論文の概要: VETR: Execution-Grounded Self-Improving Agent for Symbolic Graphics Reasoning
- arxiv url: http://arxiv.org/abs/2610.13098v2
- Date: Mon, 12 Oct 2026 20:16:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-14 23:39:49.91295
- Title: VETR: Execution-Grounded Self-Improving Agent for Symbolic Graphics Reasoning
- Title（参考訳）: VETR:シンボリックグラフィー推論のための実行周囲自己改善剤
- Abstract要約: 本稿では,シンボル図形推論のための実行可能世界表現に対するエージェント的自己改善を実現するフレームワークVETRを提案する。
各タスク内では、VETRはプログラム/レンダーレコードとバウンダリのランタイム観測を保持する。
精製器は、キャプチャされたランタイム状態に対してエンドポイントと保存条件を検証する。
補修構造は追加の言語モデル呼び出しをしないが、追加の実行が必要になる。
- 参考スコア（独自算出の注目度）: 8.963101433650596
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Visual agents for symbolic graphics reasoning depend on executable world representations, yet continued improvement remains bottlenecked by ambiguous supervision from final renders. Recent agentic systems refine scenes through repeated interaction, but they lack mechanisms to recursively extract actionable evidence from execution traces, overlooking which proposed symbolic edits survived, disappeared, or interfered during program execution. To address this, we propose VETR (Verified Execution Trajectories for Refinement), a framework that enables agentic recursive self-improvement over executable world representations for symbolic graphics reasoning. Within each task, VETR retains aligned program/render records with bounded runtime observations and introduces an execution refiner that compiles observed writes and state changes into constrained alternative programs. The refiner validates their endpoints and preservation conditions against captured runtime state; the ordinary visual verifier then assesses goal relevance. Repair construction makes no additional language-model calls, but can require additional executions. Evaluations on BlenderGym (280 tasks) and BlenderBench (27 released tasks) with GPT-5.6-luna and Qwen3.8-27B show that VETR consistently outperforms existing refinement strategies, including BlenderAlchemy and VIGA. Controlled ablations evaluate the contributions of execution refinement and role-asymmetric evidence organization under fixed generator-interaction caps.
- Abstract（参考訳）: シンボルグラフィック推論のための視覚エージェントは、実行可能な世界表現に依存するが、最終的なレンダリングからの曖昧な監督によって、引き続き改善がボトルネックとなる。
近年のエージェントシステムは、繰り返しのインタラクションを通じてシーンを精査するが、実行トレースから実行可能な証拠を再帰的に抽出するメカニズムが欠如しており、プログラム実行中にどのシンボル編集が生き残ったか、消えたか、あるいは妨げられたかを見極めている。
これを解決するために,シンボルグラフィック推論のための実行可能世界表現に対してエージェント的再帰的自己改善を可能にするVETR(Verified Execution Trajectories for Refinement)を提案する。
各タスク内では、VETRは、境界付けられた実行時の観測と整合したプログラム/レンダリングレコードを保持し、観察された書き込みと状態の変更を制約された代替プログラムにコンパイルする実行精算器を導入している。
精細化器は、捕獲された実行状態に対してエンドポイントと保存条件を検証し、通常の視覚的検証器は、目標の関連性を評価する。
修復構成では、追加の言語モデル呼び出しはないが、追加の実行が必要になる。
GPT-5.6-luna と Qwen3.8-27B による BlenderGym (280 タスク) と BlenderBench (27 タスク) の評価は、VETR が BlenderAlchemy や VIGA など既存の改良戦略を一貫して上回っていることを示している。
制御されたアブレーションは、固定されたジェネレータ-相互作用キャップの下での実行改善と役割非対称なエビデンス機構の寄与を評価する。
関連論文リスト
- Fly-by-Code: Embodied Coding Agents for Aerial Manipulation with Active Visual and Physical Feedback [63.75302732504381]
エンボディードコーディングエージェントは、プログラムを生成し、実行フィードバックからそれらを精製することで、ロボットポリシーを構築する。
この改善は、実行フィードバックがタスクが成功したかどうかを明らかにし、失敗した後、プログラムのリビジョンをガイドするのに十分な証拠を提供すると仮定する。
同じフィードバックを再検査しても、収集されていない観察や、利用可能な証拠が区別できない原因を分離することはできません。
アクティブな"View and Probe"フレームワークであるActive Feedback(AF)を紹介します。
論文 参考訳（メタデータ） (2026-10-08T18:00:00Z) - MaLiang-Harness: A Programmable Path to Image and Video Generation [131.25289080401856]
本稿では,MLLMによる視覚生成を永続的な構築・検査・修正プロセスにまとめるフレームワークであるMaLiang-Harnessを紹介する。
我々は,MaLiang-IBench上の11個の強力なクローズソースMLLMとMaLiang-VBench上の4つのMLLMを評価し,生成成功,視覚的品質,計算コストを測定した。
論文 参考訳（メタデータ） (2026-09-28T04:48:06Z) - CARE: Experience-Guided Atomic Corrective Execution for Vision-Language-Action Policies [52.32735203969873]
VLA(Vision-Language-Action)ポリシーは、ロボット操作において強力なパフォーマンスを達成するが、実行が名目上の軌道から逸脱した後も不安定なままである。
本稿では,実行時に発生する障害から学習することで回復を改善するフレームワークであるCARE(Corrective Atomic Robotic Execution)を提案する。
論文 参考訳（メタデータ） (2026-09-21T05:14:34Z) - Execution-First Synthetic Tool-Use Trace Generation for LLM Agents [10.291533584425252]
SyntheticAgentTraceQAは、ツールエージェントのためのスケーラブルな監視データを生成するための実行ファーストフレームワークである。
4つのツールエコシステムにまたがるフレームワークを評価し、結果のデータを微調整し、Qwenモデルの変種を評価する。
論文 参考訳（メタデータ） (2026-07-31T08:52:26Z) - PhyAgentOS: A Self-Evolving Operating System for Embodied Agents with Decoupled Cognitive Planning and Physical Execution [49.776611937968]
我々は、スケジューリング、検証、メモリ、ベンチマーク、安全性をシステムレベルのサービスとして提供するPhyAgentOSを紹介します。
セッション中心のセッションは、スケジューリング、互換性、監督された実行、エビデンス収集、受け入れの最小単位として、アクションではなくセッションを扱う。
SessionVerifierは、実行終了とセマンティックタスク完了を、成功、失敗、または再計画のエビデンスに基づいて判断する。
ベンチマークはデプロイメントセッションと検証パスを再利用するので、結果は実際の実行に遡る。
論文 参考訳（メタデータ） (2026-07-18T04:46:53Z) - Atomic Task Graph: A Unified Framework for Agentic Planning and Execution [13.978062792065215]
Atomic Task Graph (ATG) は、計画と実行のための統一された制御フレームワークである。
ATGは依存関係を公開するための明示的なグラフを維持し、再利用をサポートする。
ATGは、成功率と実行効率の強いベースラインを一貫して上回っている。
論文 参考訳（メタデータ） (2026-07-02T09:34:20Z) - ClawForge: Generating Executable Interactive Benchmarks for Command-Line Agents [59.626170560327274]
textbfClawForgeは、ステートコンフリクト下で実行可能なコマンドラインカテゴリのためのジェネレータベースのベンチマークフレームワークである。
私たちはこのフレームワークをClawForge-Bench(17のシナリオ、6の能力カテゴリ)としてインスタンス化します。
論文 参考訳（メタデータ） (2026-05-13T21:34:08Z) - CodeGraphVLP: Code-as-Planner Meets Semantic-Graph State for Non-Markovian Vision-Language-Action Models [13.691036198349465]
VLA(Vision-Language-Action)モデルは一般的なロボット操作を約束するが、通常は短期水平政策として訓練され展開される。
信頼性の高い長距離操作を可能にする階層型フレームワークであるCodeGraphを提案する。
論文 参考訳（メタデータ） (2026-04-24T05:27:27Z) - A Physical Agentic Loop for Language-Guided Grasping with Execution-State Monitoring [5.437966695589128]
我々は、接地された実行状態上で動作する有界な実施エージェントとして言語誘導の把握を再構築する。
未修正の学習操作プリミティブをラップする物理エージェントループを導入する。
眼内カメラD405を用いた移動マニピュレータのループを検証した。
論文 参考訳（メタデータ） (2026-04-08T08:01:35Z) - GraphBit: A Graph-based Agentic Framework for Non-Linear Agent Orchestration [34.588097323063074]
GraphBitは、明示的に決定的に有向非巡回グラフ(DAG)として定義するエンジンオーケストレーションフレームワークである。
インシデントオーケストレーションとは異なり、GraphBitのエージェントは型付き関数として動作し、Rustベースのエンジンはルーティング、状態遷移、ツール呼び出しを制御し、監査性を保証する。
一時的なスクラッチスペース、構造化状態、外部コネクタで構成される3層メモリアーキテクチャは、ステージ間でコンテキストを分離し、長時間実行中のパイプラインにおける推論を低下させるカスケードコンテキストを防止する。
論文 参考訳（メタデータ） (2026-03-08T18:32:28Z) - ANCHOR: Branch-Point Data Generation for GUI Agents [52.22377425487]
デスクトップ環境向けのエンドツーエンドGUIエージェントは、大量の高品質なインタラクションデータを必要とする。
本稿では,拡張フレームワークであるAnchorについて紹介する。このフレームワークは,小規模で検証済みのシードデモから,スケーラブルなデスクトップ監視をブートストラップする。
OSWorldとWindowsAgentArenaの標準デスクトップベンチマークの実験では、拡張されたコーパスに微調整されたモデルが一貫した改善を実現している。
論文 参考訳（メタデータ） (2026-02-06T19:55:26Z)
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。