論文の概要: APT: Feedback-Driven Agentic Post-Training for Text-to-Image Generation

• arxiv url: http://arxiv.org/abs/2610.18097v1
• Date: Tue, 13 Oct 2026 10:14:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.589232
• Title: APT: Feedback-Driven Agentic Post-Training for Text-to-Image Generation
• Title（参考訳）: APT: テキスト・ツー・イメージ生成のためのフィードバック駆動型エージェント・ポスト・トレーニング
• Abstract要約: APT(Agentic Post-Training)は、その進化する能力プロファイルに従ってベースモデルを適応的にポストトレーニングするフレームワークである。 ユーザ要求から評価セットを生成し、モデル固有の強度と障害モードを診断し、強化学習データを生成する。 複数のベースモデル、ベンチマーク、世代アーキテクチャにわたる実験は、APTがモデルに依存しない、ベンチマークに依存しない、アーキテクチャに依存しない、完全に自動化されていることを示している。
• 参考スコア（独自算出の注目度）: 85.76709552837168
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Post-training is crucial for improving text-to-image models, yet existing pipelines typically rely on manually curated training data and fixed training distributions. We introduce APT (Agentic Post-Training), a fully automated framework that adaptively post-trains a base model according to its evolving capability profile. APT coordinates three agents to construct evaluation sets from user requirements, diagnose model-specific strengths and failure modes, and generate reinforcement learning data with an adaptive prompt distribution that emphasizes underperforming capabilities. By repeatedly evaluating, diagnosing, and updating the generator, APT lets the current model's behavior shape its next training tasks, forming a feedback loop inspired by recursive self-improvement. For general-purpose settings without user-specified evaluation scenarios, we further develop an evaluation harness that enables broad and diverse evaluation set generation. Experiments across multiple base models, benchmarks, and generation architectures demonstrate that APT is model-agnostic, benchmark-agnostic, architecture-agnostic, and fully automated.
• Abstract（参考訳）: ポストトレーニングはテキスト・ツー・イメージモデルを改善する上で不可欠だが、既存のパイプラインは通常、手動でキュレートされたトレーニングデータと固定されたトレーニング分布に依存している。 APT(Agentic Post-Training)は,機能プロファイルの進化に応じて,ベースモデルを適応的にポストトレーニングする,完全に自動化されたフレームワークである。 APTは3つのエージェントをコーディネートし、ユーザ要求から評価セットを構築し、モデル固有の強度と障害モードを診断し、性能不足を強調する適応的なプロンプト分布で強化学習データを生成する。 ジェネレータを繰り返し評価し、診断し、更新することにより、APTは現在のモデルの振る舞いを次のトレーニングタスクに変形させ、再帰的な自己改善にインスパイアされたフィードバックループを形成する。 ユーザ特定評価シナリオを使わずに汎用的な設定を行うためには,広範かつ多様な評価セット生成を可能にする評価ハーネスをさらに発展させる。 複数のベースモデル、ベンチマーク、世代アーキテクチャにわたる実験は、APTがモデルに依存しない、ベンチマークに依存しない、アーキテクチャに依存しない、完全に自動化されていることを示している。

関連論文リスト

• GIFT: Guided Fine-Tuning and Transfer for Enhancing Instruction-Tuned Language Models [47.12048554977284]
  GIFT(Guided Fine-Tuning and Transfer)は、命令モデルからタスク適応へのガイダンスを組み込んだフレームワークである。 G GIFTは、命令チューニングモデルから得られた信頼信号を用いて、事前訓練ベースモデルの低ランクアダプタを微調整する。 数式および知識集約型ベンチマークを用いて,複数のモデルファミリおよびスケールでGIFTを評価する。
  論文  参考訳（メタデータ） (2026-05-02T05:27:59Z)
• Pioneer Agent: Continual Improvement of Small Language Models in Production [6.452260317191361]
  小さな言語モデルは、低コスト、高速な推論、特殊化の容易さのために、製品展開にとって魅力的なものだ。 特定のタスクに小さな言語モデルを適用するプロセスを自動化するクローズドループシステムであるPioneer Agentを提案する。
  論文  参考訳（メタデータ） (2026-04-10T18:13:09Z)
• Agent2World: Learning to Generate Symbolic World Models via Adaptive Multi-Agent Feedback [51.22403664895878]
  Agent2Worldは、強力な推論時ワールドモデル生成を実現するツール拡張マルチエージェントフレームワークである。 また、マルチエージェントフィードバックの生成を基盤にすることで、教師付き微調整のためのデータエンジンとしても機能する。
  論文  参考訳（メタデータ） (2025-12-26T18:54:14Z)
• MobileIPL: Enhancing Mobile Agents Thinking Process via Iterative Preference Learning [45.46445208254837]
  The Chain of Action-Planning Thoughts (CoaT) paradigm has been shown to improve the reasoning performance of VLM-based mobile agent in GUI task。 対話型サンプリングによりCoaTツリーを構築し,ルールベース報酬を用いて葉ノードをスコアし,フィードバックをバックプロパゲートして思考レベル直接選好最適化(T-DPO)のペアを導出する反復選好学習(IPL)を提案する。
  論文  参考訳（メタデータ） (2025-05-18T08:28:05Z)
• Self-Improvement in Language Models: The Sharpening Mechanism [70.9248553790022]
  我々は、レンズを通して自己改善の能力について、新たな視点を提供する。 言語モデルは、正しい応答を生成する場合よりも、応答品質の検証が優れているという観察に感銘を受けて、後学習において、モデル自体を検証対象として、自己改善を形式化する。 SFTとRLHFに基づく自己改善アルゴリズムの2つの自然ファミリーを解析する。
  論文  参考訳（メタデータ） (2024-12-02T20:24:17Z)
• TEA: Test-time Energy Adaptation [67.4574269851666]
  テスト時間適応(TTA)は、テストデータがトレーニング分布から分岐する際のモデル一般化性を改善することを目的としている。 本稿では,対象データ分布に対するモデルによる認識を高めるための,新しいエネルギーベース視点を提案する。
  論文  参考訳（メタデータ） (2023-11-24T10:49:49Z)
• Point-TTA: Test-Time Adaptation for Point Cloud Registration Using Multitask Meta-Auxiliary Learning [17.980649681325406]
  我々は、ポイントクラウド登録(PCR)のための新しいテスト時間適応フレームワークであるPoint-TTAを提案する。 我々のモデルは、テストデータの事前の知識を必要とせずに、テスト時に目に見えない分布に適応することができる。 訓練中は, 補助タスクによる適応モデルにより主タスクの精度が向上するように, メタ補助学習アプローチを用いて訓練を行う。
  論文  参考訳（メタデータ） (2023-08-31T06:32:11Z)
• Test-Time Prompt Tuning for Zero-Shot Generalization in Vision-Language Models [107.05966685291067]
  テスト時間プロンプトチューニング (TPT) を提案し, 適応的なプロンプトを1つのテストサンプルで学習する。 TPTはCLIPのゼロショットトップ1の精度を平均3.6%改善する。 クロスデータセットの一般化を目に見えないカテゴリで評価する際、PTは追加のトレーニングデータを使用する最先端のアプローチと同等に機能する。
  論文  参考訳（メタデータ） (2022-09-15T17:55:11Z)

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。