論文の概要: RefCon: Iterative Refinement and Contrastive Memory Extraction for Context-Evolving Agent
- arxiv url: http://arxiv.org/abs/2609.39143v1
- Date: Wed, 30 Sep 2026 07:10:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-01 18:57:27.343993
- Title: RefCon: Iterative Refinement and Contrastive Memory Extraction for Context-Evolving Agent
- Title（参考訳）: RefCon:コンテクスト進化剤の反復的リファインメントとコントラストメモリ抽出
- Abstract要約: RefConはシーケンシャルな自己リファインメントと平行な自己コントラストを組み合わせることで、ゴールドラベルなしで高品質なメモリを抽出する。
RefConは、ゼロトルースラベルなしで既存のベースラインを一貫して上回る。
精度の高いトレードオフとスケーリングの挙動を分析し、RefConは良好な効率を維持し、より多くのトラジェクトリを使用するにつれて改善を続けています。
- 参考スコア（独自算出の注目度）: 11.799136590104021
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Long-horizon agent interactions generate useful but noisy experience, and retraining models to absorb it is expensive. Context-evolving agents therefore need memory extraction methods that improve with more test-time compute without relying on gold labels. We propose RefCon, which combines sequential self-refinement with parallel self-contrast to extract higher-quality memories without gold labels. Evaluated on AppWorld and BFCL-V3 across multiple context-evolving agent frameworks, RefCon delivers strong and consistent gains, including relative improvements of 21.6% on ACE and 16.6% on ReMe over no-scaling baselines, while a diversity-focused variant (DivCon) achieves a 35.5% gain on ReasoningBank. RefCon consistently outperforms existing baselines without ground-truth labels, and generalizes across model scales and to software engineering tasks, where it surpasses even ground-truth baselines. We further analyze the accuracy-token trade-off and scaling behavior, showing RefCon maintains favorable efficiency and continues to improve as more trajectories are used, unlike diversity-only scaling which saturates earlier.
- Abstract（参考訳）: ロングホライゾンエージェントの相互作用は有用だがノイズの多い経験を生み出し、それを吸収するためのモデルの再訓練は高価である。
したがって、文脈進化エージェントは、ゴールドラベルに頼ることなく、より多くのテスト時間計算を改善するメモリ抽出方法を必要とする。
逐次自己再構成と並列自己コントラストを組み合わせたRefConを提案し,ゴールドラベルを使わずに高品質なメモリを抽出する。
AppWorldとBFCL-V3を複数のコンテキスト進化エージェントフレームワークで評価し、RefConはACEが21.6%、ReMeが16.6%、多様性に焦点を絞った変種(DivCon)がReasoningBankが35.5%向上した。
RefConは、ゼロトルースラベルなしで既存のベースラインを一貫して上回り、モデルスケールやソフトウェアエンジニアリングタスクに一般化する。
さらに精度の高いトレードオフとスケーリングの挙動を分析し、RefConはより優れた効率を維持し、より多くのトラジェクトリが使用されるように改善し続けています。
関連論文リスト
- When Generator Replay Degrades: Projected Rehearsal Orchestration for Heterogeneous Federated Class-Incremental Learning [14.035822324042663]
フェデレートされたクラスインクリメンタルラーニング(FCIL)は、クライアントが異なるラベルサブセットを観察し、異なる段階のタスクを進行させ、同じセマンティックな概念に対する不均一な監督を提供すると、難しくなる。
既存のFCIL法はしばしば入力空間合成によって古い知識を保存するが、不均一なタスクストリームの下では脆弱である。
本稿では、合成入力リプレイを投影されたリハーサルオーケストレーションに置き換えるフレームワークであるPropを提案する。
論文 参考訳（メタデータ） (2026-06-14T09:17:52Z) - Benchmarking and Evolving Reason-Reflect-Rectify for Reflective Visual Generation [65.7390808636333]
マルチラウンド・リフレクティブ・ビジュアル・ジェネレーション(RVG)を実現するためのコア・フレームワークとしてReason-Reflect-Rectify(R3)ループを形式化する。
R3-Benchは600以上のエキスパートアノテーション付きインスタンスのベンチマークで、反復的推論と修正機能を定量化します。
実験の結果、R3-RefinerはR3-Benchを大幅に改善した。
論文 参考訳（メタデータ） (2026-05-19T10:24:31Z) - SimReg: Achieving Higher Performance in the Pretraining via Embedding Similarity Regularization [55.63565289584336]
SimRegは埋め込み類似性正規化損失であり、各シーケンス内で同じ基幹ラベルを持つトークン表現をより類似させる。
分析の結果, この機構は多分類マージンを増大させ, より効率的な分類を可能にした。
論文 参考訳（メタデータ） (2026-05-09T08:59:13Z) - Breaking User-Centric Agency: A Tri-Party Framework for Agent-Based Recommendation [59.362016745945375]
第1回LLM-Adnt Recommendation framework(TriRec)を提案する。
TriRecは、ユーザユーティリティ、アイテム露出、プラットフォームレベルの公正性を明示的に調整する。
精度、公平性、およびアイテムレベルのユーティリティにおいて、一貫した利得を示す。
論文 参考訳（メタデータ） (2026-03-11T11:40:13Z) - RetroAgent: From Solving to Evolving via Retrospective Dual Intrinsic Feedback [54.39884046754265]
RetroAgentは、エージェントが複雑なインタラクティブ環境をマスターできるオンラインRLフレームワークである。
実験の結果,RetroAgentはSOTA(State-of-the-art)の性能を達成できた。
論文 参考訳（メタデータ） (2026-03-09T16:23:33Z) - Harmonizing Dense and Sparse Signals in Multi-turn RL: Dual-Horizon Credit Assignment for Industrial Sales Agents [29.076822653598885]
時間スケールで最適化を阻害するフレームワークを提案する。
高忠実度ユーザシミュレータによる実験では、DuCAは最先端のGRPOベースラインを上回っている。
論文 参考訳（メタデータ） (2026-03-02T05:44:50Z) - IR$^3$: Contrastive Inverse Reinforcement Learning for Interpretable Detection and Mitigation of Reward Hacking [67.20568716300272]
Reinforcement Learning from Human Feedback (RLHF)は強力なLDMアライメントを実現するが、報酬ハッキングを導入することができる。
IR3(Interpretable Reward Reconstruction and Rectification)は,RLHFモデルを用いた暗黙的目標をリバースエンジニアリングし,解釈し,外科的に修復するフレームワークである。
我々は、IR3が地道報酬と0.89の相関を達成し、90%以上の精度でハッキング機能を識別し、元のモデルの3%以内の機能を維持しながら、ハッキングの挙動を著しく低減することを示した。
論文 参考訳（メタデータ） (2026-02-23T01:14:53Z) - Overcoming Joint Intractability with Lossless Hierarchical Speculative Decoding [58.92526489742584]
我々は無益な無益な提案をする。
承認されたトークンの数を大幅に増加させる検証方法。
HSDは様々なモデルファミリやベンチマークの受け入れ率に一貫した改善をもたらすことを示す。
論文 参考訳（メタデータ） (2026-01-09T11:10:29Z) - Enhanced-FQL($λ$), an Efficient and Interpretable RL with novel Fuzzy Eligibility Traces and Segmented Experience Replay [0.0]
Enhanced-FQL($$)は、n-step fuzzy TDやfuzzyA($$)ベースラインと比較して、優れたサンプル効率と分散の低減を実現している。
フレームワーク固有の解釈可能性と計算効率と理論的収束保証が組み合わさって、安全クリティカルなアプリケーションに適している。
論文 参考訳（メタデータ） (2026-01-07T20:59:18Z) - FairReweighing: Density Estimation-Based Reweighing Framework for Improving Separation in Fair Regression [2.4224069468449634]
透明性の欠如は、データインフォームドAIソフトウェアがすべての人種、性別、年齢グループに対する公平性を保証するかどうかという懸念を提起している。
公平な分類でリウィーリングアルゴリズムを動機付け, 密度推定に基づくFairReweighingプリプロセッシングアルゴリズムを提案する。
提案したFairReweighingアルゴリズムは,データ独立仮定の下でトレーニングデータの分離を保証できることを示す。
論文 参考訳（メタデータ） (2025-11-14T16:31:21Z) - PaTaRM: Bridging Pairwise and Pointwise Signals via Preference-Aware Task-Adaptive Reward Modeling [19.258007121955924]
Preference-Aware Task-Aware Reward Model (PaTaRM) は、Rest-Aware rewardメカニズムと動的ルーリック適応を統合した統合フレームワークである。
PaTaRMは、IFEvalとInFoBenchベンチマークで平均13.6%改善され、下流RLHFのパフォーマンスが向上する。
論文 参考訳（メタデータ） (2025-10-28T09:43:47Z)
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。