論文の概要: LAGO: Language Agents with Reusable Growing Options
- arxiv url: http://arxiv.org/abs/2610.19843v1
- Date: Wed, 14 Oct 2026 09:12:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-15 21:06:16.065057
- Title: LAGO: Language Agents with Reusable Growing Options
- Title（参考訳）: LAGO: 再利用可能な成長オプションを備えた言語エージェント
- Abstract要約: LAGOは、特殊言語エージェントを時間的に拡張された再利用可能なオプションとして扱う。
メタエージェントは永続ライブラリからオプションを検索するか、新しいものを生成し、サブタスクをディスパッチし、結果を検証し、新しいオプションを成功させる。
- 参考スコア（独自算出の注目度）: 39.6238385436553
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Long-horizon tasks expose a weakness of monolithic tool-use loops: one agent must decompose, execute, and verify a task within a single trajectory. We introduce LAGO, which treats specialized language agents as reusable temporally extended options. A meta-agent retrieves options from a persistent library or spawns new ones, dispatches sub-tasks, verifies results, and admits successful novel options. The library grows across tasks without updating model weights. On 500 SWE-bench Verified tasks, frozen Qwen3.5-35B-A3B in both roles resolves 58.6% under single-attempt evaluation with the official Docker evaluator. On a fixed 150-task subset, we re-run mini-SWE-agent, Terminus 2, and LAGO with the same policy, temperature, task IDs, and evaluator; their resolve rates are 49.3%, 57.3%, and 60.3%, respectively. Cross-model experiments provide evidence consistent with a role for decomposition quality. A 50-task component ablation finds four fewer resolved tasks without decomposition, two fewer with shuffled reused content, and six fewer without the library. These results support reusable agent-options as a practical abstraction for task streams, while leaving component-level causality task- and model-dependent.
- Abstract（参考訳）: ロングホライゾンタスクは、モノリシックなツール使用ループの弱点を露呈する: 1つのエージェントは、1つのトラジェクトリ内でタスクを分解、実行、検証しなければならない。
LAGOは、特殊言語エージェントを時間的に拡張された再利用可能なオプションとして扱う。
メタエージェントは永続ライブラリからオプションを検索するか、新しいものを生成し、サブタスクをディスパッチし、結果を検証し、新しいオプションを成功させる。
ライブラリは、モデルの重みを更新することなく、タスク全体で成長する。
500のSWE-bench検証タスクでは、両方のロールで凍結されたQwen3.5-35B-A3Bが、公式のDocker評価器による単一攻撃性評価の下で58.6%を解決している。
固定された150タスクサブセットでは、それぞれ49.3%、57.3%、60.3%、それぞれ同じポリシー、温度、タスクID、評価器でミニSWEエージェント、ターミナル2、LAGOを再実行します。
クロスモデル実験は、分解品質の役割と一致する証拠を提供する。
50タスクのコンポーネントアブレーションでは、分解せずに解決されたタスクが4つ少なく、再利用されたコンテンツをシャッフルしたタスクが2つ減り、ライブラリなしで6つ減った。
これらの結果は、コンポーネントレベルの因果性タスクとモデル依存を残しながら、タスクストリームの実用的な抽象化として再利用可能なエージェントオプションをサポートします。
関連論文リスト
- Staying on Task: Testing the Foundations of Long-Horizon Agent Reliability [38.21210288247665]
ロングホライゾン・エージェントは、繰り返し状態依存的な行動を維持するためにモデルを必要とする。
ロングトランスダクション(Long-Transduction)は、モデルが長期にわたってタスクを継続する能力をテストする。
論文 参考訳（メタデータ） (2026-09-30T00:49:13Z) - OneDayAgent: Towards a Long-Horizon Harness for Autonomous Agents [52.15259607762389]
自律型エージェントのための長距離ハーネスであるOneDayAgentを紹介する。
OneDayAgentはオープンなリクエストをマネージドな実行プロセスに変換する。
我々は104のタスクでAgentIF-OneDay上でOneDayAgentを評価する。
論文 参考訳（メタデータ） (2026-08-04T17:55:41Z) - AgentAbstain: Do LLM Agents Know When Not to Act? [19.223843408018997]
既存の評価は、エージェントがいつ禁じるべきかを知るのではなく、タスクの成功に焦点を当てている。
エージェント禁忌のための最初の体系的評価枠組みとして,ツールを用いたLDMエージェントの動作を検知するキャリブレーション能力について述べる。
AgentAbstainは、エージェントネイティブな分類に基づくペアタスクのベンチマークである。
論文 参考訳（メタデータ） (2026-07-11T00:57:36Z) - Think Big, Search Small: Where Capacity Matters in Hierarchical Search Agents? [5.230704428875041]
階層探索を3つの役割に分類する: タスク分解に責任を持つ代表役, 検索とエビデンス抽出に責任を持つ実行役, 共起制御として固定された回答生成役。
第一に、ロールファクター化はシングルエージェントのベースラインを一貫して上回り、6つのモデルスケールで4.5から8.6ポイントまで正確なマッチングを改善している。
第2に、キャパシティ感度は非対称であり、デリゲートバックボーンのスケーリングはEMを11ポイント改善する一方、実行サブエージェントのスケーリングはEMを2.6ポイントだけ移動させ、分解を能力ボトルネックとして識別する。
論文 参考訳（メタデータ） (2026-07-08T15:46:48Z) - Handoff Debt: The Rediscovery Cost When Coding Agents Take Over Interrupted Tasks [0.0]
他のエージェントやエンジニアが残した部分的な状態からタスクを中断し、再割り当てし、レビューし、再開するからです。
前任者の作業が不透明あるいは不完全である場合に課される再検討コスト。
我々の乗っ取りプロトコルは、決定論的ハンドオフポイントで符号化エージェントを中断し、リポジトリを凍結し、4つのハンドオフビューで後継エージェントを評価する。
論文 参考訳（メタデータ） (2026-06-01T20:40:38Z) - AgentLens: Revealing The Lucky Pass Problem in SWE-Agent Evaluation [11.272830796781925]
8つのモデルバックエンドから60個のSWEベンチ検証タスクの2,614個のOpenHandsトラジェクトリを評価した。
このサブセットで通過する軌道の中で、10.7%はラッキーパスと呼ばれる振る舞いを示す。
本稿では,SWEエージェント軌道のプロセスレベル評価フレームワークであるAgentLensを紹介する。
論文 参考訳（メタデータ） (2026-05-13T03:00:57Z) - Stay Unique, Stay Efficient: Preserving Model Personality in Multi-Task Merging [62.61159948488935]
Decomposition, Thresholding, and Scaling (DTS)は近似ベースのパーソナライズされたマージフレームワークである。
DTSは、最小のストレージオーバーヘッドでタスク固有の情報を保存する。
タスク特性のセマンティックな類似性に基づいて、DTSをデータフリーでタスク固有の情報を融合する変種で拡張する。
論文 参考訳（メタデータ） (2025-12-01T09:47:17Z) - AgentSynth: Scalable Task Generation for Generalist Computer-Use Agents [60.881609323604685]
Agent Synthはスケーラブルで費用効率のよいパイプラインで、高品質なタスクとトラジェクトリデータセットを自動的に合成する。
我々のパイプラインは1軌道あたりの平均コストが0.60ドルで、人間のアノテーションよりも桁違いに安い。
論文 参考訳（メタデータ） (2025-06-17T05:46:52Z) - Iterative Tool Usage Exploration for Multimodal Agents via Step-wise Preference Tuning [68.00304954972232]
コントローラ、例えば視覚言語モデルと外部ツールを統合するマルチモーダルエージェントは、複雑なマルチモーダルタスクに対処する際、顕著な能力を示した。
これらのエージェントを訓練するための既存のアプローチは、広範囲なヒューマン・アノテートされたタスク・アンサー・ペアとツール・トラジェクトリに依存している。
本研究では,事前に収集したデータのないマルチモーダルエージェント,すなわち SPORT の反復ツール利用探索手法を提案する。
Sportには、タスク合成、ステップサンプリング、ステップ検証、優先度調整の4つの反復的なコンポーネントがある。
論文 参考訳（メタデータ） (2025-04-30T12:01:27Z)
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。