論文の概要: KARMA: Training-Free Knowledge-Atomic Harness Evolution for Industrial Advertising Agents
- arxiv url: http://arxiv.org/abs/2610.39884v2
- Date: Mon, 02 Nov 2026 06:34:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-04 02:41:45.012075
- Title: KARMA: Training-Free Knowledge-Atomic Harness Evolution for Industrial Advertising Agents
- Title（参考訳）: KARMA:インダストリアル広告エージェントのための学習自由知識-原子的ハーネス進化
- Abstract要約: 産業広告代理店は、意思決定知識を製品の提供、交通パターン、運営方針の変更に継続的に適応させなければならない。
KARMAは、モデルウェイトと実行可能ハーネスコードを凍結したまま、6つの型付き知識モジュールを進化させる、トレーニング不要のフレームワークである。
- 参考スコア（独自算出の注目度）: 4.328208405451038
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Industrial advertising agents must continually adapt their decision knowledge to changing product offerings, traffic patterns, and operating policies. We present KARMA (Knowledge-Atomic, Regression-Gated Modular Adaptation), a training-free framework that evolves six typed knowledge modules while keeping model weights and executable harness code frozen. During our evolution, a deterministic Trace Verifier maps observed errors to candidate modules, and a Critic compares successful and failed trajectories to guide a tool-constrained Evolver. The Evolver applies atomic knowledge edits, which a fixed validation gate retains only when their measured gain reaches a threshold; otherwise, the previous knowledge state is restored. We evaluate KARMA with three LLM families on cases sampled from a corpus of approximately half a million real-world operation logs across six e-commerce domains. Across 18 domain--model settings, KARMA raises the average hold-out score from 30.19 to 39.15 (+8.96 points, +29.7%). Ablations show that removing either successful or failed trajectories more than halves the average hold-out gain. Evolved knowledge also transfers across domains without further adaptation, yielding an average hold-out gain of 8.54 points across all source--target pairs. By linking retained patches to their diagnostic evidence and validation outcomes, KARMA supports inspectable, reversible knowledge adaptation for agents in Web marketplaces.
- Abstract（参考訳）: 産業広告代理店は、意思決定知識を製品の提供、交通パターン、運営方針の変更に継続的に適応させなければならない。
KARMA(Knowledge-Atomic, Regression-Gated Modular Adaptation)は、6つの型付き知識モジュールを進化させながら、モデルの重みと実行可能なハーネスコードを凍結させるトレーニングフリーフレームワークである。
我々の進化の間、決定論的トレース検証器は、候補モジュールに対する誤差を観測し、Cryticは、ツール制約のEvolverを導くために、成功と失敗の軌跡を比較した。
Evolverは原子知識編集を施し、測定した利得がしきい値に達したときのみ、固定された検証ゲートが保持する。
我々は6つのeコマースドメインにまたがる約50万の実世界の運用ログのコーパスから採取したケースに対して、3つのLLMファミリーを持つKARMAを評価した。
18のドメインモデル設定で、KARMAは平均ホールドアウトスコアを30.19点から39.15点(+8.96点+29.7%)に引き上げている。
アブレーションは、成功または失敗した軌道の除去が平均的なホールドアウト利得の半分以上であることを示している。
進化した知識は、さらに適応することなくドメイン間を移動し、すべてのソース-ターゲット対の平均ホールドアウトゲイン8.54ポイントを得る。
KARMAは、保持されたパッチを診断証拠と検証結果にリンクすることで、Webマーケットプレース内のエージェントに対する検査可能で可逆的な知識適応をサポートする。
関連論文リスト
- CoEvo-RSI: When Harnesses Evolve, Which Models Should Follow? [56.229150296159695]
我々は、持続的だがしばしば見過ごされる脳-モデルにおける身体のミスマッチ問題-ハーネス共進化について研究する。
本稿では,エージェント駆動の双方向履歴継承によるモデル-ハーネス共進化を促進するRSIフレームワークであるCoEvo-RSIを紹介する。
論文 参考訳（メタデータ） (2026-10-18T07:38:03Z) - AdaptEvo: Learning under Imperfect Supervision through Confidence-Adaptive Training with Knowledge Evolution [0.0]
AdaptEvoは、不完全な監督の下で学習するためのフレームワークである。
トレーニングモジュールは、信頼性適応GRPOを使用して、結果のバランスと、基準信頼度に応じた報酬の処理を行う。
Evolutionモジュールは、トレーニングケース間で繰り返し発生する障害から再利用可能な決定知識を合成する。
論文 参考訳（メタデータ） (2026-10-08T06:47:41Z) - Continuous Process-Level Evaluation for Evolving Enterprise AI Agent Skills [0.39508022083907385]
結果レベルとプロセスレベルのチェックを組み合わせた継続的評価フレームワークを提案する。
我々は,2つのスキル,2つの仕様変種,2つのエージェントハーネス,3つのモデルに対する240の試行を評価した。
論文 参考訳（メタデータ） (2026-10-01T15:06:23Z) - HarnessEvolve: Learning from Reference Trajectories for Reliable Agent Self-Evolution [11.431479238875712]
我々は、信頼できるエージェントの自己進化を実現するために、参照軌道から学習する自己進化フレームワークであるHarnessEvolveを紹介する。
私たちは、さまざまなモデルとエージェントフレームワークを使用して、オープンドメインとエンタープライズシナリオにまたがるいくつかのベンチマークで広範な実験を行います。
結果は、HarnessEvolveがすべてのベンチマークと設定で、最先端のベースラインを一貫して上回っていることを示している。
論文 参考訳（メタデータ） (2026-09-01T07:31:18Z) - Teaching LLMs to Self-Evolve: Cultivating Core Meta-Skills with Reinforcement Learning [51.17262419591891]
AlphaEvolveが示すように、環境フィードバックによる反復的自己進化によるテスト時間のスケーリングは、顕著なパフォーマンス向上を示している。
本稿では,データ合成パイプライン,進化対応強化学習,推論時進化探索によるメタスキル開発を目的としたMetaEvolveを提案する。
論文 参考訳（メタデータ） (2026-07-24T04:35:29Z) - Learning from Failure: Inference-Time Self-Improvement for Computer-Use Agents [80.03824805228719]
コンピュータ利用エージェントを開発する上での大きな課題は、大規模で高品質な軌道を収集することである。
我々は、失敗した軌道をエージェント改善に変換するデータ中心のパラダイムを提案する。
この手法をOSWorldベンチマーク上で,最先端のOpenCUA-72Bモデルを用いて検証する。
論文 参考訳（メタデータ） (2026-06-30T07:44:37Z) - Self-evolving LLM agents with in-distribution Optimization [60.05867547965365]
大規模言語モデル(LLM)は最近、複雑な環境で対話的なエージェントのための強力なコントローラとして登場した。
本稿では,自動プロセス・リワードラベリングとポリシー学習を統一するLDMエージェントの自己進化フレームワークであるQ-Evolveを提案する。
我々は,AlfWorld,WebShop,ScienceWorldの手法を評価し,Q-Evolveがサンプル効率,堅牢性,全体的なタスク性能において高いベースラインを達成していることを示す。
論文 参考訳（メタデータ） (2026-06-05T15:09:52Z) - EvoLM: Self-Evolving Language Models through Co-Evolved Discriminative Rubrics [86.49781345669436]
言語モデルは事前学習からかなりの評価知識を符号化する。
現在のポストトレーニング手法は、報酬信号を生成するために外部の監督に依存している。
EVOLMは、モデルの評価能力を明示的な識別的ルーブリックに構造化する手法である。
論文 参考訳（メタデータ） (2026-05-05T15:31:00Z) - Agentic Harness Engineering: Observability-Driven Automatic Evolution of Coding-Agent Harnesses [57.20181537213498]
Agentic Harness Engineering (AHE)は、ハーネスエンジニアリングを自動化するクローズドループである。
AHEは3つの一致した可観測性柱を通じて課題に対処する。
10 AHE lift pass@1 on Terminal-Bench 2 from 69.7% to 77.0%。
SWE-bench-verifiedでは、種子よりも12%少ないトークンで合計成功率を上回り、ターミナルベンチ2では+5.1から+10.1ppのクロスファミリーゲインを得る。
論文 参考訳（メタデータ） (2026-04-28T16:55:02Z)
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。