論文の概要: Agent Plasticity: Measuring Self-Improvement Through Experience

• arxiv url: http://arxiv.org/abs/2610.08902v1
• Date: Tue, 06 Oct 2026 17:58:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 21:58:22.529771
• Title: Agent Plasticity: Measuring Self-Improvement Through Experience
• Title（参考訳）: エージェントの塑性:経験を通して自己改善を測定する
• Abstract要約: エージェントが過去の体験を将来の事例で継承した再利用可能なアーティファクトに記憶させる制御環境での自己改善について検討する。 エージェントの可塑性は, エージェントが経験を生かし, 将来の保留性能を向上する。 複数の環境にまたがって、フロンティアモデルは、学習する機会に匹敵するにもかかわらず、大幅に異なる改善軌道を示す。
• 参考スコア（独自算出の注目度）: 101.59509058042552
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: AI agents increasingly operate in environments where they can diagnose failures and improve through experience, yet existing evaluations largely measure what an agent can do at a fixed point in time rather than how effectively it learns. Evaluating self-improvement requires answering three questions: does future performance improve and generalize beyond the interactions that enabled learning; how efficiently are new capabilities acquired; and where does the self-improvement process break down? To answer these questions, we study self-improvement in a controlled setting where agents amortize past experience into reusable artifacts that are inherited by future instances. At each checkpoint, we measure performance on training and held-out environment interactions while accounting for learning cost. We introduce agent plasticity, the efficiency with which an agent converts experience into gains in future held-out performance. Across multiple environments, frontier models exhibit sharply different improvement trajectories despite comparable opportunities to learn. Some achieve substantial and persistent gains, while others remain near or below their initial performance, and gains within the training regime often transfer only partially to out-of-distribution conditions. Endpoint capability and acquisition efficiency also diverge: the agent that ultimately performs best need not be the one that improves most efficiently. Tracing failures through the improvement loop further reveals different candidate bottlenecks. Agents with low plasticity often fail to reuse relevant artifacts, whereas more plastic agents may still fail despite reusing relevant artifacts, pointing to limitations in artifact quality, generalization, or application. Evaluating self-improving agents requires measuring not only what they can do, but how effectively they become better through experience.
• Abstract（参考訳）: AIエージェントは、障害を診断し、経験を通じて改善できる環境において、ますます運用されるようになるが、既存の評価では、エージェントがいかに効果的に学習するかではなく、一定時点で何ができるかを大部分が測定されている。 自己改善を評価するには、次の3つの質問に答える必要がある。 将来のパフォーマンスは、学習を可能にする相互作用を超えて改善され、一般化されるのか? これらの疑問に答えるために、エージェントが過去の体験を将来の事例で継承した再利用可能なアーティファクトに記憶させる制御された環境で自己改善を研究する。 各チェックポイントにおいて,学習コストを考慮しつつ,トレーニングにおけるパフォーマンスと環境相互作用の保持を計測する。 エージェントの可塑性は, エージェントが経験を生かし, 将来の保留性能を向上する。 複数の環境にまたがって、フロンティアモデルは、学習する機会に匹敵するにもかかわらず、大幅に異なる改善軌道を示す。 中には実質的かつ永続的な利益を達成するものもあれば、初期の成果に近いあるいはそれ以下に留まるものもある。 エンドポイント能力と取得効率もばらつき、究極的には最善を尽くすエージェントが、最も効率良く改善するエージェントである必要はない。 改善ループを通じた障害の追跡はさらに、さまざまな候補ボトルネックを明らかにします。 可塑性の低いエージェントは、関連するアーティファクトの再利用に失敗することが多いが、関連するアーティファクトの再利用にもかかわらず、アーティファクトの品質、一般化、応用の制限を指摘して、より多くのプラスティックエージェントが失敗することがある。 自己改善剤を評価するには、できることだけでなく、経験を通じていかに効果的に改善するかを測定する必要がある。

関連論文リスト

• 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)
• S3Gym: Can LLMs Turn Self-Testing and Self-Judging into Self-Improvement? [66.17176838165994]
  大規模言語モデル(LLM)は、ますます外部環境と相互作用し、かなりの行動経験を蓄積する。 エージェントがその振る舞いを積極的にテストし、得られた経験を判断し、その経験を使って将来の意思決定を改善することができるかどうかは不明だ。 LLM自己改善評価のための対話型ベンチマークである textbfStextsuperscript3Gym を導入する。
  論文  参考訳（メタデータ） (2026-08-31T17:05:41Z)
• Rethinking Self-Evolution: A Constrained Exploration-Exploitation Process for Mitigating Skill Overfitting [20.811638832981178]
  大規模言語モデル(LLM)エージェントは、過去のインタラクションからの経験を蓄積し再利用する必要がある。 データ駆動のスキル最適化は、実際の環境から収集された限られた軌道に過度に適合する傾向がある。 リスクを緩和する3段階フレームワークであるSkillBoostを提案する。
  論文  参考訳（メタデータ） (2026-07-29T09:05:40Z)
• Experiential Reflective Learning for Self-Improving LLM Agents [1.1074589887824053]
  実験的反射学習(ERL:Experiential Reflective Learning)は,迅速な環境適応を実現するシンプルな自己改善フレームワークである。 ERLはタスクの軌跡と成果を反映して、タスク間で伝達される実行可能なレッスンを生成する。 ERLはReActベースラインよりも成功率を7.8%向上させ、タスク完了の信頼性を大きく向上させる。
  論文  参考訳（メタデータ） (2026-03-25T11:43:22Z)
• Agentic Critical Training [58.33938417298441]
  大規模言語モデル(LLM)を自律エージェントとして訓練することは、しばしば模倣学習から始まる。 本稿ではエージェントクリティカルトレーニング(ACT)を提案する。これは,エージェントに対して,選択肢間のよりよい行動を特定するための強化学習パラダイムである。 ACTは、異なるポストトレーニングメソッドと組み合わせることで、エージェントのパフォーマンスを一貫して改善する。
  論文  参考訳（メタデータ） (2026-03-09T17:58:56Z)
• Co-Evolving Agents: Learning from Failures as Hard Negatives [38.61683607205988]
  近年の研究では、自己改善剤を自力で生成し、精製し、自身の軌道で再訓練する研究が進められている。 本稿では、目標エージェントが補助故障エージェントと共同で改善する共進化型エージェントフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-27T09:30:33Z)
• Agent Learning via Early Experience [93.83579011718858]
  言語エージェントの長期的な目標は、彼ら自身の経験から学び、改善することであり、最終的には複雑な現実世界のタスクにおいて人間より優れています。 現在のエージェントのほとんどは、専門家データによる教師付き微調整に依存しており、スケールと一般化が不十分である。 本研究では,(1)環境力学における政策の基盤として収集された状態を利用するインプリシット・ワールド・モデリング,(2)エージェントが最適な行動から学習し,推論と意思決定を改善するための自己回帰という2つの手法について検討する。
  論文  参考訳（メタデータ） (2025-10-09T17:59:17Z)

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。