論文の概要: ASIWorld: Benchmarking Autonomous Agents in a Persistent Survival Sandbox

• arxiv url: http://arxiv.org/abs/2610.14807v1
• Date: Sat, 10 Oct 2026 10:59:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.106524
• Title: ASIWorld: Benchmarking Autonomous Agents in a Persistent Survival Sandbox
• Title（参考訳）: ASIWorld: 永続的なサバイバルサンドボックスにおける自律エージェントのベンチマーク
• Abstract要約: 自律的なエージェントを評価するには 目標を協調行動に 変換できるかどうかを調べる必要がある 我々は、持続的世界とキャラクタ状態とキャラクタスコープによる観察を組み合わせたサバイバルサンドボックスであるASIWorldを紹介した。 評価は、タスク成功、開発達成の達成、生存コストを評価する。
• 参考スコア（独自算出の注目度）: 6.888223145930531
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Evaluating autonomous agents requires examining whether they can translate goals into coherent action across extended interactions. In persistent environments, this requires coordinating interdependent actions under incomplete observations, accounting for delayed effects, and adapting as earlier decisions shape subsequent opportunities. We introduce ASIWorld, a survival sandbox that combines persistent world and character state with character-scoped observations and a programmable asynchronous interface to study sustained goal execution. Agents pursue interdependent production and exploration tasks through direct actions or agent-authored programs that continue running between model calls. The evaluation assesses task success, the attainment of development achievements, and survival costs, complemented by an analysis of execution behavior. In an exploratory study of nine agent configurations using a common harness, eight complete the production task and six complete both tasks. Analyses of execution trajectories and performance across difficulty levels reveal different preparation, combat, and recovery behaviors among configurations with similar task outcomes. Incomplete preparation is associated with stalled progression, while configurations that complete the tasks differ in survival costs and the fulfillment of additional achievement criteria. These findings illustrate the value of assessing sustained goal execution through both task outcomes and the behaviors and costs associated with achieving them.
• Abstract（参考訳）: 自律的なエージェントを評価するには、目標を拡張された相互作用をコヒーレントなアクションに変換することができるかどうかを調べる必要がある。 永続的な環境では、これは不完全な観察下での相互依存的な行動の調整、遅延効果の説明、そして、以前の決定がその後の機会を形成するように適応することを必要とする。 ASIWorldは、持続的な世界とキャラクタ状態と文字スコープによる観察と、持続的なゴール実行を研究するためのプログラム可能な非同期インターフェースを組み合わせたサバイバルサンドボックスである。 エージェントは、モデル呼び出し間の実行を継続する直接アクションまたはエージェント認可プログラムを通じて、相互依存生産および探索タスクを追求する。 この評価は、実行行動の分析によって補完されるタスク成功、開発成果の達成、生存コストを評価する。 共通ハーネスを用いた9つのエージェント構成の探索的研究では、生産タスクを8つ完了し、両方のタスクを6つ完了した。 困難レベルにわたる実行軌跡とパフォーマンスの分析により、類似したタスク結果を持つ構成間の準備、戦闘、回復の挙動が異なることが明らかになった。 不完全な準備は進行の停滞と関連付けられ、タスクを完了した構成は生存コストと追加の達成基準の達成に異なる。 これらの結果から,課題成果と達成に伴う行動とコストの両面での持続目標実行を評価する価値が示唆された。

関連論文リスト

• SkillHorizon: Constructing Long-Horizon Agent Tasks through Skill Composition [52.51270668013944]
  ロングホライゾンエージェントは、後のアクティビティが以前の出力と共有状態の変更に依存するように完了しなければならない。 SkillHorizonは、7つのビジネス環境でのスキル構成を通じて長期タスクを構築するベンチマークである。 我々は,64Kから1Mトークンの参照インタラクションワークロードを用いた1,050タスクの5つの言語モデルを評価する。
  論文  参考訳（メタデータ） (2026-10-10T14:36:39Z)
• AgentEvolver: System-Wide Self-Evolution Through Task Execution [32.98364264400361]
  本稿では,AgentEvolverについて紹介する。AgentEvolverは,基礎モデルを固定しながらタスク実行中に機能を開発するシステムである。 SWE-bench Pro Publicにおける課題成果を評価し、6つのアプリケーションケースにおける能力変化について検討する。 チームは82.08%の解像度で進化し、進化せずにベースラインを超えると報告している。
  論文  参考訳（メタデータ） (2026-10-08T09:55:05Z)
• RobotWorld: Benchmarking Multimodal Agents for Robot Use Across Diverse Tasks and Embodiments [91.39996227368]
  汎用エージェントはますます、コードを書き、ツールを使い、複雑なデジタルタスクを完遂し、これらの能力が物理的な世界にどこまで浸透するかという疑問を提起している。 ロボットのインタフェースを通じて、指示や観察を物理的タスクの実行に変換するという、ロボット利用のための挑戦的なシミュレーションテストベッドであるRobotWorldを紹介した。 タスク結果と実行トレースを分析して、転送する機能と、信頼性の高い完了を防ぐギャップの両方を識別する。
  論文  参考訳（メタデータ） (2026-10-07T16:55:24Z)
• Ego2World: Compiling Egocentric Cooking Videos into Executable Worlds for Belief-State Planning [49.28013800186945]
  Ego2Worldは、アノテートされた調理アクティビティを、部分的な観察の下で実行可能な計画環境に変換するベンチマークである。 コンパイラはソースステップとオブジェクトをシンボリックアクションルール、永続的な世界状態、明示的なタスク条件にリンクする。 世界国家とエージェントの信念は別々に維持され、計画と情報の再利用に関する制御された研究を可能にする。
  論文  参考訳（メタデータ） (2026-10-02T02:51:03Z)
• Finishing the Task Is Not Enough: Evaluating Agent Resilience and Considerate Participation under Accumulating Challenge [3.7173953682452585]
  我々は,2つの生成AIモデルと12の利害関係者によるタスクを,軽度,中等度,重度の課題下でシミュレーションした120のヘルスケアトラジェクトリについて検討した。 我々は,このようなエージェントを評価するための2つの相補的な側面として,運用のレジリエンスと参加について考察する。 永続性、注意力、役割境界、状態開示、エスカレーションを含む5つのデプロイメントジレンマを導出します。
  論文  参考訳（メタデータ） (2026-09-09T18:18:10Z)
• LatentGym: A Testbed For Cross-Task Experiential Learning With Controllable Latent Structure [9.42262449979372]
  クロスタスク体験学習は、パーソナライズや対話的な支援といった領域において重要である。 既存のトレーニング/評価フレームワークは、共有可能な制御可能な潜在構造を提供しておらず、エージェントが改善するかどうかを測定することができない。 タスクをまたいだ構造を規定する地道な潜伏変数を中心に,各環境を整理する制御可能なスイートであるLatentGymを紹介した。
  論文  参考訳（メタデータ） (2026-06-13T13:51:22Z)
• Beyond Individual Intelligence: Surveying Collaboration, Failure Attribution, and Self-Evolution in LLM-based Multi-Agent Systems [65.90791804095561]
  マルチエージェントシステムは、特殊エージェント間の構造化された協調を通じてこの問題に対処するが、より厳密な調整は、あまり検討されていないリスクを増幅する。 既存の調査では、個々のエージェント能力、マルチエージェントのコラボレーション、エージェントの自己進化を別々にカバーしている。 この調査は4つの因果関係のあるステージを中心にまとめられた統一されたレビューを提供する。これはLIFEの進展(Lay the capabilities foundation)、協力によるエージェントの統合、帰属による障害の発見、自律的な自己改善によるEvolveである。
  論文  参考訳（メタデータ） (2026-05-14T14:36:13Z)
• Completion $\neq$ Collaboration: Scaling Collaborative Effort with Agents [48.95020665909723]
  タスク完了エージェントの構築と評価から,協調エージェントの開発への移行を議論する。 エージェントのユーティリティがユーザ関与の増加とともにどのように成長するかをキャプチャするフレームワークであるコラボレーティブ・ワーク・スケーリングを紹介します。
  論文  参考訳（メタデータ） (2025-10-29T17:47:18Z)

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。