで浸水させたりするのではなく、動的に共進化する記憶が森を繋ぎ、エージェントは成功と失敗を、グローバルなリーダーボードに固定されたコンパクトな手続き的なレッスンに継続的に蒸留する。 この森林生態系を通じて、一本の木の枯れ果ては、すぐに森林全体が未開の道に対して警告する一方、実証的な突破口はすぐに隣接する木々に新しい探検用枝を植え付ける。 6つの異なる領域にわたるRSIBench-Dataで評価され、G"odel Forest"は、単一エージェントのベースラインを平均10.70%上回り、5つのタスクでウォールタイム時間を短縮する。 アブレーションは、共進化共有メモリは独立並列探索よりも+7.00%上昇し、集団蒸留がスケーラブルな自己改善の鍵であることを証明している。 コードはhttps://github.com/evolvent-ai/Godel-Forestで公開されている。

関連論文リスト

• Process Reward Informed Tree Rollout for Effective Multi-Turn RL [58.392997761968566]
  長期のエージェントタスクでは、均一なロールアウト戦略は、非形式的なデッドエンドの試みに予算を無駄にする可能性がある。 本稿では,マルチターンエージェントRLの品質を意識したロールアウトフレームワークであるProcess-Scorer Guided Adaptive Tree Rollout (PATR)を提案する。 PATRはタスクに適したプロセスフィードバックを使用して部分的軌跡をスコアし、将来性のある状態から選択的に分岐し、共有プレフィックスを再利用し、無駄なサンプリングを減らすために経路を保守的に停止する。
  論文  参考訳（メタデータ） (2026-07-17T04:16:58Z)
• Toward Generalist Autonomous Research via Hypothesis-Tree Refinement [150.99641031769633]
  本稿では,長寿命コーディネータ,短寿命エグゼキュータ,仮説ツリーリファインメント(HTR)を組み合わせた自律的研究フレームワークArborを紹介する。 結果が戻ると、Arborはツリーを更新し、再利用可能なレッスンを宣伝し、検索フロンティアを洗練し、検証された改善を認めた。
  論文  参考訳（メタデータ） (2026-06-10T10:57:05Z)
• DynaTree: Dynamic Agentic Retrieval Tree for Time-Sensitive News Retrieval [40.58227482378941]
  DynaTreeは、効率的で適応的なニュース検索のための2段階のフレームワークである。 オフラインの段階では、DynaTreeは調整されたエージェントを使用して、クエリトピックの意味空間を具体化する再利用可能な検索ツリーを構築する。 オンライン段階では、DynaTreeは、時間的局所評価プロキシを使って、軽量な日次サブツリー選択を行う。
  論文  参考訳（メタデータ） (2026-05-29T14:45:58Z)
• TreePS-RAG: Tree-based Process Supervision for Reinforcement Learning in Agentic RAG [71.06073770344732]
  エージェント検索強化生成(RAG)は、推論と情報検索の多段階的な相互作用として質問応答を定式化する。 エージェントRAGのためのオンラインツリーベースRLフレームワークであるTreePS-RAGについて述べる。
  論文  参考訳（メタデータ） (2026-01-11T14:07:30Z)
• Tree Search for LLM Agent Reinforcement Learning [23.7084695563981]
  Tree-based Group Relative Policy Optimization (Tree-GRPO) は、木探索に基づくグループ化エージェントRL法である。 共通のプレフィックスを共有することで、ツリー検索サンプリングは、達成可能なロールアウトの数を増やす。 木レベルでの相対的政策最適化の目的は、ステップレベルの直接選好学習と同等であることを示す。
  論文  参考訳（メタデータ） (2025-09-25T14:37:09Z)
• TreePO: Bridging the Gap of Policy Optimization and Efficacy and Inference Efficiency with Heuristic Tree-based Modeling [65.46347858249295]
  TreePOは自己誘導型ロールアウトアルゴリズムで、シーケンス生成を木構造検索プロセスとして見る。 TreePOは基本的に、探索の多様性を保存または強化しながら、更新毎の計算負担を削減します。
  論文  参考訳（メタデータ） (2025-08-24T16:52:37Z)
• ProtInvTree: Deliberate Protein Inverse Folding with Reward-guided Tree Search [77.55575655986252]
  ProtInvTreeはタンパク質逆フォールディングのための報酬誘導ツリー検索フレームワークである。 シークエンス生成は、意図的に、ステップワイズな意思決定プロセスとして再構成される。 検索深度と幅を広げて、再トレーニングすることなく、フレキシブルなテストタイムスケーリングをサポートする。
  論文  参考訳（メタデータ） (2025-06-01T09:34:20Z)
• Growing Deep Forests Efficiently with Soft Routing and Learned Connectivity [79.83903179393164]
  この論文は、いくつかの重要な側面で深い森林のアイデアをさらに拡張します。 我々は、ノードがハードバイナリ決定ではなく、確率的ルーティング決定、すなわちソフトルーティングを行う確率的ツリーを採用する。 MNISTデータセットの実験は、私たちの力のある深部森林が[1]、[3]よりも優れたまたは匹敵するパフォーマンスを達成できることを示しています。
  論文  参考訳（メタデータ） (2020-12-29T18:05:05Z)

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。