論文の概要: DuplexAgent-RSI: Recursive Harness Improvement for Full-Duplex Voice Agent Collaboration

• arxiv url: http://arxiv.org/abs/2610.11299v1
• Date: Thu, 08 Oct 2026 06:06:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.823355
• Title: DuplexAgent-RSI: Recursive Harness Improvement for Full-Duplex Voice Agent Collaboration
• Title（参考訳）: DuplexAgent-RSI:全二重音声エージェント協調のための再帰的高調度改善
• Abstract要約: 既存のハーネスはしばしば結合に依存しており、証拠から体系的に改善することは困難である。 我々は、このワークフローを6つの編集可能なモジュールとして表現するフルコラボレーションシステムであるDuplexAgentを紹介する。 シミュレーターは自動的にタイムドテストの会話を生成し、システムを実行し、修理を必要とする協調モジュールを特定する失敗を生成する。
• 参考スコア（独自算出の注目度）: 21.424177180563685
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Voice agents are converging on a collaboration pattern: a full-duplex interaction model stays on the live channel as the entry to the conversation, while search, reasoning, and coding are handled through asynchronous delegation. A duplex model supports continuous listening and speaking, but complex reasoning and tool use may exceed its capabilities. A coding agent can plan and execute extended tasks, but its sequential interface is a poor fit for live conversation. Combining them requires a harness that coordinates task acceptance, progress, cancellation, replacement, and result delivery while keeping the conversation responsive. Existing harnesses often rely on coupled heuristics, making them difficult to improve systematically from evidence. We present DuplexAgent, a full-duplex collaboration system whose harness expresses this workflow as six editable modules, and Duplex-Harness-RSI, a closed loop that revises them from interaction traces. A simulator automatically generates timed test conversations, runs the system, and produces failure traces that identify the collaboration modules requiring repair. Reasoning LLMs and coding agents in the delegation pool also serve the improvement loop: the Exam Planner selects the next tests from observed weaknesses and the repair archive, and the Harness Editor proposes targeted module changes. The capabilities that serve the user thus also improve the system's coordination. Experiments on intelligence, agentic, and duplex benchmarks show that DuplexAgent combines continuous interaction with difficult reasoning and complex task execution, achieving stronger spoken-knowledge and executable-tool scores than the compared delegated systems while maintaining strong interruption response. A harness ablation further shows that this modular, verifiable loop outperforms the initial harness and repeated editing that lacks its diagnosis and repair archive.
• Abstract（参考訳）: 完全な二重相互作用モデルは会話のエントリとしてライブチャネルに留まり、検索、推論、コーディングは非同期デリゲートによって処理される。 デュプレックスモデルは、連続的なリスニングと発話をサポートするが、複雑な推論とツールの使用はその能力を超える可能性がある。 コーディングエージェントは拡張タスクを計画し実行できますが、そのシーケンシャルインターフェースはライブ会話には適していません。 これらを組み合わせるには、会話の応答性を維持しながらタスクの受け入れ、進捗、キャンセル、置換、結果の配信を調整するハーネスが必要です。 既存のハーネスはしばしば結合ヒューリスティックに依存しており、証拠から体系的に改善することは困難である。 本稿では、このワークフローを6つの編集可能なモジュールとして表現する全二重協調システムであるDuplexAgentと、相互作用トレースからそれらを更新するクローズドループであるDuplex-Harness-RSIを紹介する。 シミュレーターは自動的にタイムドテストの会話を生成し、システムを実行し、修復を必要とする協調モジュールを特定する障害トレースを生成する。 Exam Plannerは観測された弱点と修復アーカイブから次のテストを選択し、Harness Editorは目標とするモジュール変更を提案する。 ユーザに提供する能力はシステムのコーディネーションも改善する。 インテリジェンス、エージェント、デュプレックスベンチマークの実験は、DuplexAgentが困難な推論と複雑なタスク実行と連続的な相互作用を結合し、強い割り込み応答を維持しながら、比較されたシステムよりも強力な音声知識と実行可能ツールスコアを達成することを示した。 ハーネスアブレーションは、このモジュラーで検証可能なループが、診断と修復のアーカイブが欠如している初期ハーネスと反復的な編集よりも優れていることを示している。

関連論文リスト

• SALMONN-duo: Adaptive Dual-System Coordination for Full-Duplex Voice Agents [21.137152704061666]
  現実世界のエージェントはツールを使用し、熟考的推論を行う必要がある。 SALMONN-duoは、二重プロセス認知理論に触発された適応的な二重システム音声である。
  論文  参考訳（メタデータ） (2026-09-28T03:53:05Z)
• ModularRSI: Modular and Generalizable Recursive Harness Self-Improvement [46.36989489677189]
  我々は、一般化可能なハーネス進化のための、ベンチマーク非結合、コントラストおよびモジュラーフレームワークを提案する。 ModularRSIは、同じタスクに対する成功と失敗の軌跡を対比し、繰り返し発生する行動障害を特定するために、タスク全体で証拠を集約する。 進化可能なハーネスを,エージェントループ,ツール使用,監視管理,コンテキスト管理,タスク補完検出という,5つの機能モジュールに分解する。
  論文  参考訳（メタデータ） (2026-09-14T00:10:45Z)
• Multimodal Duplex Interaction Agent [48.78411737142625]
  Ganderは、ストリーミングユーザの入力を処理するインタラクションモデルであり、日々の会話と複雑なシナリオの両方で完全なインタラクションを可能にする。 我々は,対話能力,対話能力,理解能力,タスク実行支援ツールなどにわたって,Ganderを評価した。 Ganderは、バックグラウンドノイズ干渉、マルチパーティインタラクション、バックチャネル通信など、さまざまな困難なインタラクション設定をサポートしている。
  論文  参考訳（メタデータ） (2026-09-08T16:22:23Z)
• EChO-Agent: Evidence Chain Orchestration Agent for Audio Reasoning [57.032533935143924]
  LALMは音声の疑問関連部分に焦点を合わせず、明確でチェック可能な推論プロセスを提供する。 本稿では,複雑なオーディオQAを計画,ツールの実行,エビデンス統合,回答検証ワークフローとして再構成するモジュール型エージェントフレームワークEChO-Agentを提案する。
  論文  参考訳（メタデータ） (2026-06-13T06:05:59Z)
• Divide and Cooperate: Role-Decomposed Multi-Agent LLM Training with Cross-Agent Learning Signals [10.378290102256534]
  既存のアプローチは 一つのポリシーの中で 証拠の取得と 答えの生成を2つに分けます エージェント検索を2つのサブタスクに分割するロール分解型マルチエージェントトレーニングフレームワークであるDAC(Divide and Cooperate)を提案する。 生成装置は、解答生成元と証拠充足検証器の両方として二重の役割を担い、検索された証拠が不十分な場合に停止する。
  論文  参考訳（メタデータ） (2026-06-09T10:40:55Z)
• Code as Agent Harness [107.31925305395957]
  新興のエージェントシステムでは、コードはもはや単なる目標出力ではない。 コードはエージェントの推論、行動、環境モデリング、実行ベースの検証のための運用上の基盤としてますます役立っている。 この調査は、実行可能、検証可能、ステートフルなAIエージェントシステムに向けた統一されたロードマップを提供する。
  論文  参考訳（メタデータ） (2026-05-18T17:59:03Z)
• MoshiRAG: Asynchronous Knowledge Retrieval for Full-Duplex Speech Language Models [62.05118198431989]
  非同期のフル音声モデルは、AI停止のフルタイムの対話性と自然な性質によって区別される。 本フレームワークは,外部情報における知識要求型対話クエリと接地応答の同定を可能にする。 本設計では,再学習を伴わないプラグ・アンド・プレイ検索手法をサポートし,アウト・オブ・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー・ツー
  論文  参考訳（メタデータ） (2026-04-14T16:17:52Z)
• UniConv: Unifying Retrieval and Response Generation for Large Language Models in Conversations [71.79210031338464]
  会話における大規模言語モデルに対する高密度検索と応答生成の統一方法を示す。 目的の異なる共同微調整を行い、不整合リスクを低減するための2つのメカニズムを設計する。 5つの対話型検索データセットの評価は、我々の統合モデルがタスクを相互に改善し、既存のベースラインより優れていることを示す。
  論文  参考訳（メタデータ） (2025-07-09T17:02:40Z)

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。