論文の概要: Learning from Revision Consequences: Hindsight Meta-Experience Distillation for Self-Improving Agents
- arxiv url: http://arxiv.org/abs/2610.07979v1
- Date: Tue, 06 Oct 2026 08:43:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 02:58:29.901863
- Title: Learning from Revision Consequences: Hindsight Meta-Experience Distillation for Self-Improving Agents
- Title（参考訳）: 改訂結果から学ぶ:自己改善剤の隠れたメタ体験蒸留
- Abstract要約: HMED(Hindsight Meta-Experience Distillation)は,自己改善剤のメタエクスペリエンス構築のためのメカニズムである。
HMEDは、リビジョンが発生し、更新されたメタスキルを同じ復元された発見状態から再実行する、完了したイベントを再考する。
各比較は、将来の更新によって再利用可能な構造化レコードであるMeta-Experienceに蒸留される。
- 参考スコア（独自算出の注目度）: 23.911343934512626
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: As agents continuously improve by generating and revising Skills, the process that discovers and refines those Skills becomes a learnable object in its own right. Task-Skills directly act on task execution, whereas Meta-Skills govern how agents discover and improve future Skills; their value therefore emerges through the subsequent search processes they induce. Existing approaches improve Meta-Skills from observed raw Skill-search trajectories and branch outcomes. However, branch performance entangles the effects of the initial discovery state and the Meta-Skill revision that generated the search process, making it difficult to characterize what a particular revision actually changed, and pushing updates toward revisions that benefit from favorable states rather than those that improve the process. We introduce HMED (Hindsight Meta-Experience Distillation), a mechanism for constructing Meta-Experience for self-improving agents. HMED revisits the completed event from which a revision originates and re-executes the incumbent and revised Meta-Skills from the same restored discovery state, so that the changes associated with the revision can be observed under a shared condition. Each comparison is distilled into a Meta-Experience, a structured record that can be reused by future updates, so that even revisions that are not ultimately retained still contribute a learning signal. Across three interactive agent benchmarks and both open-source and closed-source models, HMED consistently improves Skill discovery performance over strong baselines, shifting Meta-Skill learning beyond branch outcomes toward the consequences of changing the improvement process.
- Abstract（参考訳）: エージェントはスキルの生成と改訂によって継続的に改善されるので、それらのスキルを発見して洗練するプロセスは、それ自体が学習可能なオブジェクトとなる。
タスクスキルはタスク実行に直接作用するが、メタスキルはエージェントが将来のスキルを発見し、改善する方法を管理する。
既存のアプローチは、観察された生のスキル研究の軌跡と分岐結果からメタスキルを改善する。
しかし、分岐性能は、検索プロセスを生成する初期発見状態とメタスキルリビジョンの影響を絡めていて、特定のリビジョンが実際に何を変えたのかを特徴付けることは困難であり、プロセスを改善するものよりも有利な状態から恩恵を受けるリビジョンに向けて更新をプッシュする。
HMED(Hindsight Meta-Experience Distillation)は,自己改善剤のメタエクスペリエンス構築のためのメカニズムである。
HMEDは、リビジョンが発生し、同じ復元された発見状態から既存のメタスキルおよび改訂されたメタスキルを再実行した完了イベントを再検討し、リビジョンに関連する変更を共有条件下で観察する。
それぞれの比較はMeta-Experienceに蒸留されるが、これは将来の更新によって再利用できる構造化レコードであり、最終的に保持されない修正でさえも学習信号に寄与する。
3つのインタラクティブエージェントベンチマークと、オープンソースモデルとクローズドソースモデルの両方で、HMEDは一貫して、強力なベースラインよりもスキル発見のパフォーマンスを改善し、改善プロセスを変更する結果に向けて、ブランチ結果以上のメタスキル学習をシフトしている。
関連論文リスト
- Causal Improvement Graph for Agentic Harness Optimization [85.77143316265415]
因果改善グラフ(Causal Improvement Graph, CIG)は、永続グラフにおける改善状態の進化を外部化する、グラフが支配するメタハーネスフレームワークである。
CIGはノードをリンクして、観察されたこと、どのように説明されるか、その説明をテストする方法、そして評価が示すものを表す。
論文 参考訳（メタデータ） (2026-10-04T08:15:37Z) - EVISKILL: Grounding Skill Evolution in Replayable Evidence [17.158295760814443]
本稿では,スキル進化のためのエビデンス駆動フレームワークEVISKILLを紹介する。
実行観察を再生可能なエビデンスカードに整理し、サポートするコンテキストへの明示的なリンクで編集を合成する。
EVISKILLは証拠を保存し、さらなる改良のためにサポートされた編集を暫定的に保持する。
論文 参考訳（メタデータ） (2026-10-04T07:50:39Z) - V-Gym: Enhancing Agentic Visual Reasoning via Skill-Data Co-Evolution [68.43599428916389]
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。
論文 参考訳（メタデータ） (2026-09-28T09:09:24Z) - SkillProx: Self-Evolving Agent Skills via Proximal Textual Gradient Descent [27.354076514186094]
LLMエージェントは、スキルの手続き的知識を蓄積することで、繰り返しのタスクに適応する。
近年の手法では、反復的なタスク実行、故障診断、軌跡誘導によるテキスト空間更新によってスキルを洗練している。
SkillProxは, 閉ループ診断の進化と, 実用性に配慮した近位化を両立させるフレームワークである。
論文 参考訳（メタデータ） (2026-08-07T17:40:33Z) - 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) - ScrambleToolBench: Agents Search Exhaustively Even When Their Own Map Points to the Next Step [74.83535434786145]
ScrambleToolBenchは,行動推論の分離を目的とした対話型端末ベンチマークである。
このベンチマークでは、エージェントがテストとエラーのインタラクションを通じて、隠されたツールの振る舞いを明らかにする必要がある。
現状の言語モデルに対する我々の評価は、初期発見が成功しても頑健な適応にはならないことを示している。
論文 参考訳（メタデータ） (2026-08-03T15:07:46Z) - Knowledge-Centric Self-Improvement [28.85741798328687]
自己改善型AIシステムはエージェントを、プロンプト、ハーネス、さらにはエージェント自身のコードを最適化することによって改善するオブジェクトとして扱う。
このエージェント中心のビューは、メンテナンスにコストがかかり、転送が困難になる。
我々は,エージェントが汎用的で使い捨てであるような,知識中心の自己改善という補完的パラダイムについて研究する。
論文 参考訳（メタデータ） (2026-07-21T21:38:39Z) - SkillHone: A Harness for Continual Agent Skill Evolution Through Persistent Decision History [4.682850246574405]
SkillHoneは、永続的な意思決定履歴に基づく継続的エージェントスキル進化のためのハーネスである。
SkillHoneは、フィードバックを提供する評価側の証拠とスキルリビジョンをペアリングする。
我々は、エージェントが統合検索スタックを与えられない生のオープンウェブ環境で、SkillHoneをディープ検索ベンチマークで評価する。
論文 参考訳（メタデータ） (2026-06-07T15:21:08Z) - FRESCO: Benchmarking and Optimizing Re-rankers for Evolving Semantic Conflict in Retrieval-Augmented Generation [73.22935457705057]
時間的動的文脈における再ランカ評価のためのベンチマークであるFRESCOを紹介する。
レクエンシ検索クエリと過去のウィキペディアのリビジョンを組み合わせることで、FRESCOは、セマンティックな関連性を維持しながら、リランカが事実として最新の証拠を優先順位付けできるかどうかをテストする。
我々の評価では、既存の再ランカ間で一貫した障害モードが明らかになっている。
論文 参考訳（メタデータ） (2026-04-14T17:04:25Z) - SkillRL: Evolving Agents via Recursive Skill-Augmented Reinforcement Learning [83.98129545309277]
生経験と政策改善のギャップを埋めるフレームワークであるSkillRLを提案する。
本手法では,階層型スキルライブラリであるSkillBankを構築するために,経験に基づく蒸留機構を導入する。
ALF、WebShop、および7つの検索強化タスクの実験結果は、SkillRLが最先端のパフォーマンスを達成することを示す。
論文 参考訳（メタデータ） (2026-02-09T03:17:17Z)
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。