論文の概要: AReaL-RSI: Adaptive Scaling and Coordination of Recursive Self-Improvement

• arxiv url: http://arxiv.org/abs/2610.18083v1
• Date: Tue, 13 Oct 2026 10:05:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.584601
• Title: AReaL-RSI: Adaptive Scaling and Coordination of Recursive Self-Improvement
• Title（参考訳）: AReaL-RSI:再帰的自己改善の適応的スケーリングと調整
• Abstract要約: 本稿では,エージェントの永続的な研究チームを組織するフレームワークであるAReaL-RSIを紹介する。 評価結果とシステム全体のリソース支出の観点から,スケーリング問題を定式化する。
• 参考スコア（独自算出の注目度）: 23.198989479700476
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Scaling recursive self-improvement requires additional computation to produce useful research progress in reaching persistent objectives. Intuitively, more researcher agents can explore more hypotheses, but early evaluation scores might misrepresent their promise, shared findings could lose their applicability conditions, and useful procedures could remain confined to completed investigations. In this paper, we present AReaL-RSI, a framework for organizing a persistent research team of agents without updating backbone LLM weights. We formulate the scaling problem in terms of evaluated outcomes and whole-system resource expenditure. Concretely, a leader agent selects task-appropriate research orientations and guides ongoing investigations; conditional memory sharing distinguishes unresolved problems from supported findings and enables recipient adaptation. During recursive evolution, after each campaign, evidence-based review revises researcher orientation, knowledge, and skills for later campaigns. Experiments compare AReaL-RSI with Codex-Goal on downstream harness optimization, GPU kernel optimization, and AI research tasks using two backbones. Under the reported resource allocations, AReaL-RSI improves Terminal Bench performance by 2.2 percentage points for each backbone and increases mean KernelBench speedup by 32.2-36.8%; further scalability comparisons favor the design of AReaL-RSI over native scaling: combining experience sharing with specialized researcher roles yields 1.9-27.5% lower kernel latency than independent exploration and 1.3-33.9% lower latency than sharing alone across all seven comparable task-backbone pairs.
• Abstract（参考訳）: 再帰的自己改善のスケーリングには、永続的な目的を達成する上で有用な研究進歩を生み出すために、さらなる計算が必要である。 直感的には、より多くの研究者が仮説を探求できるが、初期の評価スコアは彼らの約束を誤って表現し、共有された結果が適用条件を失う可能性があり、有用な手続きは研究の完了に限られる可能性がある。 本稿では,バックボーンLLM重みを更新することなく,エージェントの永続的な研究チームを組織するフレームワークであるAReaL-RSIを提案する。 評価結果とシステム全体のリソース支出の観点から,スケーリング問題を定式化する。 具体的には、リーダエージェントがタスクに適した研究オリエンテーションを選択し、進行中の調査をガイドし、条件付きメモリ共有は未解決の問題と支援された結果とを区別し、受信者適応を可能にする。 再帰的進化の間、各キャンペーンの後、エビデンスベースのレビューは、後のキャンペーンの研究者の方向性、知識、スキルを改訂する。 実験では、AReaL-RSIとCodex-Goalを、ダウンストリームハーネス最適化、GPUカーネル最適化、および2つのバックボーンを使用したAI研究タスクで比較した。 リソース割り当ての報告では、AReaL-RSIはターミナルベンチ性能を各バックボーンに対して2.2ポイント向上し、平均KernelBenchスピードアップ32.2-36.8%向上し、さらなるスケーラビリティ比較はネイティブスケーリングよりもAReaL-RSIの設計を好んでいる。

関連論文リスト

• CoSearch: Joint Training of Reasoning and Document Ranking via Reinforcement Learning for Agentic Search [51.911048955965136]
  CoSearchは多段階推論エージェントと生成ドキュメントランキングモデルを共同でトレーニングするフレームワークである。 この結果から, 推論エージェントと検索システムの協調訓練は, 実現可能であり, 性能も高いことが示唆された。
  論文  参考訳（メタデータ） (2026-04-19T17:48:17Z)
• RetroAgent: From Solving to Evolving via Retrospective Dual Intrinsic Feedback [54.39884046754265]
  RetroAgentは、エージェントが複雑なインタラクティブ環境をマスターできるオンラインRLフレームワークである。 実験の結果,RetroAgentはSOTA(State-of-the-art)の性能を達成できた。
  論文  参考訳（メタデータ） (2026-03-09T16:23:33Z)
• Thinking Forward and Backward: Multi-Objective Reinforcement Learning for Retrieval-Augmented Reasoning [137.33138614095435]
  Retrieval-augmented Generation (RAG) は、大規模言語モデルにおける幻覚の緩和に有効であることが証明されている。 近年、検索に基づく対話をRAGに組み込んで、リアルタイム検索による反復推論を可能にしている。 提案するBi-RARは,各中間ステップを前方方向と後方方向の両方で共同で評価する,新たな検索拡張推論フレームワークである。
  論文  参考訳（メタデータ） (2025-11-12T08:29:39Z)
• Self-Routing RAG: Binding Selective Retrieval with Knowledge Verbalization [95.85537087475882]
  既存のアプローチは、大規模言語モデル(LLM)の固有の知識を過小評価している。 本稿では,選択検索と知識の言語化を結びつける新しいフレームワークであるSelf-Routing RAGを提案する。 SR-RAGは検索回数を29%削減し、性能は5.1%向上した。
  論文  参考訳（メタデータ） (2025-04-01T17:59:30Z)

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。