論文の概要: RSIV-Harness: A Recursive Self-Improvement Harness Framework for Open-Domain Conversational Text-to-Visualization

• arxiv url: http://arxiv.org/abs/2610.35316v1
• Date: Mon, 26 Oct 2026 12:16:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.918247
• Title: RSIV-Harness: A Recursive Self-Improvement Harness Framework for Open-Domain Conversational Text-to-Visualization
• Title（参考訳）: RSIV-Harness:オープンドメイン対話型テキスト・トゥ・ビジュアライゼーションのための再帰的自己改善型ハーネスフレームワーク
• Abstract要約: エージェント自身の障害トレースから周辺ハーネスを修正するために再帰的自己改善を適用するRSIV-Harnessを導入する。 我々はさらに,Open-Domain, Ambiguous, Conversational Text-to-visualizationの640タスクのベンチマークであるODAC-Visを紹介する。
• 参考スコア（独自算出の注目度）: 25.573678914604915
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Users often request charts without knowing which database or table holds the relevant data. Such requests may be ambiguous, and users may ask follow-up questions to deepen their analysis or iteratively refine existing charts. A useful assistant must therefore discover relevant data sources among heterogeneous databases, ask clarifying questions when needed, and track evolving user intent while preserving constraints established in earlier turns. Yet recent text-to-visualization agents typically rely on static agent harnesses that are predefined and remain unchanged despite recurring failures across tasks. To address this limitation, we introduce RSIV-Harness, which keeps the language model weights fixed and applies Recursive Self-Improvement to revise the surrounding harness from the agent's own failure traces. To balance flexible self-improvement with stability, we introduce a four-layer framework that evaluates proposed harness revisions through anchor and memory checks, refining those that pass and restoring the best validated harness otherwise. We further introduce ODAC-Vis, a benchmark with 640 tasks for Open-Domain, Ambiguous, and Conversational text-to-visualization that jointly evaluates open-domain data discovery, ambiguity resolution, multi-turn visualization refinement, and executable chart generation. Experiments show that a single round of RSIV-Harness improves all six evaluation metrics relative to the seed harness, with particularly large gains in executability (+28.02 points) and chart structure (+34.01 points), demonstrating the ability to learn from task-solving experience and turn recurring failures across tasks into substantial performance improvements.
• Abstract（参考訳）: ユーザは、関連するデータを保持するデータベースやテーブルを知らずに、チャートをリクエストすることが多い。 このような要求は曖昧で、ユーザはフォローアップの質問をして分析を強化したり、既存のチャートを反復的に洗練したりすることができる。 したがって、有用なアシスタントは、異種データベース間で関連するデータソースを発見し、必要なときに明確な質問をし、早期に確立された制約を保ちながら、進化するユーザの意図を追跡する必要がある。 しかし、最近のテキスト・ツー・ビジュアル化エージェントは、通常、タスク間で繰り返し発生する障害にもかかわらず、事前に定義され、変更されない静的なエージェント・ハーネスに依存している。 この制限に対処するために、RSIV-Harnessを導入し、言語モデルの重みを固定し、Recursive Self-Improvementを適用し、エージェント自身の障害トレースから周辺ハーネスを修正します。 フレキシブルな自己改善と安定性のバランスをとるために,アンカーとメモリチェックによって提案するハーネス修正を評価できる4層フレームワークを導入する。 我々はさらに,オープンドメインデータの発見,あいまいさの解決,マルチターン可視化の洗練,実行可能チャート生成を共同で評価する,オープンドメイン,あいまいさ,対話型テキスト・ビジュアル化のための640タスクのベンチマークであるODAC-Visを紹介する。 実験の結果、RSIV-Harnessの1ラウンドは、特に実行可能性(+28.02点)とチャート構造(+34.01点)の6つの評価指標をすべて改善し、タスク解決の経験から学び、繰り返し発生する障害をタスク間での大幅なパフォーマンス改善に転換する能力を示している。

関連論文リスト

• VideoHarness-SRSI: Structured Recursive Self-Improvement for Video Understanding Harness [75.15615778283161]
  LLMシステム機能は、モデルパラメータだけでなく、情報取得、ツールの使用、推論、メモリを整理する実行可能なハーネスにも依存する。 本稿では,マルチモーダルなリッチな証拠と結合機構が利用効率の最適化を困難にしているエージェント的ビデオ理解において,この問題を考察する。
  論文  参考訳（メタデータ） (2026-10-14T02:17:07Z)
• Reasoning-Informed Visual Editing [68.83915912861197]
  RISEBenchはReasoning-Informed ViSual Editing (RISE)の最初のベンチマークである。 より包括的できめ細かいベンチマークであるRISEBench++に拡張しています。 我々は,34のオープンソースモデル,19のクローズドソースモデル,5つのエージェントメソッドを含む58のビジュアル編集手法を評価した。
  論文  参考訳（メタデータ） (2026-10-08T17:15:58Z)
• GLaQ: Grounding Latent Queries in Visual Evidence for Multimodal Reasoning [27.232897918541067]
  連鎖推論は多モーダルな大言語モデルの問題解決能力を大幅に改善した。 しかし、微細な視覚的証拠は、テキストベースの推論ステップをまたいだ保存と再利用が難しいままである。 GLaQは、逐次ラテントロールアウトをコンテキスト条件付きクエリの固定セットに置き換える、接地型ラテントクエリフレームワークである。
  論文  参考訳（メタデータ） (2026-08-16T04:01:08Z)
• ReVSI: Rebuilding Visual Spatial Intelligence Evaluation for Accurate Assessment of VLM 3D Reasoning [59.558706734431276]
  空間知能の現在の評価は、現代の視覚言語モデル(VLM)設定下で体系的に無効にすることができる。 本稿では,各QAペアが実際の入力の下で応答可能で正しいことを保証するためのベンチマークとプロトコルであるReVSIを紹介する。
  論文  参考訳（メタデータ） (2026-04-27T10:45:51Z)
• FRESCO: Benchmarking and Optimizing Re-rankers for Evolving Semantic Conflict in Retrieval-Augmented Generation [73.22935457705057]
  時間的動的文脈における再ランカ評価のためのベンチマークであるFRESCOを紹介する。 レクエンシ検索クエリと過去のウィキペディアのリビジョンを組み合わせることで、FRESCOは、セマンティックな関連性を維持しながら、リランカが事実として最新の証拠を優先順位付けできるかどうかをテストする。 我々の評価では、既存の再ランカ間で一貫した障害モードが明らかになっている。
  論文  参考訳（メタデータ） (2026-04-14T17:04:25Z)
• RARE: Retrieval-Aware Robustness Evaluation for Retrieval-Augmented Generation Systems [33.389969814185214]
  Retrieval-Augmented Generation (RAG)は、回答の正確性と事実性を高める。 既存の評価では、RAGシステムが現実世界のノイズ、内部と外部の取得したコンテキストの衝突、あるいは急速に変化する事実にどれくらいうまく対処しているかを検査することはめったにない。 本稿では,動的で時間に敏感なコーパス上でのストレステストクエリと文書摂動を共同で行う,統一されたフレームワークと大規模ベンチマークであるRetrieval-Aware Robustness Evaluation (RARE)を紹介する。
  論文  参考訳（メタデータ） (2025-06-01T02:42:36Z)

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。