論文の概要: EliteTable: Self-Improving Program Search for Executable Control Policies
- arxiv url: http://arxiv.org/abs/2610.12536v1
- Date: Thu, 08 Oct 2026 13:24:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-13 04:06:29.218271
- Title: EliteTable: Self-Improving Program Search for Executable Control Policies
- Title（参考訳）: EliteTable:実行可能制御ポリシーの自己改善プログラム検索
- Abstract要約: EliteTableは、大規模言語モデル(LLM)によって導かれる自己改善型プログラム探索アルゴリズムである。
6つのGymnasium制御タスクで性能が評価された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: EliteTable is a self-improving program-search algorithm guided by large language models (LLMs) that uses a fixed-capacity table of high-scoring solutions to guide new proposals, edits of existing solutions, and remixes of several solutions. Performance was evaluated across six Gymnasium control tasks, each with ten generations and fifty candidate slots per generation. Each task was evaluated across ten independently initialized searches. Candidate-score medians rose between the first and final generations in all six tasks, and selected-winner search-score medians rose in five. In CartPole-v1, the selected winner reached the search-score ceiling in the first generation of all ten searches. All ten paired held-out endpoints improved in four of the six tasks. BipedalWalker-v3 and CarRacing-v3 improved without reaching their reporting targets. Six of ten Acrobot-v1 searches declined on held-out episodes, and the median paired change was negative. The results document improvement during program search and the transfer of selected-winner gains to new episodes in some tasks. Comparisons and ablations are needed to establish EliteTable's relative performance and the contributions of its components.
- Abstract（参考訳）: EliteTableは、大規模言語モデル(LLM)によってガイドされる自己改善型プログラム探索アルゴリズムで、新しい提案のガイド、既存のソリューションの編集、いくつかのソリューションのリミックスにハイスコアソリューションの固定容量テーブルを使用する。
6つのGymnasium制御タスクで、それぞれ10世代、50の候補スロットで性能を評価した。
各タスクは、独立に初期化された10の検索で評価された。
候補スコアの中央値は6つのタスクすべてで第1世代と最終世代の間に上昇し、選抜された検索スコアの中央値は5.5%上昇した。
CartPole-v1では、選ばれた勝者が10回の検索の第一世代で検索スコアの天井に達した。
10組のホールドアウトエンドポイントは6つのタスクのうち4つで改善された。
BipedalWalker-v3とCarRacing-v3は、レポートターゲットに到達することなく改善された。
10件のAcrobot-v1検索のうち6件は保留エピソードで減少し、中央値の変更は陰性であった。
その結果、プログラム検索における改善と、一部のタスクにおいて、選択された勝者ゲインの新たなエピソードへの移動が文書化される。
EliteTableの相対的なパフォーマンスとコンポーネントのコントリビューションを確立するには、比較と改善が必要である。
関連論文リスト
- MMPostTrainBench: Benchmarking Autonomous Research for Multimodal Post-Training [37.86472029294709]
LLMエージェントは機械学習と言語モデルポストトレーニングの自動化を約束するが、マルチモーダル改善を維持する能力は未だ不明である。
MMPostTrainBenchは、画像、音声、ビデオ、共同音声映像理解と画像地上ソフトウェア修復の8つのタスクにまたがるベンチマークである。
評価は、ターゲットモデルと非ターゲットモデルの結果、反復モデルの改善と選択、研究の完全性をカバーする。
論文 参考訳（メタデータ） (2026-10-04T17:32:58Z) - ForkPilot: Self-Evolving Policy for Retrospective Search in Long-Horizon Agents [15.365983589137109]
ふりかえり探索はそのような失敗から回復するが、誤位を起こしやすい。
自己進化型2段階ポリシー学習フレームワークであるForkPilotを提案する。
ForkPilotは同等のパフォーマンスを実現し、トークン使用量を最大59.2%削減した。
論文 参考訳（メタデータ） (2026-10-04T02:53:58Z) - SEDIMA: Cross-Run Hierarchical Insight Memory for Evolutionary Search Agents [7.626650770346068]
SEDIMAは進化的検索エージェントのための永続的な階層的インサイトメモリである。
生の痕跡を自然言語の洞察に抽出し、注意重み付きセントロイドを用いて意味的類似性によってクラスタリングし、将来の突然変異を条件付けるための関連するガイダンスを取得する。
AlgoTuneでは平均5.5%、ALL-Bench LITEでは6.6%、評価候補は100である。
論文 参考訳（メタデータ） (2026-10-01T18:38:31Z) - EVO-WAM: Evolving World Action Models through Video-Action Verification [51.68210232964847]
EVO-WAMは、自身の生成したビデオアクション軌跡から学習することで、WAMを見えないタスクに適応するフレームワークである。
コスモス3の平均成功率は20.0%から76.7%に改善され、56.7%となった。
論文 参考訳（メタデータ） (2026-09-29T17:25:35Z) - SelfSearch: Reward-Free Search for Self-Improving Agents [12.612647781309098]
既存のアプローチでは、下流の繰り返しの評価を通じて改善されたエージェントを検索できる。
textbfSelfSearchは、前回の自己改善エピソードの記録を用いて、エージェントが自分自身を修正できる報酬のない検索手順である。
検索中にダウンストリームの報酬信号がないと、SelfSearchは6つのモデル(ベンチマーク設定)で初期エージェントよりも平均的な成功率を向上させる。
論文 参考訳（メタデータ） (2026-09-29T16:36:24Z) - Task-CoEvolve: Efficient Harness Optimization via Adaptive Validation Task Selection [51.39973047614183]
本稿では,適応型検証タスク選択によるLLMの効率向上のための新しい手法を提案する。
$textbfTask-CoEvolve$.textbfTask-CoEvolve$.textbfTask-CoEvolve$.textbfTaskは、情報的タスクの選択と、部分的な評価からフルセットのパフォーマンスの推定という2つの課題に対処することで、ハーネスでバリデーションタスクを共進化させる。
論文 参考訳（メタデータ） (2026-08-20T15:24:54Z) - AI Research Preference Models [87.14303218008381]
研究エージェントは、独自の機械学習実験を提案し、実装し、評価することができる。
フロンティア作業の進行は コストで妨げられています
我々は、複数の候補ソリューションのどれが実行価値が最も高いかを予測するAI Research Preference Models(RPM)を紹介する。
論文 参考訳（メタデータ） (2026-08-14T04:20:37Z) - Kolb-Based Experiential Learning for Generalist Agents with Human-Level Kaggle Data Science Performance [81.05882480184587]
本稿では,自律エージェントに対するVygotskyのZPDを用いて,Kolbの学習サイクルの計算フレームワークを提案する。
Agent Kは、KolbとVygotskyにインスパイアされた人間の認知学習をうまく統合する第1のAIシステムである。
金9個、銀8個、銅12個で、メダル獲得競争で金4個、銀4個を含む。エージェントKは、コルブとヴィーゴツキーにインスパイアされた人間の認知学習をうまく統合する第1のAIシステムである。
論文 参考訳（メタデータ） (2024-11-05T23:55:23Z) - Navigating the Labyrinth: Evaluating LLMs' Ability to Reason About Search Problems [62.76627483915117]
大規模言語モデル(LLM)は、最近、数学と推論ベンチマークで印象的なパフォーマンスを達成した。
直感的なパズルにインスパイアされた11のユニークな検索問題を含む新しいベンチマークであるSearchBenchを紹介した。
ステップバイステップで言語のみの推論を用いることで、最も先進的なLLMでさえ、SearchBenchの解決に失敗することを示します。
論文 参考訳（メタデータ） (2024-06-18T00:44:58Z)
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。