論文の概要: RSIHub: A Composable Framework for Agent-Evolution Methods

• arxiv url: http://arxiv.org/abs/2610.32253v1
• Date: Fri, 23 Oct 2026 07:06:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 01:38:06.41548
• Title: RSIHub: A Composable Framework for Agent-Evolution Methods
• Title（参考訳）: RSIHub: エージェント進化のための構成可能なフレームワーク
• Abstract要約: RSIHubはエージェント進化メソッドの構築、比較、拡張のためのフレームワークである。 フレームワークのコアを変更することなく、AHE、Hyperagents、A-Evolve、GEPAをインスタンス化する。
• 参考スコア（独自算出の注目度）: 34.95309739002544
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Agent-evolution methods use execution feedback to improve prompts, skills, tools, and orchestration, but their implementations often rebuild the same experimental machinery. We present RSIHub, an open-source framework for building, comparing, and extending these methods on shared infrastructure. Recipes compose reusable operators and declare mutable resources; RSIHub supplies execution, evaluation, recovery, and lineage. Researchers can focus on evolution policy while evaluation stays outside the mutable surface and results remain tied to candidates and evaluation conditions. We instantiate AHE, Hyperagents, A-Evolve, and GEPA without modifying the framework core, keeping method-specific logic in recipes and operators. We evaluate them with MiniSWE and Codex on Terminal Bench 2 and $τ^3$ Banking under fixed model and evaluator configurations. The largest observed overall pass@1 gain is 13.5 percentage points, while method rankings vary across settings and optimization gains do not always transfer to held-out tasks. RSIHub provides a common protocol for comparing evolution policies, inspectable candidate histories, and reusable components for developing new methods.
• Abstract（参考訳）: エージェント進化法は実行フィードバックを使ってプロンプト、スキル、ツール、オーケストレーションを改善するが、その実装はしばしば同じ実験機械を再構築する。 RSIHubは、共有インフラストラクチャ上でこれらのメソッドを構築し、比較し、拡張するためのオープンソースのフレームワークです。 レシピは再利用可能な演算子を構成し、変更可能なリソースを宣言する。 研究者は、評価が可変表面の外に留まっている間、進化ポリシーに焦点を合わせることができ、その結果は候補と評価条件に結びついている。 フレームワークコアを変更することなく、AHE、Hyperagents、A-Evolve、GEPAをインスタンス化し、メソッド固有のロジックをレシピや演算子に保持します。 固定モデルおよび評価器構成下において,MiniSWEおよびCodex on Terminal Bench 2 および $τ^3$ Banking を用いて評価を行った。 一方、メソッドのランクは設定によって異なり、最適化のゲインは常に保留タスクに転送されるわけではない。 RSIHubは、進化ポリシー、検査可能な候補履歴、新しいメソッドを開発するための再利用可能なコンポーネントを比較するための共通のプロトコルを提供する。

関連論文リスト

• RSI-Opt: Recursive Self-Improvement Optimizer Agents For Model Training [7.74557503924273]
  ニューラルネットワークトレーニングでは、固定エージェントポリシーは実行中に経験を蓄積しない。 本稿では,再帰的自己改善エージェントであるRSI-Optを紹介する。 メタエージェントは、以前の実行時の証拠を使ってこのポリシーを書き直し、アーカイブはさらなる進化のための評価されたポリシーを保持します。
  論文  参考訳（メタデータ） (2026-10-23T01:05:11Z)
• WorkRover: Scaling Long-Horizon Cowork Agent Training Via Recursive Environment Evolution [101.12175332979554]
  環境進化を通じて長期のコワーキングエージェントを訓練するためのフレームワークであるWorkRoverを紹介する。 Factorial Compatibility Replay (FCR)は、ロールアウトフィードバックを使用してコンポーネントのリビジョンの組み合わせを評価する。 Verifier-to-Turn Credit Assignment (VTCA)は、決定論的ワークスペース-プログレスチェックからの信号でトラジェクトリレベルのGRPOのアドバンテージを増大させる。
  論文  参考訳（メタデータ） (2026-10-13T09:52:02Z)
• MEMENTO: Memory-Guided Memetic Code-as-Policy Evolution [3.5615347765658396]
  長期的な実施タスクは、タスクの成功が観察される前に、多くの依存アクションを実行するポリシーを必要とする。 MementOは、コード・アズ・ポリティクスの進化のためのメモリ誘導シングルエリート・メメティック・フレームワークである。 長地平線を具現化した2つのドメイン(Robosuite Franka Tower-of-Hanoi)とAI2-THORホームインタラクション)でMementOを評価した。
  論文  参考訳（メタデータ） (2026-07-24T18:16:35Z)
• Co-Evolving LLM Evaluators and Policies via DynamicRubric [67.2962847914162]
  政策によって引き起こされたサンプルに対する評価者フィードバックによるポストトレーニングは、大きな言語モデルを改善するための主要なメカニズムとなる。 反応条件付き評価器であるDynamicRubricを提案する。 8Bバックボーンを用いた実験では、DynamicRubricは評価器のパフォーマンスを改善し、ベースラインよりも強力なポリシー管理を提供する。
  論文  参考訳（メタデータ） (2026-07-22T12:35:40Z)
• KAPSO: A Knowledge-grounded framework for Autonomous Program Synthesis and Optimization [3.0268242725574215]
  KAPSOは、自律的なプログラム合成と最適化のためのモジュラーフレームワークである。 反復的にアイデア、コード合成、編集、実行、評価、学習を行い、実行可能なアーティファクトを改善する。
  論文  参考訳（メタデータ） (2026-01-29T10:40:54Z)
• Let It Flow: Agentic Crafting on Rock and Roll, Building the ROME Model within an Open Agentic Learning Ecosystem [90.17610617854247]
  本稿では,エージェントモデルの生産パイプラインを最適化する基盤インフラであるエージェント学習エコシステム(ALE)を紹介する。 ALEは、重量最適化のためのトレーニング後のフレームワークであるROLL、軌道生成のためのサンドボックス環境マネージャであるROCK、効率的なコンテキストエンジニアリングのためのエージェントフレームワークであるiFlow CLIの3つのコンポーネントで構成されている。 ROMEはALEが基盤として100万件以上のトラジェクトリをトレーニングしたオープンソースエージェントです。
  論文  参考訳（メタデータ） (2025-12-31T14:03:39Z)

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。