論文の概要: Unsupervised Tool Evolution for Coding Agents in Data-Lake Analytics

• arxiv url: http://arxiv.org/abs/2610.27327v1
• Date: Mon, 19 Oct 2026 21:44:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.522082
• Title: Unsupervised Tool Evolution for Coding Agents in Data-Lake Analytics
• Title（参考訳）: データレイク分析における符号化エージェントのための教師なしツール進化
• Abstract要約: コーディングエージェントは、関連するデータを発見し、クリーニングし、結合することによって、データレイクに関する分析的な質問に答えることができる。 本稿では,ラベルのないWorkerエージェントに対して,ツールや利用スキルのライブラリを進化させるTEALを提案する。 作業員が質問するステップ数を最大化する4つのステップ予算で、KramaBenchとLakeQAを評価した。
• 参考スコア（独自算出の注目度）: 16.34479816795919
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Coding agents can answer analytical questions over a data lake by discovering, cleaning, and joining the relevant data. However, they discard this work after each question and redo it from scratch for the next one. Tool evolution, which automatically builds and refines reusable tools across tasks, is a natural fit for this repetition. Since a ground-truth label for a data-lake question requires an expert to solve it first, we consider the unsupervised setting. We propose TEAL (Tool Evolution for Analytics over data Lakes), which evolves a library of tools and usage skills for a given Worker agent without labels. Two agents propose tools from complementary evidence, an Explorer from the data lake itself and a Critic from Worker trajectories. A proposed change is kept only if the Worker adopts the tool on a rerun without extra steps and any changed answer is supported by trajectory evidence. We also introduce TEAL-Q, which generates synthetic questions for tool evolution when real ones are unavailable. We evaluate on KramaBench and LakeQA with four Worker LLMs under step budgets, which cap the number of steps the Worker may take per question. With a tight budget of 10 or 15 steps, TEAL improves every Worker on both benchmarks, lifting Sonnet-5 at 15 steps by 9.3 points on KramaBench and 21.7 points on LakeQA. A tighter budget also yields better feedback for evolution. For example, Sonnet-5's LakeQA library evolved at 20 steps and deployed unchanged at 30 steps scores 68.3, above both the baseline (59.6) and a library evolved directly at 30 steps (64.2). Additionally, a library evolved on synthetic questions performs comparably to one evolved on real questions. These results show that useful tools can be evolved without labels, and hopefully inspire future work on what to evolve and how to obtain feedback in unsupervised agent evolution.
• Abstract（参考訳）: コーディングエージェントは、関連するデータを発見し、クリーニングし、結合することによって、データレイクに関する分析的な質問に答えることができる。 しかし、各質問の後にこの作業を捨て、次の質問のためにスクラッチからやり直す。 タスク間で再利用可能なツールを自動的に構築し、洗練するツール進化は、この繰り返しに自然に適合する。 データレイク問題に対する基礎的真実ラベルは、専門家が最初にそれを解く必要があるため、教師なしの設定を考える。 TEAL (Tool Evolution for Analytics over data Lakes) は,ラベルのない労働者エージェントに対して,ツールや利用スキルのライブラリを進化させる。 2つのエージェントは、補完的な証拠からツールを提案し、データレイク自体からのエクスプローラーとWorker trajectoriesからの批判である。 提案された変更は、Workerが余分なステップなしでツールをリランで採用し、変更された答がトラジェクティブエビデンスによって支持される場合にのみ維持される。 また、TEAL-Qを導入し、実際のツールが利用できない場合に、ツール進化のための合成質問を生成する。 作業員が質問するステップ数を最大化する4つのステップ予算で、KramaBenchとLakeQAを評価した。 TEALの予算は10段階か15段階であり、Sonnet-5はクラマベンチでは9.3ポイント、レイクQAでは21.7ポイント向上している。 予算がより厳しくなれば、進化に対するフィードバックも向上します。 例えば、Sonnet-5のLakeQAライブラリは20ステップで進化し、30ステップのスコア68.3で、ベースライン(59.6)と30ステップ(64.2)で直接進化した。 さらに、合成質問で進化したライブラリは、実際の質問で進化したライブラリと同等に機能する。 これらの結果は,ラベルなしで有用なツールを進化させることが可能であることを示している。

関連論文リスト

• EvoSpatial: Experience-Driven Skill and Tool Evolution for Spatial Reasoning Agents [37.198027354707826]
  関連スキルとツールのライブラリを更新することで,実行経験から学習するフレームワークであるEvoSpatialを紹介した。 20のベンチマークで、EvoSpatialの平均は63.9, 4.0ポイントであり、SpatialClawが報告した平均よりも高い。 チェック手順を記録に残し、それらをサポートするツールとともに、エージェントは、あるタスクから次のタスクまでの空間的推論体験を運ぶことができる。
  論文  参考訳（メタデータ） (2026-10-12T12:21:51Z)
• VideoEvoHarness: Self Evolving Agent Harness from Unlabeled Videos for Video Understanding [57.59430033815855]
  ビデオ理解エージェントは、証拠の取得、ツールの使用、推論にハーネスを頼っているが、それを改善するにはかなりの努力が必要だ。 近年の自己進化的手法は,人的介入を減らすために,実行フィードバックを通じて活用を最適化することを目指している。 VideoEvoHarnessは、凍結したモデルパラメータを持つ未ラベルのビデオから、質問者とSolverのハーネスを共同で進化させる。
  論文  参考訳（メタデータ） (2026-10-11T06:36:08Z)
• TimeEvo: Failure-Driven Self-Evolution of a Time Series Agent [58.343983191487276]
  時系列エージェントは、外部ツールを呼び出すことで分析的な質問に答える。 Human-Agent Tool Misalignment: 21のエキスパートキュレートされたツールのライブラリは、いくつかのタスクを支援し、他の人を傷つけます。 TimeEvoは、エージェントの診断された障害を能力ギャップに集約し、それぞれの測定を計画し、ペアの入場ゲートを通してのみ候補ライブラリを許可する。
  論文  参考訳（メタデータ） (2026-09-23T03:08:12Z)
• RRSI: Regularized Recursive Self-Improvement of Agent Harnesses [76.77275934611428]
  正規化再帰的自己改善型エージェント・ハーネス(RRSI) 本稿では、正規化の原則を取り入れたRRSIを紹介し、進化候補の提案と選択を制約することで自己改善を活用する。 RRSIは5つのアウト・オブ・ディストリビューション・ベンチマークで14.1ポイント、最大4.7ポイントを獲得し、非正規化進化よりも30%少ないポリシートークンで動作するハーネスを生産している。
  論文  参考訳（メタデータ） (2026-09-21T17:54:49Z)
• VeriEvol: Scaling Multimodal Mathematical Reasoning via Verifiable Evol-Instruct [71.22358682581215]
  ビジュアルな数学的推論のための強化学習のスケーリングは、難しい質問を生成すること以上のものを必要とします。 これは2つのコンポーネントからなる反復的なフレームワークであるVeriEvolとしてインスタンス化します。 5ベンチマークのビジュアル・マス・スイートでは、10Kから250KサンプルまでのSFTデータのスケーリングが平均精度を35.42から54.73に引き上げている。
  論文  参考訳（メタデータ） (2026-06-22T16:17:30Z)
• El Agente Forjador: Task-Driven Agent Generation for Quantum Simulation [7.535793342235731]
  El Agente Forjadorは、ユニバーサルコーディングエージェントが自律的にフォークし、検証し、再利用するマルチエージェントフレームワークである。 ツール生成と再利用のフレームワークがベースラインの精度を継続的に向上することを示す。
  論文  参考訳（メタデータ） (2026-04-16T04:28:56Z)
• ML-Tool-Bench: Tool-Augmented Planning for ML Tasks [23.54937738755734]
  ツール強化機械学習エージェントの評価のためのベンチマークを導入する。 私たちのベンチマークは、インメモリ名のオブジェクト管理を組み込むことで、従来のツール使用の評価を超えています。 我々のアプローチはReActよりも16.2%向上し、すべてのKaggle課題の中央値を取ります。
  論文  参考訳（メタデータ） (2025-11-29T23:59:40Z)
• MLAgentBench: Evaluating Language Agents on Machine Learning Experimentation [96.71370747681078]
  我々は,CIFAR-10におけるモデル性能の改善から,BabyLMのような最近の研究課題まで,13のタスクからなるMLAgentBenchを紹介した。 各タスクに対して、エージェントはファイルの読み書き、コードの実行、出力の検査などのアクションを実行することができる。 我々は、Claude v1.0、Claude v2.1、Claude v3 Opus、GPT-4、GPT-4-turbo、Gemini-Pro、Mixtralに基づいてベンチマークエージェントをベンチマークし、Claude v3 Opusエージェントが成功率の点で最高であることを示す。
  論文  参考訳（メタデータ） (2023-10-05T04:06:12Z)

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。