論文の概要: A Self-Improving Agent that Grows its Own DSL: Oracle-Free Operator Induction for Exact Question Answering
- arxiv url: http://arxiv.org/abs/2610.20809v1
- Date: Wed, 14 Oct 2026 18:55:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-16 19:13:16.02695
- Title: A Self-Improving Agent that Grows its Own DSL: Oracle-Free Operator Induction for Exact Question Answering
- Title（参考訳）: 独自のDSLを成長させる自己改善エージェント: 厳密な質問応答のためのOracleフリーオペレータインジェクション
- Abstract要約: 単一の凍結モデルでは、小さなドメイン固有の言語上で2つのネストループが実行される。
内部ループは、2つの独立に書かれた表現がすべてのレコードに一致する場合にのみ、新しい質問に答える。
外ループは、独立した第2の実装が同意した場合にのみ認められる、それ自体が欠落している機能を発見し、オペレーターを作成できる。
- 参考スコア（独自算出の注目度）: 8.996128068535773
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A self-improving agent has to decide which new skills to keep, and in practice it keeps whatever earns a high reward, convinces a judge model, or compresses its library, even when the skill is wrong. That is fine until the answers have to be exactly right: over a table of transactions, a total is either right or wrong. We ask a harder question: can an agent grow what it can compute with no reward, no judge, and no answer key, and still be exactly right? A single frozen model runs two nested loops over a small, exact domain-specific language (DSL). The inner loop answers new questions only when two independently written expressions agree on every record. The outer loop discovers its own missing capability and authors an operator for it, admitted only when an independent second implementation agrees and the result obeys a conservation law, all without ground truth. The inner loop roughly triples the answerable-question set, and the outer loop self-extends on disjoint starting sets, inventing operators outside the starting closure; a no-induction control answers none of the new questions. The admission rule is empirically sound: it rejects 138 of 138 buggy operator variants under an independent reference, even one written by a different model family, where the admit-if-it-runs, self-consistency, and compression signals the field relies on admit most of them. Unmodified, the same mechanism self-extends on two further domains with unrelated schemas, business-ledger and clinical-encounter question answering, growing their answerable sets more than tenfold and nearly twentyfold. The loop transfers across model families too: run with further proposers, the gate stays sound and independent families self-extend comparably, with only the induction yield tracking each proposer's DSL fluency.
- Abstract（参考訳）: 自己改善エージェントは、どの新しいスキルを維持するかを決め、実際には、高い報酬を得るものを保持し、裁判官モデルを説得し、たとえそのスキルが間違っているとしても、そのライブラリを圧縮する。
答えが正確に正しい必要があるまで、それは問題ありません。トランザクションのテーブル上では、合計は正しいか間違っているかのどちらかです。
エージェントは報酬もなく、判断も答えキーもなく、計算できることを成長させることができるのか?
単一の凍結モデルでは、小さな、正確なドメイン固有言語(DSL)上で2つのネストループが実行される。
内部ループは、2つの独立に書かれた表現がすべてのレコードに一致する場合にのみ、新しい質問に答える。
外ループは、それ自体が欠落した能力を発見し、それに対するオペレーターを作成できるが、それは独立した第2の実装が同意し、結果がすべて根拠のない保存法に従う場合にのみ認められる。
内ループは解答可能な問合せ集合を大まかに3倍にし、外ループは解答開始集合上で自己展開し、始点閉包の外の作用素を発明する。
独立した参照の下で138個のバギー演算子のうち138個を拒絶し、別のモデルファミリによって書かれたものさえも拒否する。
修正されていない同じメカニズムは、無関係なスキーマ、ビジネスリーダー、および臨床会計士の質問に答える2つのドメインで自己展開し、回答可能なセットを10倍以上に、ほぼ20倍に成長させる。
ループはモデルファミリ間でも転送される: さらなるプロポーザルと共に動作し、ゲートは音を保ち、独立したファミリーは、各プロポーザルのDSL流速を追跡する誘導利得だけを相容れない。
関連論文リスト
- Who Verifies the Verifier? Co-Evolving Inspectable Graders with Self-Improving Agents [9.989306175511238]
すべての自己改善エージェントループがこれを何百回も答え、すべての答えは検証者から得られます。
オープンエンドタスクには、ループは存在しないので、ループは手書きのルーブリックや、モデル自体から出力をグラデーションする素の裁判官に渡される。
我々は検証器を進化する物体、すなわち小さな、主に決定論的検出器上での検査可能な表現にする。
論文 参考訳（メタデータ） (2026-10-08T08:13:53Z) - Untrusted Authors, Trusted Answers: A Calculus of Fidelity-Graded Translations [0.0]
私たちは、翻訳をグラフとして研究します -- 多くの言語、いくつかの推論対象、そして、真に異なる信頼関係のルートを独立に構築しています。
1つの非対称性は信頼を組織する: 目撃者による答えは、ソースでリプレイすることで自己証明される。
2026年7月、コンストラクト毎のカバレッジ、ソースレベルの目撃者による2つのISAに対する二重ルートのブランチ合意、正式に認証されたチェッカーによって再検証された未承認性、ゲート自体のエスケープレート、などを測定するとともに、アーキテクチャが自身の作者の作業で捉えた欠陥を報告します。
論文 参考訳（メタデータ） (2026-07-10T14:41:38Z) - Recursive Self-Improvement in AI: From Bounded Self-Refinement to Autonomous Research Loops [7.159691098846351]
この文学は、根本的に異なる野望を混同した語彙(セルフ・リファイン(self-refine)、「セルフ・リワード(self-reward)」、「セルフ・プレイ(self-play)」、「セルフ・エボレーヴ(self-evolve)」(self-evolve))で説明される。
我々は,2つの軸に沿って1,250のarXiv論文を調査した。
論文 参考訳（メタデータ） (2026-07-08T17:19:50Z) - Unbiased Canonical Set-Valued Oracles Via Lattice Theory [0.5285737798895942]
将来の出来事の確率を報告している非エージェントの「オーラクル」は実行可能である。
一度その答えが学習され、実行されると、報告を依頼された確率が変わる。
質問が非表現的である場合、構成が古典的な点解に還元されることが示される。
論文 参考訳（メタデータ） (2026-06-24T22:20:13Z) - Entailer: Answering Questions with Faithful and Truthful Chains of
Reasoning [26.715242799194908]
質問応答システムは、体系的な推論の連鎖を通して、その答えが自身の内的信念によってどのように示唆されるかを示す。
我々のアプローチは、トレーニングされた後方チェーンモデルで、回答仮説を含む一連の前提を生成することができ、モデル自体がそれらの前提を信じることを確認する検証器を組み合わせることです。
私たちの知る限りでは、これは多段階連鎖を生成できる最初のシステムであり、それは忠実であり(その答えは推論から従う)、真実である(連鎖はシステムの内部の信念を反映している)。
論文 参考訳（メタデータ） (2022-10-21T19:51:56Z) - Measuring and Narrowing the Compositionality Gap in Language Models [116.5228850227024]
モデルがすべてのサブプロブレムに正しく答えられる頻度を計測するが、全体の解は生成しない。
我々は,思考の連鎖をさらに改善する新たな手法である自己認識法を提案する。
論文 参考訳（メタデータ） (2022-10-07T06:50:23Z) - Private Query Release via the Johnson-Lindenstrauss Transform [93.20051580730234]
差分プライバシーを持つ統計的クエリに対する回答を解放する新しい手法を提案する。
鍵となる考え方は、クエリの回答を低次元空間にランダムに投影することである。
単純なノイズ付加機構を用いて予測されたクエリに回答し、元の次元まで答えを引き上げます。
論文 参考訳（メタデータ） (2022-08-15T19:19:16Z) - Maieutic Prompting: Logically Consistent Reasoning with Recursive
Explanations [71.2950434944196]
ノイズや一貫性のない言語モデルでさえも問題に対する正しい答えを推測するMaieutic Promptingを開発する。
Maieutic Promptingは最先端のプロンプト法よりも最大20%精度が高い。
論文 参考訳（メタデータ） (2022-05-24T06:36:42Z) - multiPRover: Generating Multiple Proofs for Improved Interpretability in
Rule Reasoning [73.09791959325204]
我々は、自然言語の事実と規則の形で明示的な知識を推論することを目的としている言語形式推論の一種に焦点を当てる。
PRoverという名前の最近の研究は、質問に答え、答えを説明する証明グラフを生成することによって、そのような推論を行う。
本研究では,自然言語規則ベースの推論のために複数の証明グラフを生成するという,新たな課題に対処する。
論文 参考訳（メタデータ） (2021-06-02T17:58:35Z) - Logic Embeddings for Complex Query Answering [56.25151854231117]
skolemisationを用いて効率的なクエリのための存在変数を排除する、複雑なクエリを組み込む新しいアプローチであるlogic embeddedsを提案する。
論理組込みは,大規模で不完全な知識グラフ上でのクエリ応答において競争的に高速かつ正確であり,否定的問合せよりも優れており,特に回答の不確かさのモデリングが向上している。
論文 参考訳（メタデータ） (2021-02-28T07:52:37Z)
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。