論文の概要: EvoDuet: Bilevel Co-Evolution of Web Searching and Task Solving for Scientific Discovery

• arxiv url: http://arxiv.org/abs/2609.40340v1
• Date: Wed, 30 Sep 2026 17:58:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:28.345862
• Title: EvoDuet: Bilevel Co-Evolution of Web Searching and Task Solving for Scientific Discovery
• Title（参考訳）: EvoDuet: 科学的発見のためのWeb検索とタスク解決の両レベルの共進化
• Abstract要約: EvoDuetは、ソリューションと検索クエリを固定モデルパラメータで共進化させる、双方向最適化手法である。 内部ループはクエリを洗練し、予測されるソリューションスコアによってドキュメントをランク付けする。 外部ループはこれらの文書から並列に候補を生成し、後の検索の結果を記録する。
• 参考スコア（独自算出の注目度）: 60.48731123616876
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Evolutionary search with large language models (LLMs) can stall when progress requires external knowledge the model lacks. Supplying relevant documents helps, but simply adding web search tool can keep returning the same pages as solutions change. We introduce EvoDuet, a bi-level optimization method that co-evolves solutions and search queries with fixed model parameters. At each iteration, a retrieval gate lets the LLM assess its knowledge gap and choose to retrieve new documents, reuse stored ones, or proceed without them. An inner loop refines queries and ranks documents by the solution scores they are predicted to yield; an outer loop generates candidates in parallel from these documents and records the evaluated outcomes for later searches. Across 21 optimization tasks with one candidate per iteration, EvoDuet raises OpenEvolve's normalized discovery gain from 74.1% to 78.0% with GPT-5.6-Luna and from 61.3% to 82.3% with Gemini-3.8-Flash, whereas Qwen3.5-9B does not benefit. Our best runs surpass the previously reported best scores on eight tasks, including Swap Reduction on Q20 and Rosetta, and match them on three more. EvoDuet also improves with other scaffolds (e.g., Top-K, EvoX) on Sums/Diffs and Denoising, demonstrating its applicability across evolutionary search scaffolds.
• Abstract（参考訳）: 大規模言語モデル(LLM)による進化的探索は、進捗がモデルに欠けている外部知識を必要とする場合、停止する可能性がある。 関連ドキュメントの供給は役に立つが、Web検索ツールを追加するだけで、ソリューションが変わるにつれて、同じページを返すことができる。 EvoDuetは、解と探索クエリを固定モデルパラメータで共進化させる二段階最適化手法である。 各イテレーションにおいて、検索ゲートはLLMがその知識ギャップを評価し、新しいドキュメントの検索、保存されたドキュメントの再利用、またはそれなしでの処理を選択できる。 内部ループはクエリを洗練し、予測されるソリューションスコアによって文書をランク付けし、外部ループはこれらのドキュメントから並列に候補を生成し、後の検索で評価結果を記録する。 EvoDuetは21の最適化タスクをイテレーション毎に1つの候補で行い、GPT-5.6-Lunaでは74.1%から78.0%に、Gemini-3.8-Flashでは61.3%から82.3%に改善した。 当社のベストスコアは、前回報告した8つのタスクで最高のスコアを上回り、第20四半期とRosttaのスワップリミット、さらに3つのタスクでマッチします。 EvoDuetはSums/DiffsとDenoisingで他の足場(Top-K、EvoXなど)を改善し、進化的な検索足場に適用可能であることを示した。

関連論文リスト

• Streamlined Reflective Evolution for Task-Adaptive Self-Refinement Pipelines [7.344577590113121]
  本稿では,自己精製パイプラインの反射的進化を合理化するためのフレームワークを提案する。 最小限のプロンプトから始めて、WDAはステージ命令とそのシーケンシャル構造を共同で進化させる。 WDAは、知識、数学的推論、マルチホップ質問応答、そして指示に従う5つのベンチマークで評価する。
  論文  参考訳（メタデータ） (2026-09-26T10:45:36Z)
• SERPO: Self-Evolving Rubric Policy Optimization for Open-Ended Test-Time Reinforcement Learning [14.505575259468053]
  テスト時強化学習(TTRL)により、ラベル付きフィードバックなしで推論時に言語モデルを自己進化させることができる。 SERPOを導入し、回答投票をクローズドループに置き換え、レスポンスエビデンス、クエリトケン、ポリシーパラメータを共進化させる。 新しいアクターロールアウトはアーカイブとルーリックの両方をリフレッシュし、3方向の進化ループを閉じる。
  論文  参考訳（メタデータ） (2026-07-29T13:03:07Z)
• Self-Improving Language Models with Bidirectional Evolutionary Search [93.21736992722835]
  Bidirectional Evolutionary Search (BES)は、前方の候補の進化と後方の目標の分解を結合する検索フレームワークである。 展開のみ探索によって生成される候補は狭いエントロピーシェルに制限され、進化的演算子はそれを回避できることを示す理論的動機を与える。 実験によると、メインストリームのポストトレーニングアルゴリズムが改善に失敗するポストトレーニングタスクにおいて、BESは一貫性のあるゲインを実現している。
  論文  参考訳（メタデータ） (2026-05-27T17:59:15Z)
• Document Optimization for Black-Box Retrieval via Reinforcement Learning [34.56617313585179]
  我々は文書拡張を文書最適化問題として再放送する。 言語モデルまたはビジョン言語モデルは、ドキュメントを、ターゲットレトリバーの下で期待されるクエリ分布とよりよく整合した表現に変換するように微調整される。 学習した文書変換が検索ゲインとなり、多くの設定において、より小さく、より効率的な検索者がより大きな文書変換を上回ります。
  論文  参考訳（メタデータ） (2026-04-06T18:41:40Z)
• BrowseComp-Plus: A More Fair and Transparent Evaluation Benchmark of Deep-Research Agent [74.10138164281618]
  BrowseComp-Plus(BrowseComp-Plus)は、BrowseCompから派生したベンチマークである。 このベンチマークは、ディープリサーチエージェントと検索方法の総合的な評価とアンタングル解析を可能にする。
  論文  参考訳（メタデータ） (2025-08-08T17:55:11Z)
• EvolveSearch: An Iterative Self-Evolving Search Agent [98.18686493123785]
  大規模言語モデル(LLM)は、検索エンジンやWebブラウザなどのツールを統合することで、エージェント情報検索機能を変革した。 本研究では,SFTとRLを組み合わせた新たな反復的自己進化フレームワークであるEvolveSearchを提案する。
  論文  参考訳（メタデータ） (2025-05-28T15:50:48Z)
• Adversarial Retriever-Ranker for dense text retrieval [51.87158529880056]
  本稿では、二重エンコーダレトリバーとクロスエンコーダローダからなるAdversarial Retriever-Ranker(AR2)を提案する。 AR2は、既存の高密度レトリバー法より一貫して大幅に優れている。 これには、R@5から77.9%(+2.1%)、TriviaQA R@5から78.2%(+1.4)、MS-MARCO MRR@10から39.5%(+1.3%)の改善が含まれている。
  論文  参考訳（メタデータ） (2021-10-07T16:41:15Z)

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。