論文の概要: CoEvoke: Evoking Multi-Agent Collaboration for Trajectory Collection
- arxiv url: http://arxiv.org/abs/2610.14021v1
- Date: Tue, 29 Sep 2026 13:54:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-18 21:02:54.467906
- Title: CoEvoke: Evoking Multi-Agent Collaboration for Trajectory Collection
- Title（参考訳）: CoEvoke: トラジェクトリコレクションのためのマルチエージェントコラボレーションを実現する
- Abstract要約: マルチエージェントコラボレーションのトレーニングには、チェック、フィードバック、修復の軌跡が必要となるが、タスク解決のロールアウトは、すぐに承認されるか、有効な修正なしに失敗に終わる可能性がある。
CoEvoke(リンク)は、トラジェクトリコレクション中にこれらの相互作用を誘発するクロスドメインフレームワークである。
制御された摂動は回復可能な困難を生じさせ、規制された参照ベースのガイダンスは調査を指示する。
- 参考スコア（独自算出の注目度）: 20.54124654406662
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Training multi-agent collaboration requires trajectories of checking, feedback, and repair, yet task-solving rollouts may end in immediate approval or repeat unsuccessful attempts without useful correction. We introduce CoEvoke, a cross-domain framework that evokes these interactions during trajectory collection. Controlled perturbations create recoverable difficulties, while restricted reference-based guidance directs investigation. The resulting dataset contains 4,567 reconstructable trajectories over 4,130 software-engineering and reasoning tasks, linking public interactions to evidence, decisions, and task-native outcomes. Separate experiments over 2,287 same-task pairs show feedback increases of 47.72-100 percentage points across seven perturbation groups; guidance has smaller, model-dependent effects. With identical training tasks, decision-record counts, and updates, perturbation-enriched judge training improves ACPBench-Hard success from 35.38% to 42.12% (+6.73 points). SWE verifier training gains 7.60-9.40 points over interface-matched untrained references. Workflow and post-training evaluations preserve task-solving topology with unperturbed inputs and no private-reference guidance. These results support designing collection conditions to obtain corrective supervision that improves collaborative decisions with frozen solving agents.
- Abstract（参考訳）: マルチエージェントコラボレーションのトレーニングには、チェック、フィードバック、修復の軌跡が必要となるが、タスク解決のロールアウトは、すぐに承認されるか、有効な修正なしに失敗に終わる可能性がある。
CoEvoke(リンク)は、トラジェクトリコレクション中にこれらの相互作用を誘発するクロスドメインフレームワークである。
制御された摂動は回復可能な困難を生じさせ、規制された参照ベースのガイダンスは調査を指示する。
結果として得られたデータセットには,4,567件のソフトウェアエンジニアリングおよび推論タスクの再構築可能な軌道が含まれており,公開インタラクションをエビデンスや決定,タスクネイティブな結果にリンクする。
2,287個の同じタスクペアの別々の実験では、7つの摂動群で47.72-100ポイントのフィードバックが増加した。
同一の訓練タスク、意思決定記録数、更新により、摂動に富んだ裁判官訓練はACPベンチ・ハードの成功を35.38%から42.12%(+6.73ポイント)に改善する。
SWE検証器のトレーニングはインタフェースにマッチした未トレーニング参照よりも7.60-9.40ポイント向上する。
ワークフローとポストトレーニングの評価は、未成熟な入力とプライベート参照ガイダンスのないタスク解決トポロジを保存する。
これらの結果は、凍結解凍剤との協調的意思決定を改善するための補正管理を得るために、収集条件の設計を支援する。
関連論文リスト
- Training LLMs for Multi-Agent Collaboration with Verifiable Information Rewards [60.95806999869478]
本稿では,CoSIR(CoSIR:Collaboration via Surprisal-based Information Rewards)を紹介する。
本稿では,適切な選択肢に割り当てられた負のログ確率の和として定義されたチーム・サプライサルの削減によって共有情報をスコアするベイズ評価器を提案する。
学習後,Qwen3-4B,Qwen3-8B,Gemma-3-4B-itを自己再生し,未知の7つの自然言語協調タスクへの移動を評価する。
論文 参考訳（メタデータ） (2026-10-13T07:46:48Z) - AgentHorizon: Evaluating Agentic Judges for Long-Horizon Computer-Use Tasks [67.28108897589799]
AgentHorizonは、1,373のコンピュータ利用タスクのベンチマークである。
同様の(しかし互換性のない)要求を完了したのと、成功した軌道を区別する能力について、審査員を評価した。
我々の最高のエージェント・ジャッジであるGPT-5.5は、AHサブセット上で80.9%のバランスの取れた精度を達成する。
論文 参考訳（メタデータ） (2026-10-08T01:03:48Z) - Agent Error Dataset: Scaling 50,000 Error--Diagnosis Pairs for Failure Analysis and Error-Aware Post-Training [45.727227890697556]
我々は,9,961のソースタスクから50,228のエラー診断ペアからなるエージェントエラーデータセット(AED)を紹介した。
5段階のAgenic Error-to-Trainingパイプラインは自然の故障を収集し、診断と修正案を生成し、記録された証拠と照合する。
アクタートレーニングのレシピの比較において、アクションオンリーの修復トレーニングは成功オンリーのトレーニングよりもWebShop-liteの方が6.67ポイント高い。
論文 参考訳（メタデータ） (2026-09-30T16:40:22Z) - Learning When and How to Intervene: A Hindsight-Distilled Sentinel for Coding Agents [11.392677007699362]
HiSentinelは、センチネルをプレエグゼクティションの介入を選択するために訓練する、後光蒸留フレームワークである。
SWE-Interveneは、ソフトウェアエンジニアリング軌道から構築されたアクションレベルデータセットである。
その結果、HiSentinelは、Sentinelスケールとコーディングエージェントファミリーのタスク補完を一貫して改善していることがわかった。
論文 参考訳（メタデータ） (2026-09-30T15:26:16Z) - Shockingly Simple Self-retrospection Improves Agentic Models Without RL [56.88703385147974]
本研究は,説明のみの訓練がその後の行動に与える影響を分離するために,レトロスペクティブ・オンリー・ファインチューニングについて検討する。
Qwen3.5-4B を用いたソフトウェア工学実験では、ROFT は成功と失敗の混合したベースモデルの試行に関する問題で訓練されている。
また、64のサンプルベースモデル試みが失敗する個々のタスクの解決も学べる。
論文 参考訳（メタデータ） (2026-09-28T17:54:24Z) - Vestrum: Improving Agent Harnesses by Adapting Their Verification, Structure and Memory [3.9869112484157037]
エージェントは、言語モデルがどのように情報にアクセスし、ツールを使用し、メモリを保存し、その作業をチェックするかを制御する。
Vestrumは、実行中の障害トレースをタスクモデルをトレーニングせずにスコープ付きハーネス変更に変換するフレームワークです。
論文 参考訳（メタデータ） (2026-09-27T18:20:51Z) - FunnelAudit: Responsibility Auditing in Multi-Route Recommender Systems [6.810073531792462]
マルチルートレコメンデータシステムは、検索、アロケーション、融合、ランキングを組み合わせることで、個別のインクルージョンと除外を監査しにくくする。
本稿では,インシデントレベルの責任監査を行うためのフレームワークであるFunnelAuditを紹介する。
我々は、固定ユニオン、重み付きクォータ割り当て、重み付き相互ランク融合を用いて、2段9ルートのファネルでフレームワークをインスタンス化し、次にSASRecランキングを付ける。
論文 参考訳（メタデータ） (2026-09-07T03:01:07Z) - CalibForge: Adversarial Solver Calibration for Scaling Learnable Terminal Tasks [87.1086886770395]
CalibForgeは、自律型ターミナルタスク合成システムである。
検証されたソルバの挙動を用いて、逆ソルバの校正によって候補タスクを修正する。
CalibForgeを使って5,431の端末タスクを構築します。
論文 参考訳（メタデータ） (2026-08-06T17:53:18Z) - ABSeeker: Training Long-Horizon Search Agents via Answer-Backtracked Credit Assignment [66.45065414461274]
ロングホライゾン検索エージェントは、最終的な答えを得るために証拠を検索、検索、検証、統合するための複数のシーケンシャルなアクション(ステップ)をしなければならない。
本稿では,長距離検索エージェントを訓練するためのきめ細かい信用割当てフレームワークであるAnswer-Backtracked Credit Assignment (ABC)を提案する。
ABCは、スパース軌跡レベルの結果を、誤動作や冗長な動作を抑えながら、有用な動作(たとえ軌道が失敗しても)を報いるような、密度の高いステップレベルの監視に変換する。
論文 参考訳（メタデータ） (2026-08-05T17:41:31Z) - SearchAuditor: Auditing and Attributing Failures in Long-Horizon Search Agents [56.400332595452966]
我々は、監査人が検索エージェントの障害をローカライズ、属性付け、修復できるかどうかを評価するベンチマークであるSearchAuditBenchを紹介する。
SearchAuditBenchは1,243の障害トラックで構成され、平均73.1メッセージと65.1Kトークンを5つのディープサーチベンチマークで8つのオープンウェイトモデルから収集している。
本稿では,検索エージェントの障害を効果的にローカライズ,属性,修復するマルチパースペクティブ監査フレームワークであるSearchAuditorを提案する。
論文 参考訳（メタデータ） (2026-08-05T09:09:00Z)
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。