論文の概要: MetaExp: Learning to Self-Improve through Experience via Verifiable Cross-Task Environment Scaling

• arxiv url: http://arxiv.org/abs/2610.21492v1
• Date: Thu, 15 Oct 2026 08:29:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 19:13:16.279629
• Title: MetaExp: Learning to Self-Improve through Experience via Verifiable Cross-Task Environment Scaling
• Title（参考訳）: MetaExp: 検証可能なクロスタスク環境スケーリングによる自己改善の学習
• Abstract要約: 言語モデルエージェントは、インタラクションフィードバックを蓄積することができるが、そのフィードバックを再利用可能なエクスペリエンスに変えることは、依然として困難である。 MetaExpは拡張性のあるフレームワークで、タスクファミリを制御されたクロスタスク構造で検証することで、この機能をトレーニングします。 我々は,1000のタスクファミリーから4,956のタスクファミリ上で,環境をスケールし,逐次的相互作用トラジェクトリを収集・フィルタし,Qwen3.5-122B-A10Bを微調整する。
• 参考スコア（独自算出の注目度）: 46.142761865258194
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Language-model agents can accumulate interaction feedback, but reliably turning that feedback into reusable experience remains challenging. Existing methods either optimize external experience scaffolds or train experience-related behavior on specific task distributions, leaving open whether experience learning itself can become a transferable model capability. Training such a capability calls for supervision beyond isolated tasks, which mainly support in-episode problem solving rather than revealing what knowledge remains useful across episodes. In this work, we introduce MetaExp, a scalable framework that trains this capability through verifiable task families with controlled cross-task structure. Each family preserves a reusable factor while varying task-specific realizations, enabling transfer without direct solution reuse. We propose two complementary designs: Shared-Tool families keep black-box tools fixed across tasks to elicit operational experience, while Shared-Workflow families preserve latent procedures across changing realizations to elicit procedural experience. We scale environments under both designs, collect and filter sequential interaction trajectories, and fine-tune Qwen3.5-122B-A10B on 4,956 trajectories from 1,000 task families. With parameters frozen during downstream evolution, MetaExp improves by +8.5 points on SpreadsheetBench, peaks at +2.3 on APEX-Agents, and improves by +14.8 on AutomationBench. The gains persist under domain-excluded training, supporting experience learning as a transferable capability for continued non-parametric improvement after deployment.
• Abstract（参考訳）: 言語モデルエージェントは、インタラクションフィードバックを蓄積することができるが、そのフィードバックを再利用可能なエクスペリエンスに変えることは、依然として困難である。 既存のメソッドは、外部エクスペリエンスの足場を最適化するか、特定のタスクディストリビューション上で経験に関連した振る舞いをトレーニングし、経験学習自体が移行可能なモデル能力になるかどうかをオープンにします。 このような能力の訓練は、エピソード全体でどのような知識が有用かを明らかにするのではなく、主にエピソード内の問題解決をサポートする、孤立したタスク以上の監督を要求する。 本稿では,タスクファミリを制御可能なクロスタスク構造で検証することで,この機能をトレーニングするスケーラブルなフレームワークであるMetaExpを紹介する。 それぞれのファミリーは、タスク固有の実現をしながら再利用可能な要素を保持し、直接のソリューション再利用なしに転送を可能にする。 共有ツールファミリーは、タスク全体にわたってブラックボックスツールを固定し、運用経験を引き出す。 我々は,1000のタスクファミリーから4,956のタスクファミリ上で,環境をスケールし,逐次的相互作用トラジェクトリを収集・フィルタし,Qwen3.5-122B-A10Bを微調整する。 下流の進化中にパラメータが凍結されたため、MetaExpはSpreadsheetBenchで+8.5ポイント、APEX-Agentsで+2.3ピーク、AutomanceBenchで+14.8ポイント向上した。 ドメインを除いたトレーニングでゲインは継続し、デプロイ後の非パラメトリック改善を継続するための転送可能な機能として経験学習をサポートする。

関連論文リスト

• RoboBridge: A Self-Evolving Embodied Agent Framework for Sim-to-Real Transfer [54.448285795003294]
  インボディード・インテリジェンスを現実世界に持ち込む上での課題は、シミュレーションから現実への能力移転だ。 本稿では,Sim-to-real転送を実行可能なタスクスキルの継続的な適応として扱うフレームワークであるRoboBridgeを提案する。
  論文  参考訳（メタデータ） (2026-10-02T02:53:57Z)
• LifeMem: Enabling Lifelong Experience Reuse for LLM Agents [79.11224209641739]
  LifeMemは、エージェントが複数の環境にまたがって知識を伝達できるようにする、生涯学習フレームワークである。 LifeMemは、再利用可能なスキルを抽出するために、基礎となる軌跡に基づく相互作用軌跡を蓄積した。 その結果、LifeMemは生涯学習における効果的な体験再利用を可能にし、学習課題の忘れを減らし、より優れたタスク間移動を実現することができることがわかった。
  論文  参考訳（メタデータ） (2026-09-11T10:00:43Z)
• S3Gym: Can LLMs Turn Self-Testing and Self-Judging into Self-Improvement? [66.17176838165994]
  大規模言語モデル(LLM)は、ますます外部環境と相互作用し、かなりの行動経験を蓄積する。 エージェントがその振る舞いを積極的にテストし、得られた経験を判断し、その経験を使って将来の意思決定を改善することができるかどうかは不明だ。 LLM自己改善評価のための対話型ベンチマークである textbfStextsuperscript3Gym を導入する。
  論文  参考訳（メタデータ） (2026-08-31T17:05:41Z)
• PATH-Bench: Path-Dependent Evaluation of Lifelong Agents [27.837334107109786]
  PATH-Benchは、生涯エージェントのパス依存評価のためのベンチマークである。 SEU(Selective Experience Use)は,経路蓄積経験が各タスクにどのように影響するかを制御するエージェントハーネスである。
  論文  参考訳（メタデータ） (2026-08-02T11:00:04Z)
• Skill Self-Play: Pushing the Frontier of LLM Capability with Co-Evolving Skills [53.15216425100295]
  本稿では,提案者,解決者,スキルコントローラからなる共進化型フレームワークであるスキルセルフプレイ(スキルSP)を紹介する。 プロジェクタは動的にサンプリングされたスキルを前提とした挑戦的なタスクを生成し、ソルバは能力境界を押し上げるための候補ソリューションを探索し、スキルコントローラは実行フィードバックを収集してスキルライブラリを更新および拡張する。 このインタラクティブな共進化は、構造化された検証とオープンな調査の間のギャップを効果的に埋める。
  論文  参考訳（メタデータ） (2026-07-24T17:59:22Z)
• SkillEvolBench: Benchmarking the Evolution from Episodic Experience to Procedural Skills [31.23929961213889]
  大規模言語モデル(LLM)エージェントは、現実世界のタスクを解きながら豊富なエピソード軌道を蓄積する。 SkillEvolBenchは、経験の再利用からスキル形成まで、このステップを評価するための診断ベンチマークである。 現在のエージェントは、しばしばローカルに適応するが、堅牢な再利用可能なスキルを形成することは滅多にない。
  論文  参考訳（メタデータ） (2026-05-22T18:23:31Z)
• XSkill: Continual Learning from Experience and Skills in Multimodal Agents [26.64381741359544]
  XSkillはマルチモーダルエージェントの経験とスキルから継続的に学習するためのデュアルストリームフレームワークである。 XSkillは、視覚観察における知識抽出と検索の両方の基礎となる。 XSkillは、ツールのみのベースラインと学習ベースのベースラインの両方を一貫して、実質的に上回っている。
  論文  参考訳（メタデータ） (2026-03-12T15:25:57Z)
• ToolSelf: Unifying Task Execution and Self-Reconfiguration via Tool-Driven Intrinsic Adaptation [60.25542764389203]
  LLM(Large Language Models)を利用したエージェントシステムは、複雑で長期のタスクに対処する上で、顕著な可能性を示している。 既存のアプローチでは、手動のオーケストレーションやランタイムベースのパッチを頼りにしており、一般化の貧弱さと最適化の断片化に悩まされることが多い。 ツール駆動の自己修正を可能にする新しいパラダイムであるToolSelfを提案する。
  論文  参考訳（メタデータ） (2026-02-08T09:27:18Z)

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。