論文の概要: XferAgent: Cross-Agent Experience Transfer for Self-Improving LLM Agents

• arxiv url: http://arxiv.org/abs/2610.19581v1
• Date: Wed, 14 Oct 2026 04:51:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.964247
• Title: XferAgent: Cross-Agent Experience Transfer for Self-Improving LLM Agents
• Title（参考訳）: XferAgent:自己改善LDM剤のクロスエージェント体験移行
• Abstract要約: 大きな言語モデル(LLM)エージェントは、以前のタスクの実行から経験を再利用して、その後のタスクのパフォーマンスを改善することができる。 我々は,クロスエージェント体験伝達のためのフレームワークであるXferAgentを提案する。 XferAgentは、ローカルおよび共有エクスペリエンスグラフで再利用可能なエクスペリエンスを整理する。
• 参考スコア（独自算出の注目度）: 19.89367637664057
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language model (LLM) agents can reuse experience from prior task executions to improve performance on subsequent tasks. Although existing methods enable cross-agent experience sharing, differences in agents' execution histories and task requirements make shared experiences difficult to reuse effectively. We propose XferAgent, a framework for cross-agent experience transfer that organizes reusable experience in local and shared experience graphs. XferAgent reconciles compatible contributions from heterogeneous agents while avoiding unreliable merges. For each new task, it selects shared experiences and integrates them with the target agent's local experience to support task execution. Experiments across diverse task domains show improvements over representative memory-based methods and effective experience transfer between heterogeneous agent frameworks. Cumulative task success also increases over successive task passes as agents update and reuse their experiences.
• Abstract（参考訳）: 大きな言語モデル(LLM)エージェントは、以前のタスクの実行から経験を再利用して、その後のタスクのパフォーマンスを改善することができる。 既存のメソッドはエージェント間の体験共有を可能にするが、エージェントの実行履歴とタスク要求の違いにより、共有エクスペリエンスを効果的に再利用することが困難になる。 ローカルおよび共有エクスペリエンスグラフにおける再利用可能なエクスペリエンスを整理するクロスエージェント体験転送フレームワークであるXferAgentを提案する。 XferAgentは、信頼できないマージを避けながら、異種エージェントからの互換性のあるコントリビューションを調整します。 新しいタスクごとに共有エクスペリエンスを選択し、ターゲットエージェントのローカルエクスペリエンスと統合してタスク実行をサポートする。 多様なタスクドメインにわたる実験は、メモリベースの代表メソッドよりも改善され、異種エージェントフレームワーク間の効果的な経験伝達が示される。 累積的なタスク成功は、エージェントが経験を更新し再利用するにつれて、連続するタスクパスよりも増加する。

関連論文リスト

• Multi-Agent Transactive Memory [45.60102898683406]
  検索システムは、エージェント集団全体にわたる再利用のためのエージェント生成アーティファクトを整理することができる。 エージェント生成トラジェクトリの集団レベルでの記憶と検索のためのフレームワークとして,Multi-Agent Transactive Memory (MATM)を提案する。 実験により, MATM からトラジェクトリを抽出することで, 下流作業性能が向上し, 協調訓練や共同訓練を伴わずに, インタラクションのステップが短縮されることが示された。
  論文  参考訳（メタデータ） (2026-06-18T08:04:59Z)
• Cross-Task Experiential Learning on LLM-based Multi-Agent Collaboration [63.90193684394165]
  マルチエージェント・クロスタスク体験学習(MAEL)は,LSM駆動型エージェントに明示的なクロスタスク学習と経験蓄積を付与する新しいフレームワークである。 経験的学習フェーズでは、タスク解決ワークフローの各ステップの品質を定量化し、その結果の報酬を記憶する。 推論中、エージェントは、各推論ステップの有効性を高めるために、いくつかの例として、高頻度のタスク関連体験を検索する。
  論文  参考訳（メタデータ） (2025-05-29T07:24:37Z)
• Get Experience from Practice: LLM Agents with Record & Replay [16.179801770737892]
  本稿では,AIエージェントフレームワークに古典的なレコード再生機構を導入する,Agent Record & Replay(Agent Record & Replay)と呼ばれる新しいパラダイムを提案する。 本稿では,AgentRRにおけるマルチレベル体験抽象化手法とチェック関数機構について述べる。 さらに,AgentRRの複数のアプリケーションモードについて検討し,ユーザ記録タスクのデモ,大規模モデルコラボレーション,プライバシ対応エージェントの実行などを検討した。
  論文  参考訳（メタデータ） (2025-05-23T10:33:14Z)
• Learning to Use Tools via Cooperative and Interactive Agents [58.77710337157665]
  ツール学習は、外部ツールを使用してユーティリティを拡張するエージェントとして、大きな言語モデル(LLM)を促進する。 ツール選択,ツール実行,アクションキャリブレーションの3つの特別なエージェントを個別にコーディネートする,協調型対話型エージェントフレームワークであるConAgentsを提案する。 3つのデータセットに対する実験により、LLMは、ConAgentsを装備した場合、大幅に改善されたベースラインよりも優れた性能を示した。
  論文  参考訳（メタデータ） (2024-03-05T15:08:16Z)
• Experiential Co-Learning of Software-Developing Agents [83.34027623428096]
  大規模言語モデル(LLM)は、特にソフトウェア開発において、様々な領域に大きな変化をもたらした。 本稿では,新しいLLM学習フレームワークであるExperiential Co-Learningを紹介する。 実験では、このフレームワークにより、エージェントは、目に見えないソフトウェア開発タスクをより効果的に対処できることを示した。
  論文  参考訳（メタデータ） (2023-12-28T13:50:42Z)
• AgentVerse: Facilitating Multi-Agent Collaboration and Exploring Emergent Behaviors [93.38830440346783]
  本稿では,その構成をより高機能なシステムとして協調的に調整できるマルチエージェントフレームワークを提案する。 実験により,フレームワークが単一エージェントより優れたマルチエージェントグループを効果的に展開できることが実証された。 これらの振舞いの観点から、我々は、ポジティブなものを活用し、ネガティブなものを緩和し、マルチエージェントグループの協調可能性を改善するためのいくつかの戦略について議論する。
  論文  参考訳（メタデータ） (2023-08-21T16:47:11Z)

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。