論文の概要: EvoMCP: Co-evolving MCP agents and training data

• arxiv url: http://arxiv.org/abs/2610.41479v1
• Date: Fri, 30 Oct 2026 09:35:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.671658
• Title: EvoMCP: Co-evolving MCP agents and training data
• Title（参考訳）: EvoMCP:MCPエージェントとトレーニングデータの共同進化
• Abstract要約: モデルコンテキストプロトコル(MCP)エージェントの監視された微調整は、通常静的なデータ分散で行われる。 タスク進化のクローズドループ,軌道進化,教師付き微調整により,MPPエージェントが改善できるフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 20.15496656681753
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Supervised fine-tuning of Model Context Protocol (MCP) agents is typically conducted on a static data distribution, which fails to adapt to the student's evolving capabilities and leaves newly exposed weaknesses insufficiently addressed. To address these challenges, we propose \method, an agent--data mutual evolution framework that enables MCP agents to improve through a closed loop of task evolution, trajectory evolution, and supervised fine-tuning. Specifically, \method\ assesses the student's established capabilities and capability gaps from rollout feedback to identify learning targets. Task evolution then translates these targets into executable tasks by adapting the instructions and observable environment states of compatible verified seed tasks while keeping their verifiers aligned. To provide reliable and efficient demonstrations for these tasks, trajectory evolution uses reusable skills to recover failed teacher rollouts and refine successful ones. The resulting task--trajectory pairs are used to fine-tune the student, while accepted tasks seed subsequent evolution. To close the loop, we re-evaluate the updated student and use its feedback to guide the next round of data evolution. Experiments on Toolathlon, MCPMark, and MCP-Atlas demonstrate consistent improvements over the initial student, yielding absolute gains of 16.5\%, 10.2\%, and 12.6\%, respectively. Project page: https://github.com/xagao/EvoMCP.
• Abstract（参考訳）: モデルコンテキストプロトコル(MCP)エージェントの監督された微調整は、通常、静的なデータ分散で行われ、これは生徒の進化する能力に適応できず、新しく公開された弱点が不十分に対処される。 これらの課題に対処するために,MPPエージェントがタスク進化のクローズドループ,軌道進化,教師付き微調整を通じて改善できるエージェントデータ相互進化フレームワークであるShamethodを提案する。 具体的には、‘method\は、ロールアウトフィードバックから学習目標を特定するまでの、生徒の確立した能力と能力ギャップを評価する。 タスクの進化は、検証結果を整列させながら、互換性のあるシードタスクの命令と観測可能な環境状態を適用することで、これらのターゲットを実行可能なタスクに変換する。 これらのタスクの信頼性と効率的なデモンストレーションを実現するために、軌道進化は再利用可能なスキルを使用して失敗する教師のロールアウトを回復し、成功したタスクを洗練する。 結果として得られたタスク-軌道対は生徒を微調整するために使用され、受理されたタスクはその後の進化を引き起こす。 ループを閉じるために、更新された学生を再評価し、そのフィードバックを使って次のラウンドのデータ進化をガイドします。 Toolathlon, MCPMark, MCP-Atlasの実験は、初等生に対して一貫した改善を示し、16.5\%, 10.2\%, 12.6\%の絶対利得を得た。 プロジェクトページ: https://github.com/xagao/EvoMCP.com

関連論文リスト

• WAM-OPD: Sharpening World Action Models via On-Policy Distillation [84.1328443874472]
  事前訓練された世界行動モデル(WAM)は、多様なロボット操作タスクにまたがる汎用機能を提供する。 WAMのオンライン蒸留(OPD)とWAM-OPDの導入について検討する。 We show WAM-OPD improves target-task performance while maintaining near-itial performance on tasks excludeed by adapt。
  論文  参考訳（メタデータ） (2026-09-28T03:56:23Z)
• 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)
• Task-Anchored Representation Shaping for Pre-Trained Model-Based Continual Learning [15.779738807521618]
  連続学習のための軽量ポストPTMモジュールとして,タスク・アンコール推論遅延整形(TAILS)を提案する。 TAILSは、固定されたタスクアンカーを、蓄積された知識に対する永続的な参照として使用し、タスク全体で関連するエビデンスを構成する。 控えめなパラメータオーバーヘッドと無視可能な推論コストで、分類とタスク推論のパフォーマンスを改善することができる。
  論文  参考訳（メタデータ） (2026-08-17T09:51:21Z)
• 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)
• TRACED: Transition-aware Regret Approximation with Co-learnability for Environment Design [5.0493593385760756]
  深い強化学習エージェントを目に見えない環境に一般化することは、依然として大きな課題である。 有望な解決策の1つは、教師が高い学習可能性を持つタスクを適応的に生成する共進化的フレームワークであるUnsupervised Environment Design (UED)である。 環境設計のための共学習性を考慮した遷移認識レギュレット近似(TRACED)を提案する。
  論文  参考訳（メタデータ） (2025-06-24T20:29:24Z)
• Adaptive Retention & Correction: Test-Time Training for Continual Learning [114.5656325514408]
  連続学習における一般的な問題は、最新のタスクに対する分類層のバイアスである。 アダプティブ・リテンション・アンド・コレクション (ARC) のアプローチを例に挙げる。 ARCはCIFAR-100とImagenet-Rのデータセットで平均2.7%と2.6%のパフォーマンス向上を達成した。
  論文  参考訳（メタデータ） (2024-05-23T08:43:09Z)

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。