論文の概要: AdaExploreBench: Benchmarking LLM Agents for Proactive Exploration and Test-time Adaptation in Evolving Environments

• arxiv url: http://arxiv.org/abs/2610.25950v1
• Date: Mon, 19 Oct 2026 07:41:50 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:08:11.809758
• Title: AdaExploreBench: Benchmarking LLM Agents for Proactive Exploration and Test-time Adaptation in Evolving Environments
• Title（参考訳）: AdaExploreBench: 進化する環境における積極的な探索とテスト時間適応のためのLLMエージェントのベンチマーク
• Abstract要約: 大きな言語モデル(LLM)エージェントは、慣れない、進化する環境にますますデプロイされる。 AdaExploreBenchは、進化する環境におけるプロアクティブな探索とテストタイム適応のためのベンチマークである。
• 参考スコア（独自算出の注目度）: 62.07871861650165
• License:
• Abstract: Large Language Model (LLM) agents are increasingly deployed in unfamiliar and evolving environments, requiring them to proactively explore, understand, and adapt to environmental dynamics. However, existing benchmarks rarely test whether agents can proactively discover how an environment works and adapt as it evolves. To address this gap, we introduce AdaExploreBench, a benchmark for proactive exploration and test-time adaptation in evolving environments. By instantiating environmental dynamics as hidden rules, AdaExploreBench requires agents to actively acquire evidence and infer the rules. Under implicit rule drift, the latent rule changes without announcement, requiring agents to detect from degraded performance that prior knowledge is stale and re-explore. Experiments on eight leading LLMs show that proactive and adaptive exploration remain challenging: GPT-6 Sol achieves only 61.9% calibrated accuracy, while providing sufficient evidence or removing rule drift improves average performance significantly by close to 10%. These results reveal a critical bottleneck in current LLM agents: they can often reason effectively from informative evidence once it is available, but struggle to actively acquire the right evidence and recognize when previously acquired evidence is no longer valid.
• Abstract（参考訳）: 大規模言語モデル(LLM)エージェントは、慣れない、そして進化する環境にますますデプロイされ、積極的に探索し、理解し、環境のダイナミクスに適応する必要がある。 しかし、既存のベンチマークでは、エージェントが環境がどのように機能するかを積極的に発見し、進化するにつれて適応できるかどうかを検査することはめったにない。 このギャップに対処するために、進化する環境における積極的な探索とテスト時間適応のためのベンチマークであるAdaExploreBenchを紹介します。 環境力学を隠れルールとしてインスタンス化することで、AdaExploreBenchはエージェントに積極的に証拠を取得し、ルールを推測するように要求する。 暗黙のルールドリフトの下では、潜伏ルールは発表なしに変化し、エージェントは事前の知識が不安定で再発見されるような劣化したパフォーマンスから検出する必要がある。 GPT-6 Solは61.9%の精度しか達成せず、十分な証拠を提供し、ルールドリフトを除去することで平均性能を10%近く向上させる。 これらの結果は、現在のLLMエージェントにおいて重要なボトルネックを明らかにしている: 情報的証拠が利用可能になったら、効果的に推論できるが、適切な証拠を積極的に取得し、以前取得した証拠がもはや有効でないことを認識できない。

関連論文リスト

• From Failures to Learnable Worlds: Policy-Conditioned Environment Generation for Navigation Agents [58.2912265768154]
  WEDGEは弱いナビゲーション学習のためのフレームワークである。 ポリシーは、異なるトレーニング環境の利点と、異なる弱点のプロファイルを示す。
  論文  参考訳（メタデータ） (2026-10-14T02:10:38Z)
• ServeLearnBench: How Well Can Agents Self-Improve from Serving Experience? [25.04546844099514]
  大規模言語モデルエージェントは、現実世界の環境で複雑なタスクを実行するためにますますデプロイされる。 近年の継続的な学習ハーネスは、エージェントがサービス体験を改善することで、この問題に対処しようとしている。 我々はServeLearnBenchを紹介し,53の環境ウィンドウと7,718のタスクを備えた小売サポート,銀行,販売ピッチ生成を紹介した。
  論文  参考訳（メタデータ） (2026-10-06T05:39:42Z)
• When Successful Strategies Fail: Adaptation to Environmental Novelty in Terminal Agents [25.234455147495524]
  LLMエージェントは、環境と自律的に相互作用することで、より長い水平タスクを解決する。 環境のノベルティを通して,この適応能力について検討する。 我々は、軌道関連仮定を抽出し、対象とする環境変化を注入する自動パイプラインAGNIを導入し、その結果の新規タスクが解決可能であることを検証した。
  論文  参考訳（メタデータ） (2026-09-27T19:47:43Z)
• ACCORD: Action-Conditioned Contextual Grounding for Language Agents [69.73525608707764]
  ACCORD(Action-Conditioned Contextual Grounding)は、適応的なグラウンドのためのエージェントフレームワークである。 現状のエージェントは、しばしばそうすることができないことを示す。それらは、観察された特定の情報よりもむしろ仮定から行動し、収集した可能性のある情報を見落とし、既に返された証拠を組み込むことに失敗する。
  論文  参考訳（メタデータ） (2026-06-15T09:05:55Z)
• What and When to Distill: Selective Hindsight Distillation for Multi-Turn Agents [70.6980022118038]
  強化学習は、緩やかなタスク報酬からLLMエージェントを訓練することができるが、長期的なクレジット割り当ては依然として困難である。 既存の方法は、ステップごとの環境フィードバックを完全に活用することなく、軌道レベルの報酬やプロキシ信号に依存している。 環境重み付け学習フレームワークであるSERLを紹介する。
  論文  参考訳（メタデータ） (2026-05-19T07:00:55Z)
• OLIVIA: Online Learning via Inference-time Action Adaptation for Decision Making in LLM ReAct Agents [74.20327254615854]
  大規模言語モデルエージェントは、シーケンシャルな意思決定タスクを解決するために、推論、行動選択、観察をインターリーブする。 LLMエージェントの既存の推論時間適応法は、主にプロンプトや検索に依存している。 提案するOLIVIAは,ReAct型エージェントのための推論時行動適応フレームワークである。
  論文  参考訳（メタデータ） (2026-05-11T19:28:20Z)
• When Agents Overtrust Environmental Evidence: An Extensible Agentic Framework for Benchmarking Evidence-Grounding Defects in LLM Agents [7.383366380709273]
  大規模言語モデルエージェントは、ファイル、Webページ、API、ログを公開する環境対応の足場を通じて、ますます運用されるようになる。 環境基盤化は、文脈入力、証拠証明、鮮度検査、検証ポリシー、行動ゲーティング、モデル推論を含むシステムレベルの問題である。 この障害モードをベンチマークするためのエージェントフレームワークであるEnvTrustBenchを紹介します。
  論文  参考訳（メタデータ） (2026-05-09T09:32:27Z)
• Agents Explore but Agents Ignore: LLMs Lack Environmental Curiosity [12.381781997363609]
  現在のLSMベースのエージェントは、予期せぬ情報を反映したり、反応したりするのに苦労している。 我々は、タスクのソリューションをモデルに意図的に公開するために、完全なタスクソリューションをエージェント環境に注入する。 エージェントは79～81%のランでターミナルベンチでこれらの解を発見するが、それらは37～50%のケースで相互作用し、悪用する。
  論文  参考訳（メタデータ） (2026-04-19T20:49:41Z)
• ActFER: Agentic Facial Expression Recognition via Active Tool-Augmented Visual Reasoning [55.562958315741646]
  本稿では, アクティブな視覚的エビデンス獲得とマルチモーダル推論を兼ね備えたエージェントフレームワークであるActFERを提案する。 さらに,エージェントFERに適した強化学習アルゴリズムである実用性キャリブレーションGRPOを開発した。
  論文  参考訳（メタデータ） (2026-04-10T05:53:19Z)

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。