論文の概要: GCAM-Gym: A Benchmark for Agent-Based Climate Policy Search
- arxiv url: http://arxiv.org/abs/2610.23569v1
- Date: Fri, 16 Oct 2026 14:52:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-20 00:56:07.978071
- Title: GCAM-Gym: A Benchmark for Agent-Based Climate Policy Search
- Title（参考訳）: GCAM-Gym:エージェントベースの気候政策検索のベンチマーク
- Abstract要約: Gymnasium互換環境であるGCAM-Gymを導入する。
我々は,目標達成とコスト,コスト-温度トレードオフ,1ステップ遅れフィードバックという3つの設定で検索と制御システムを比較した。
4つのシステムは1シード当たり24回の試行で予算を共有しており、そのうちCMA-ESは最良のリターンの最高平均値(IQM)を達成している。
- 参考スコア（独自算出の注目度）: 58.99661120132134
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Comparing climate-policy search methods requires accounting for differences in policy control, available observations, feedback timing, and simulator budgets. We introduce GCAM-Gym, a Gymnasium-compatible environment that supports full-policy evaluation and stepwise control through a common interface and exposes the components of the policy objective. We compare seven search and control systems in three settings: target attainment and cost, cost-temperature trade-offs, and one-step delayed feedback. Each system is evaluated with ten seeds per setting, for a total of 3,210 attempted GCAM evaluations. Four systems share a budget of 24 attempts per seed; among these, CMA-ES achieves the highest interquartile mean (IQM) of the best returns from completed policy evaluations in all three settings. We release the evaluation archive and analysis tools to reconstruct the reported comparisons without running GCAM.
- Abstract（参考訳）: 気候と政治の探索法を比較するには、政策管理、利用可能な観測、フィードバックのタイミング、シミュレーター予算の違いを考慮する必要がある。
本稿では,Gymnasium互換環境であるGCAM-Gymを紹介する。
我々は,目標達成とコスト,コスト-温度トレードオフ,1ステップ遅れフィードバックという3つの設定で検索と制御システムを比較した。
それぞれのシステムは、合計3,210個のGCAM評価のために、設定毎に10個の種で評価される。
4つのシステムがシード当たり24回の試行の予算を共有しており、そのうちCMA-ESは3つの設定で完了した政策評価から最も高いインタークォータイル平均(IQM)を達成している。
評価アーカイブと解析ツールを公開し、GCAMを走らせることなく報告された比較を再構築する。
関連論文リスト
- Matched-Context Group Policy Optimization for LLM Agent Training [29.227420368176595]
本稿では,すでに収集された軌道から重み付けされた行動嗜好を構築する手法を提案する。
MCGPOはロールアウトデータと各レスポンスのオリジナルの履歴を再利用し、批判なしのトレーニングを保存する。
論文 参考訳（メタデータ） (2026-10-09T15:41:37Z) - MESH-Harness: Self-Improving Agent Harnesses via Bandit-Guided Compositional Evolution [51.00839146188019]
MESH-Harnessは、各ハーネスを明示的なロール固有のインターフェイスを持つ機能モジュールにまとめる。
Mixed-start coordinate ascentは、空間を列挙することなく、評価のための完全な構成を選択する。
繰り返しハーネス最適化はMESH-Harnessを5.63-7.79ポイント改善した。
論文 参考訳（メタデータ） (2026-10-04T15:22:23Z) - MARCO: Multi-Round Agentic Reinforcement for Conditional Molecular Optimization [54.020314646710204]
我々は分子エディターを訓練する評価器を用いた強化学習フレームワークであるMARCOを紹介する。
MARCOは、形をしたターン報酬を、グループ相対的なポリシー最適化のための未公表の軌道リターンに集約する。
このトレーニングの結果は,一応の予算でトレーニングされたポリシをテストし,同じポリシが検証者フィードバックを利用できるかどうかをSame-5でテストする,という2つの結果が得られた。
論文 参考訳（メタデータ） (2026-09-29T04:21:05Z) - EvoPolicyGym: Evaluating Autonomous Policy Evolution in Interactive Environments [64.33452656100393]
本稿では,固定的なインタラクション予算の下で,ハーネスモデルエージェントが繰り返し実行可能なポリシシステムを編集する制御された評価設定である自律ポリシー進化を紹介する。
この設定を、コンパクトなインタラクティブRL環境から構築されたベンチマークであるEvoPolicyGymでインスタンス化する。
EvoPolicyGymスイートでは、GPT-5.5が16の環境で最強のランキングスコアとトップ2のパフォーマンスを達成した。
論文 参考訳（メタデータ） (2026-07-02T17:10:13Z) - SC3-Eval: Evaluating Robot Foundation Models via Self-Consistent Video Generation [73.2142090645987]
SC3-Evalは、事前訓練されたビデオ基盤モデルを正確なポリシー評価器に適合させる自己一貫性のあるビデオ生成レシピである。
SC3-Evalロールアウトは、実世界のロールアウトでポリシーが示す障害モードを再現し、詳細な診断比較をサポートする。
論文 参考訳（メタデータ） (2026-06-17T02:15:46Z) - MSC-CMA-ES: Structure-Aware Restarts for CMA-ES via Cyclic Nearest-Better Basin Discovery [0.0]
CMA-ESはローカル差分であり、マルチモーダル検索はIPOPやBIPOPのような再起動戦略に依存している。
交互周期では、ソボルの前サンプルは最も近いベタクラスタリングによって、およそのアトラクションの盆地に分割される。
MSC-CMA-ESは、BIPOP-CMA-ESの固定予算対象範囲の2.7倍の4つの集計基準で最高の値を得る。
論文 参考訳（メタデータ） (2026-06-14T14:07:56Z) - How to Evaluate and Refine your CAM [53.11885076524431]
クラス属性マップ(CAM)は、畳み込みニューラルネットワークの決定に関する局所的な説明を提供する。
最もよく使われるCAM法は低分解能属性写像を生成するが、その有用性は詳細な解釈可能性に制限される。
我々は,CAM評価指標の厳密な比較を可能にする,地上構造属性を持つ合成データセットを提案する。
低分解能問題に対処するために,複数のネットワーク層にまたがるCAMを集約して高分解能属性マップを生成するRefineCAMを導入する。
論文 参考訳（メタデータ） (2026-05-14T09:57:21Z) - RAG Playground: A Framework for Systematic Evaluation of Retrieval Strategies and Prompt Engineering in RAG Systems [7.418034397164883]
RAG Playgroundは、Retrieval-Augmented Generation (RAG)システムの体系的評価のためのオープンソースのフレームワークである。
本稿では,新しいメトリクスを用いた包括的評価フレームワークを導入し,異なる言語モデルの比較実験結果を提供する。
論文 参考訳（メタデータ） (2024-12-16T19:40:26Z)
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。