論文の概要: Drafting Agents, Not Just Tokens: Speculative Recursive Self-Improvement for Agentic Systems

• arxiv url: http://arxiv.org/abs/2610.16491v1
• Date: Mon, 12 Oct 2026 09:43:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.347698
• Title: Drafting Agents, Not Just Tokens: Speculative Recursive Self-Improvement for Agentic Systems
• Title（参考訳）: 投機エージェント : 投機的再帰的自己改善
• Abstract要約: 提案するSpeculative Recursive Self-Improvement(SpecRSI)は,前任者が十分に評価される前に,実行可能な後継エージェントをドラフトする。 VATSは、予測された継続の返却を使って、さらなる編集と優れたチェックの間に予算を割り当てる。 グループ検証最適化(GVO)は、実際の評価器を固定しながら、完了した探索から改善器を学習する。
• 参考スコア（独自算出の注目度）: 58.89141999692635
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Improving an agent through successive revisions requires balancing exploration and evaluation under a limited budget. A narrow search can miss useful sequences of edits, while fully evaluating every intermediate version can exhaust the budget before those sequences yield a verified improvement. We introduce Speculative Recursive Self-Improvement (SpecRSI), which drafts executable successor agents before their predecessors are fully evaluated, while requiring complete verification before adoption. Verification-Aware Tree Search (VATS) allocates the budget between further edits and outstanding checks using the predicted verified return of a continuation. Group Verification Optimization (GVO) learns the improver from completed searches while keeping the real evaluator fixed. In the main scientific comparison, terminal gains exceed Janus by 33.3%--40.0%. Additional evaluations show that SpecRSI outperforms Janus in all 50 scientific backbone--task pairs and exceeds MetaRSI-v1 by 1.85%--2.38% in macro-average system score across twenty backbones. Coding-validation success reaches 69.4% versus HGM's 64.3% at a 20.8% lower target-cost index.
• Abstract（参考訳）: 継続的な修正を通じてエージェントを改善するには、限られた予算の下での探索と評価のバランスが必要である。 狭い検索は編集の有用なシーケンスを見逃しかねないが、すべての中間バージョンを十分に評価することで、それらのシーケンスが検証された改善をもたらす前に予算を浪費することができる。 提案するSpeculative Recursive Self-Improvement(SpecRSI)は,前任者が完全に評価される前に実行可能な後継エージェントのドラフトを作成する。 Verification-Aware Tree Search (VATS)は、予測された継続の返却を使って、さらなる編集と優れたチェックの間に予算を割り当てる。 グループ検証最適化(GVO)は、実際の評価器を固定しながら、完了した探索から改善器を学習する。 主要な科学的比較では、終端ゲインがJanusより33.3%--40.0%高い。さらに、SpecRSIはJanusよりも50の科学的バックボーン-タスクペアで優れており、MetaRSI-v1より1.85%-2.38%高い。 符号化バリデーションの成功率は、HGMの64.3%に対して69.4%に達し、目標コスト指数は20.8%低下した。

関連論文リスト

• Beyond the Verdict: Agentic Code Judging with Verifiable Feedback [54.72977295521153]
  我々は,人間の専門家による受諾プログラムと受諾プログラムを用いて,USACO 2026コンテストからUSACO-JUDGEを構築した。 次に、35Bのエージェント検証器であるARBITERを、汎用的な実行サンドボックスで強化学習して訓練する。 トレーニングは、不正なプログラムを40.61%から62.67%に、二分判定の精度を71.41%から87.41%に引き上げる。
  論文  参考訳（メタデータ） (2026-10-13T17:22:58Z)
• RSI-Anything: Unlocking Recursive Self-Improvement with World Models [76.79361510862277]
  RSI-AnythingはJEPA-Anything上に構築されたドメイン・ジェネラル・フレームワークである。 予測ワールドモデルを使用して、アクションと学習データの選択をガイドする。 コード修復では、コーダーが固定され、静的検証器で成功率は26.3%から予測選択により29.2%に増加する。
  論文  参考訳（メタデータ） (2026-10-09T17:50:30Z)
• SEDIMA: Cross-Run Hierarchical Insight Memory for Evolutionary Search Agents [7.626650770346068]
  SEDIMAは進化的検索エージェントのための永続的な階層的インサイトメモリである。 生の痕跡を自然言語の洞察に抽出し、注意重み付きセントロイドを用いて意味的類似性によってクラスタリングし、将来の突然変異を条件付けるための関連するガイダンスを取得する。 AlgoTuneでは平均5.5%、ALL-Bench LITEでは6.6%、評価候補は100である。
  論文  参考訳（メタデータ） (2026-10-01T18:38:31Z)
• RobustSGPO: Search-Space Control for Agent Harness Evolution [56.722805974785125]
  我々は、要求された編集、構成、パッチのチェックを指定し、既存のスナップショットまたは保持スナップショットからの検索を継続するRobustSGPOを紹介した。 我々は,120タスク,95ラン,7350の候補を用いて,AgentXブレインストーミングワークフローにおけるパーミッションスケジューリング,累積制御,タスクファミリー転送を評価した。
  論文  参考訳（メタデータ） (2026-09-09T03:00:03Z)
• Do Agent Optimizers Compound? A Continual-Learning Evaluation on Terminal-Bench 2.0 [53.71882250666667]
  エージェント最適化法で報告されているほとんどの利得はワンショットである。 これは、デプロイされたエージェントにとって重要な設定をテストするものではない。 エージェントハーネス最適化に対する3つのアプローチを比較する。
  論文  参考訳（メタデータ） (2026-07-15T16:36:04Z)
• LLM-as-a-Verifier: A General-Purpose Verification Framework [74.40111651545979]
  本稿では,汎用検証フレームワーク LLM-as-a-Verifier を紹介する。 追加のトレーニングを必要とせずに、エージェントタスクに対してきめ細かいフィードバックを提供する。 いくつかのベンチマークで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-07-06T17:59:35Z)
• Counterexamples as Feedback for Agent Self-Correction [0.0]
  単一ターンのコード生成メトリクスは、デプロイされたエージェントの中央のプロパティとして、具体的なフィードバックを受けた後に間違ったアーティファクトを修復できるかどうかを規定します。 本稿では,A-CEGISについて述べる。A-CEGISは,自然言語とレジェックス合成におけるマルチターン改良の評価のためのフィードバックとして,反例を用いるフレームワークである。 その結果、A-CEGISは、元の保留ケースを超えて実践的なチェックを加えながら、エージェントがターン間でどれだけ効率良く改善するかを測定した。
  論文  参考訳（メタデータ） (2026-07-01T06:08:15Z)
• PACE: Anytime-Valid Acceptance Tests for Self-Evolving Agents [0.0]
  自己進化型エージェントは、自身のプロンプト、スキル、オーモーフィケーションの変更を繰り返し提案することで改善する。 Qwen2.5 のエージェント (0.5B-3B) が GSM8K, SVAMP, ARC-Challenge のプロンプトレベルで自己進化する際、greedy は 30-42% の偽陽性と 10-33% の有害な編集をコミットする。 PACEは実際のものをコミットし、グリーディのホールトアウトの精度を著しく低いばらつきと約18%低い評価コストで一致させる。
  論文  参考訳（メタデータ） (2026-06-06T11:12:11Z)
• Automating Formal Verification with Reinforcement Learning and Recursive Inference [0.0]
  我々はダフニーで検証可能な報酬(RLVR)と検証者誘導推論時間探索を用いてオープンソースモデルを訓練する。 固定ベースモデルでは、証明修正器を備えた完全な足場は、直接修理中の初期VeriCodingパイロットセットのパスレートを46.2%から69.2%に改善する。 Rust $texttcurve25519-dalek$検証プロジェクトから派生した,レポジトリスケールのLeanベンチマークであるDalek-Benchについても紹介します。
  論文  参考訳（メタデータ） (2026-05-29T06:59:28Z)
• ReacTOD: Bounded Neuro-Symbolic Agentic NLU for Zero-Shot Dialogue State Tracking [2.2573512203799626]
  本稿では,NLUを独立したツールコールとして再構成する有界神経シンボルアーキテクチャであるReacTODを提案する。 有界ReActループは反復自己補正を可能にし、MultiWOZ上のシングルパス推論よりも最大9.3ポイント精度を向上させる。
  論文  参考訳（メタデータ） (2026-05-18T20:06:04Z)

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。