論文の概要: MetaCurate: Evolving Curation Filters for High-Quality Agentic Coding Data
- arxiv url: http://arxiv.org/abs/2610.23134v1
- Date: Fri, 16 Oct 2026 08:34:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-20 00:56:07.83182
- Title: MetaCurate: Evolving Curation Filters for High-Quality Agentic Coding Data
- Title（参考訳）: MetaCurate: 高性能エージェントコーディングデータのためのキュレーションフィルタの進化
- Abstract要約: 本稿では,実行可能トラジェクトリキュレーションフィルタを進化させるトレーニングフリーフレームワークであるMetaCurateを紹介する。
フィルターのランクと裁判官の選好の相違は、ルールを共同修正するための目標とするフィードバックを提供する。
空白フィルタから始めると、MetaCurateは、競争力のある下流のパフォーマンスを実現するキュレーション戦略を自律的に発見する。
- 参考スコア（独自算出の注目度）: 13.274763474981972
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Supervised fine-tuning on agent trajectories is an effective way to improve coding agents, but selecting useful training examples requires more than identifying successful runs. A resolved patch may follow inefficient reasoning or unnecessary tool use, while a failed run may still contain useful intermediate steps. Training pipelines therefore rely on rules and qualitative assessments to filter trajectories, yet designing these filters typically requires substantial human expertise, and validating improvements through repeated training and evaluation is expensive. We introduce MetaCurate, a training-free framework that evolves executable trajectory curation filters using pairwise LLM judgments. Disagreements between the filter's rankings and the judge's preferences provide targeted feedback for jointly revising its rules, rubric, and aggregation policy. The resulting filter scores trajectories independently, so pairwise comparisons are required only during search. Starting from a blank filter, MetaCurate autonomously discovers a curation strategy that achieves competitive downstream performance without task-specific handwritten criteria. We validate downstream utility through controlled SFT experiments on our uncurated trajectory pool and the Nemotron v3 SWE dataset, with random selection and hand-authored filtering as baselines. In our experiments, MetaCurate achieves the highest mean SWE-Verified score among the compared methods, including hand-authored rule-based filtering and a training-loop baseline whose search costs 3.5x as much.
- Abstract（参考訳）: エージェントトラジェクトリの監督された微調整は、コーディングエージェントを改善する効果的な方法であるが、有用なトレーニング例を選択するには、成功した実行を識別する以上のことが必要である。
解決されたパッチは非効率な推論や不要なツールの使用に従うことができるが、失敗した実行には有用な中間ステップが含まれる可能性がある。
そのため、トレーニングパイプラインはトラジェクトリをフィルタするための規則と質的な評価に依存しているが、これらのフィルタの設計には、一般的にかなりの人間の専門知識が必要であり、繰り返しトレーニングと評価による改善の検証は高価である。
ペアワイズLSM判定を用いて,実行可能トラジェクトリキュレーションフィルタを進化させる,トレーニング不要のフレームワークであるMetaCurateを紹介する。
フィルターのランクと裁判官の選好の相違は、ルール、ルーリック、アグリゲーションポリシーを共同修正するための目標とするフィードバックを提供する。
結果のフィルタは独立してトラジェクトリをスコアするので、ペア比較は検索時にのみ必要となる。
空白フィルタから始めると、MetaCurateはタスク固有の手書き基準なしで、競争力のある下流のパフォーマンスを実現するキュレーション戦略を自律的に発見する。
我々は,未計算の軌道プールとNemotron v3 SWEデータセットの制御されたSFT実験により,ランダム選択と手書きフィルタリングをベースラインとして,下流ユーティリティを検証した。
実験では,手作業によるルールベースフィルタリングや,検索コストが3.5倍のトレーニングループベースラインなど,比較手法の中で,MetaCurateが最も高いSWE認証スコアを達成した。
関連論文リスト
- Quality, Not Just Outcome: A Structural Scoring Framework for Selecting Coding-Agent Trajectories for Supervised Fine-Tuning [20.40283470898589]
TQS(Trajectory Quality Score)を提案する。
パブリックオープンライセンスコーパスのフィルタされたサブセット上で、TQSとファインチューン符号化エージェントによるトラジェクトリをランク付けする。
以上の結果から,プロセスレベルの軌道品質がコーディングエージェントの監督において重要な要因であることが示唆された。
論文 参考訳（メタデータ） (2026-10-09T07:40:42Z) - MIRA: Mid-training Rubric Anchoring for Source-Aware Data Selection [59.34281845159177]
我々は,自作ルーブリック発見に基づくソース認識フィルタリングフレームワークであるMIRAを提案する。
21のソースと5つのソースグループを持つコード指向のミッドトレーニングでは、MIRAは9つのコードベンチマークで選択ベースラインを上回っている。
論文 参考訳（メタデータ） (2026-05-28T17:40:40Z) - Learning from the Best: Smoothness-Driven Metrics for Data Quality in Imitation Learning [2.452887009229123]
RINSEは、ポリシーアーキテクチャに依存しない軌道の滑らかさに基づいて、デモを評価するためのフレームワークである。
本研究では,スムーズなフィルタリングにより,保持データ分布の条件変動を低減できることを示す。
Re-Mixドメインの再重み付けにおけるソフトウェイトとして、RINSEスコアは、学習されたRe-Mixアロケーションと高い相関を持つドメインアロケーションを生成する。
論文 参考訳（メタデータ） (2026-04-24T20:40:11Z) - Your Vision-Language Model Itself Is a Strong Filter: Towards
High-Quality Instruction Tuning with Data Selection [59.11430077029321]
視覚言語モデル(VLM)のための新しいデータセット選択手法であるSelf-Filterを導入する。
第1段階では、VLMと共同で学習する訓練指導の難しさを評価するためのスコアリングネットワークを考案する。
第2段階では、トレーニングされたスコアネットを使用して、各命令の難易度を測定し、最も難しいサンプルを選択し、類似したサンプルをペナルティ化し、多様性を促進する。
論文 参考訳（メタデータ） (2024-02-19T20:08:48Z) - Towards Consistency Filtering-Free Unsupervised Learning for Dense
Retrieval [28.959643428359705]
ドメイン転送は、現代のニューラル情報検索(IR)における一般的な課題である
本研究では、一貫性フィルタを、直接擬似ラベル付け、擬似関連フィードバック、教師なしキーワード生成手法に置き換えることにより、より効率的な解を評価する。
論文 参考訳（メタデータ） (2023-08-05T17:33:51Z) - Sparse Regularized Correlation Filter for UAV Object Tracking with
adaptive Contextual Learning and Keyfilter Selection [20.786475337107472]
相関フィルタは無人航空機(UAV)の追跡に広く応用されている。
2つの固有の欠陥、すなわち境界効果とフィルタの破損のために脆弱である。
本稿では,適応型文脈学習とキーフィルタ選択を用いた新しい$ell_1$正規化相関フィルタを提案する。
論文 参考訳（メタデータ） (2022-05-07T10:25:56Z) - Filter-enhanced MLP is All You Need for Sequential Recommendation [89.0974365344997]
オンラインプラットフォームでは、ログされたユーザの行動データはノイズを含まないことは避けられない。
周波数領域の雑音を減衰させる信号処理から,フィルタアルゴリズムのアイデアを借用する。
逐次レコメンデーションタスクのための学習可能なフィルタを備えたオールMLPモデルである textbfFMLP-Rec を提案する。
論文 参考訳（メタデータ） (2022-02-28T05:49:35Z) - Quantile Filtered Imitation Learning [49.11859771578969]
量子フィルタ模倣学習(QFIL)は、オフライン強化学習用に設計されたポリシー改善演算子である。
我々はQFILが機能近似による安全なポリシー改善のステップを提供することを証明した。
QFILはD4RLベンチマークでよく機能します。
論文 参考訳（メタデータ） (2021-12-02T03:08:23Z) - Direct design of biquad filter cascades with deep learning by sampling
random polynomials [5.1118282767275005]
本研究では, 何百万ものランダムフィルタで学習したニューラルネットワークを用いて, フィルタ係数空間に対する目標規模の応答から直接写像を学習する。
提案手法は,所望の応答に対するフィルタ係数の高速かつ高精度な推定を可能にする。
修正Yule-Walkerや勾配降下などの既存手法と比較し,IIRNetが平均的に高速かつ高精度であることを示す。
論文 参考訳（メタデータ） (2021-10-07T17:58:08Z) - Dependency Aware Filter Pruning [74.69495455411987]
重要でないフィルタを割ることは、推論コストを軽減するための効率的な方法である。
以前の作業は、その重み基準やそれに対応するバッチノームスケーリング要因に従ってフィルタをプルークする。
所望の空間性を達成するために,空間性誘導正規化を動的に制御する機構を提案する。
論文 参考訳（メタデータ） (2020-05-06T07:41:22Z)
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。