論文の概要: Predict Before You Modify: Learning Improvement Dynamics for Self-Evolving Agents
- arxiv url: http://arxiv.org/abs/2610.13991v2
- Date: Thu, 15 Oct 2026 14:34:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-18 21:02:54.4452
- Title: Predict Before You Modify: Learning Improvement Dynamics for Self-Evolving Agents
- Title（参考訳）: 修正前の予測: 自己進化型エージェントのための改善ダイナミクスの学習
- Abstract要約: 編集可能な改善ダイナミクスモデル(IDM)による予測自己進化を導入する。
評価の前に、IMMは提案された修正のタスクレベルの結果を予測し、オプションの修正を導く。
評価後、過去の修正とその観察結果を用いてIMMを改善し、世代間で予測知識を蓄積する。
- 参考スコア（独自算出の注目度）: 23.5516981564157
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Self-evolving agents improve through repeated cycles of modification and evaluation. However, existing methods receive feedback on modifications only after costly evaluations, and aggregate scores may obscure distinctions between failures that require different repairs. We introduce predictive self-evolution through an editable Improvement Dynamics Model (IDM). Before evaluation, the IDM predicts task-level outcomes of a proposed modification and guides an optional revision. After evaluation, past modifications and their observed outcomes are used to improve the IDM, allowing predictive knowledge to accumulate across generations. The system can thus improve how it solves tasks, proposes modifications, and predicts their effects. Building on HyperAgents, we evaluate this approach across multilingual coding, paper review, robotics reward design, and Olympiad-level mathematical grading. Our approach outperforms HyperAgents across all four domains, with up to 46% higher average performance over generations. Gains also persist under matched token budgets that include both agent evolution and task evaluation, and extend to held-out tasks. Forecast accuracy improves as the IDM evolves, and the learned predictive knowledge transfers to improve evolution in a new domain.
- Abstract（参考訳）: 自己進化剤は、反復的な修正と評価のサイクルを通じて改善する。
しかし、既存の手法はコスト評価後にのみ修正に対するフィードバックを受けており、アグリゲーションスコアは異なる修理を必要とする障害の区別を曖昧にする可能性がある。
編集可能な改善ダイナミクスモデル(IDM)を用いて予測自己進化を導入する。
評価の前に、IMMは提案された修正のタスクレベルの結果を予測し、オプションの修正を導く。
評価後、過去の修正とその観察結果を用いてIMMを改善し、世代間で予測知識を蓄積する。
これにより、タスクの解決方法を改善し、修正を提案し、その効果を予測することができる。
HyperAgentsをベースとして、多言語コーディング、論文レビュー、ロボティクス報酬設計、オリンピアードレベルの数学的グレーディングなどにわたるこのアプローチを評価した。
当社のアプローチは4つのドメインすべてでHyperAgentを上回り、世代ごとの平均パフォーマンスは最大46%向上しています。
利得は、エージェントの進化とタスク評価の両方を含む、整合したトークン予算の下で継続され、保留されたタスクにまで拡張されます。
予測精度は、IDMが進化するにつれて向上し、学習された予測知識は、新しい領域における進化を改善するために転送される。
関連論文リスト
- Verify Less, Evolve More: Training Idea-Level Critics for Verification-Efficient ML Evolving Agents [19.350538598123038]
提案するML修正が現在のソリューションで改善されるかどうかを予測できるアイデアレベルの批判モデルを開発する。
我々は、Gemini-3.1-Proで合成された高品質な批評を教師付き微調整することで、批評家モデルを訓練する。
経験的に、我々の批評家モデルは静的なアイデア評価においてGemini-3.1-Proより優れており、これらはエージェント推論、継続的な学習、ポリシートレーニングにまで及んでいる。
論文 参考訳（メタデータ） (2026-10-06T18:52:00Z) - Learning from Revision Consequences: Hindsight Meta-Experience Distillation for Self-Improving Agents [23.911343934512626]
HMED(Hindsight Meta-Experience Distillation)は,自己改善剤のメタエクスペリエンス構築のためのメカニズムである。
HMEDは、リビジョンが発生し、更新されたメタスキルを同じ復元された発見状態から再実行する、完了したイベントを再考する。
各比較は、将来の更新によって再利用可能な構造化レコードであるMeta-Experienceに蒸留される。
論文 参考訳（メタデータ） (2026-10-06T08:43:43Z) - Causal Improvement Graph for Agentic Harness Optimization [85.77143316265415]
因果改善グラフ(Causal Improvement Graph, CIG)は、永続グラフにおける改善状態の進化を外部化する、グラフが支配するメタハーネスフレームワークである。
CIGはノードをリンクして、観察されたこと、どのように説明されるか、その説明をテストする方法、そして評価が示すものを表す。
論文 参考訳（メタデータ） (2026-10-04T08:15:37Z) - 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) - Beyond Endpoint Performance: Process-Level Evaluation of Self-Evolving Agents [20.811638832981178]
EvoPathBenchは、アーティファクトレベルの自己進化中の個々の機能を追跡するベンチマークである。
不可解なタスクへの一般化、無関係な学習後の保持、新しいエビデンスへのルール適応の3つの機能をテストする。
論文 参考訳（メタデータ） (2026-09-21T14:28:06Z) - Aspire: Can Models Self-Evolve from Vague Goals? [61.65007006747275]
我々はあいまいなゴール駆動型自己進化のベンチマークであるASPIREを紹介する。
ASPIREは、統一された対話環境におけるモデルウェイトとエージェントハーネスの進化をサポートする。
実験の結果,曖昧な目標が探索努力を目標解釈に向けることが示唆された。
論文 参考訳（メタデータ） (2026-08-31T17:14:59Z) - CurateEvo: Data-Curation Evolving for Agentic Post-Training [53.68149869349268]
エージェント学習後データキュレーションのための障害駆動動的進化フレームワークであるCurateEvoを提案する。
CurateEvoは、キュレーション戦略を実行可能なコードとして表現し、保持された開発セットから失敗したトラジェクトリを使って反復的に書き直します。
各エポックにおいて、進化した戦略は、固定された生コーパスを教師付き微調整データ、強化学習データ、推論時メモリバンクに変換する。
論文 参考訳（メタデータ） (2026-07-07T11:07:00Z) - Hyperagents [42.17044581555985]
自己改善型AIシステムは、人間のエンジニアリングへの依存を減らすことを目的としている。
既存の自己改善アプローチは、固定された手作りのメタレベルメカニズムに依存している。
我々はDGM-Hyperagentを作成するためにDarwin Gdel Machineを拡張します。
論文 参考訳（メタデータ） (2026-03-19T20:50:08Z) - A Matrix Variational Auto-Encoder for Variant Effect Prediction in Pharmacogenes [9.316811342279955]
本稿では,前もって構造化された行列変分自動エンコーダ(matVAE)を提案する。
我々はDMS(Deep mutational scanning, DMS)データセットを26の薬物標的およびADMEタンパク質に対応させて評価した。
我々のモデルはMSA(matVAE-MSA)で訓練され、DMSデータセットのゼロショット予測において最先端のDeepSequenceモデルより優れている。
論文 参考訳（メタデータ） (2025-07-03T13:50:18Z) - On the Role of Feedback in Test-Time Scaling of Agentic AI Workflows [71.92083784393418]
エージェントAI(自律的な計画と行動を行うシステム)は広く普及しているが、複雑なタスクにおけるタスクの成功率は低いままである。
推論時のアライメントは、サンプリング、評価、フィードバックの3つのコンポーネントに依存します。
本稿では,様々な形態の批判から抽出されたフィードバックを繰り返し挿入するIterative Agent Decoding(IAD)を紹介する。
論文 参考訳（メタデータ） (2025-04-02T17:40:47Z)
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。