論文の概要: Evo$^2$: Evolving the Evolver through Weight-Harness Co-Evolution

• arxiv url: http://arxiv.org/abs/2610.13025v1
• Date: Fri, 09 Oct 2026 05:28:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-13 04:06:29.40744
• Title: Evo$^2$: Evolving the Evolver through Weight-Harness Co-Evolution
• Title（参考訳）: Evo$^2$:Evolving the Evolver through Weight-Harness Co-Evolution
• Abstract要約: Evo$2$はウェイトハーネスの共同進化のためのフレームワークである。 更新を利用するために、単一ポリシーがProposerとReflectorの両方として機能する統合されたデュアルロールパイプラインを設計する。 重み付け更新のために、修正とそれらの実行結果はProposerとReflectorの両方のトレーニングをガイドします。
• 参考スコア（独自算出の注目度）: 34.424787883582205
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Self-evolving agents are increasingly used to improve language model systems without human intervention through either weight updates or harness improvements. Existing approaches typically pursue these directions separately: some methods update model weights using self-generated experience, while others rewrite the harness that defines how an agent uses prompts, tools, context, and execution feedback. However, these approaches overlook the relationship between model weights and the agent harness. To connect these processes and ensure effective and smooth agent self-evolving, we propose Evo$^2$, a framework for weight-harness co-evolution. For harness updates, we design a unified dual-role pipeline that a single policy serves as both a Proposer, which writes harness edits, and a Reflector, which diagnoses their effects and guides revision. For weight updates, harness modifications and their execution outcomes guide the training of both the Proposer and the Reflector. We further develop EvoTIDE, a training pipeline that recovers usable trajectories through edit extraction and prefix continuation, then combines SFT with interleaved GRPO across the two roles. Extensive experiments across three coding benchmarks demonstrate that Evo$^2$ significantly outperforms existing self-evolution methods. It achieves 82.1% on Polyglot and 48.3% on SWE-bench Verified, compared with 62.6% and 41.0% for the strongest baseline, respectively. We also show that the evolved harnesses transfer to different tasks without further evolution and rank first in cross-benchmark evaluations. Our dual-role harness improvement framework is also able to extend to self-evolution with proprietary models, improving a GPT-5-mini agent's performance from 24.4% to 48.3%. These results demonstrate the applicability of the framework Evo$^2$ across domains and its broad transferability across models and tasks.
• Abstract（参考訳）: 自己進化エージェントは、重み付け更新または利用改善によって人間の介入なしに言語モデルシステムを改善するために、ますます使われています。 あるメソッドは自己生成エクスペリエンスを使用してモデルウェイトを更新し、他のメソッドはエージェントがプロンプト、ツール、コンテキスト、実行フィードバックをどのように使用するかを定義するハーネスを書き換える。 しかし、これらのアプローチはモデルウェイトとエージェントハーネスの関係を見落としている。 これらのプロセスを結合し、効果的でスムーズなエージェントの自己進化を保証するために、重み-ハーネス共進化のためのフレームワークであるEvo$^2$を提案する。 ハーネス更新のために、単一のポリシーがプロポーラとして機能し、ハーネス編集を書き込み、リフレクタがそれらの効果を診断し、リビジョンをガイドする統合されたデュアルロールパイプラインを設計する。 重み付け更新のために、修正とそれらの実行結果はProposerとReflectorの両方のトレーニングをガイドします。 EvoTIDEは、編集抽出とプレフィックス継続によって使用可能なトラジェクトリを復元し、SFTとインターリーブGRPOを2つの役割で組み合わせたトレーニングパイプラインである。 3つのベンチマークによる大規模な実験により、Evo$^2$は既存の自己進化法を大幅に上回ることを示した。 ポリグロットでは82.1%、SWEベンチでは48.3%、最強のベースラインでは62.6%と41.0%である。 また、進化したハーネスは、クロスベンチマーク評価において、さらなる進化やランクを伴わずに、異なるタスクへ移行することを示す。 我々のデュアルロールハーネス改善フレームワークは、プロプライエタリなモデルによる自己進化にまで拡張することができ、GPT-5ミニエージェントの性能は24.4%から48.3%に向上した。 これらの結果は、ドメイン間でのEvo$^2$フレームワークの適用性と、モデルやタスク間での広範な転送可能性を示している。

関連論文リスト

• Self-Evolving Harness on Multiple Tasks with the Agent as Its Own Optimizer [0.0]
  ハーネスとは、プロンプトを整理し、ツールを呼び出し、コンテキストを管理し、実行を制御する言語モデルエージェントを取り巻くコードである。 既存のほとんどの手法では、人間によって設計されたハーネス上で実行される別のプロポーザがソルバのハーネスを変更し、ベンチマーク毎に別のハーネスが進化する。 再帰的自己改善に近いフレームワークを提案する: 同じフリーズモデルであるハーネスの同じバージョンにおいて、まず解法としてタスクを解き、続いて提案者として、完全な実行レコードを読み出し、実行中のハーネスを直接編集する。 進化過程を2段階の深層学習訓練として捉えた。
  論文  参考訳（メタデータ） (2026-09-29T18:33:27Z)
• 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)
• Astar: Learning to Propose Evolution Directions for Self-Evolving Industrial AI Systems [22.046339198460334]
  Astarは、産業システムの豊富な反復履歴から専門的な進化誘導モデルを学ぶ訓練ベースのアプローチである。 アスターは進化方向の提案のためにAlibabaの広告システムに配備されている。
  論文  参考訳（メタデータ） (2026-08-27T15:56:40Z)
• HELIX: Model-Harness Co-evolution for Recursive Self-Improvement [8.484282837156933]
  我々は,HELIXを資源追跡可能なHELIX基板として提案する。 提案手法は,現在の能力向上と,次のモデルに対する学習信号の生成方法を示す。
  論文  参考訳（メタデータ） (2026-08-14T04:44:53Z)
• EvolveNet: Collaborative Harness Evolution for Agent Self-Improvement [70.68218215070745]
  既存のアプローチでは、すべての実行エクスペリエンスを単一のハーネスにルーティングできると仮定している。 EvolveNetは、経験抽出をデータに移動させるハーネス進化のパラダイムである。
  論文  参考訳（メタデータ） (2026-08-05T15:37:18Z)
• Self-Improving Large Language Models via Progressive Experience Evolution [52.03479747358687]
  textbfSPEE(textbfSelf-textbfProgressive textbfExperience textbfEvolution)を提案する。 5つの数学的推論ベンチマークの実験は、SPEEが3つのモデルスケールでテスト時間とトレーニング時間の両方の自己進化ベースラインを一貫して上回っていることを示している。
  論文  参考訳（メタデータ） (2026-08-03T12:27:32Z)
• HarnessCompass: Guiding Automatic Harness Evolution toward Generalizable and Effective Agent Harnesses [17.229636050055266]
  Harness設計は、大規模言語モデル(LLM)が実行環境内でどのように認識し、推論し、動作しているかを形作ることで、エージェントのパフォーマンスにおいて重要な役割を果たす。 最近の研究は、エージェント-環境相互作用からハーネスを反復的に改善する自動ハーネス進化を提案している。 制約付き進化、積極的フィードバック、コンポーネントワイド最適化を中心に構築された新しい自動ハーネス進化フレームワークであるHarnessを提案する。
  論文  参考訳（メタデータ） (2026-08-03T08:51:50Z)
• Teaching LLMs to Self-Evolve: Cultivating Core Meta-Skills with Reinforcement Learning [51.17262419591891]
  AlphaEvolveが示すように、環境フィードバックによる反復的自己進化によるテスト時間のスケーリングは、顕著なパフォーマンス向上を示している。 本稿では,データ合成パイプライン,進化対応強化学習,推論時進化探索によるメタスキル開発を目的としたMetaEvolveを提案する。
  論文  参考訳（メタデータ） (2026-07-24T04:35:29Z)
• Squeeze Evolve: Unified Multi-Model Orchestration for Verifier-Free Evolution [81.46210789228296]
  検証不要な進化推論のための統合型マルチモデルオーケストレーションフレームワークであるSqueeze Evolveを紹介する。 われわれのアプローチは単純な原則で導かれており、最良効能を有するモデル能力を割り当てる。
  論文  参考訳（メタデータ） (2026-04-09T02:14:45Z)

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。