論文の概要: Exo: An Architecture for Self-Improving Systems at Runtime

• arxiv url: http://arxiv.org/abs/2611.00463v1
• Date: Fri, 30 Oct 2026 23:31:22 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 19:32:04.930536
• Title: Exo: An Architecture for Self-Improving Systems at Runtime
• Title（参考訳）: Exo: 実行時の自己改善システムのためのアーキテクチャ
• Abstract要約: Exoは、作業中の安全な学習のためのエージェントランタイムアーキテクチャである。 最適化ループをタスク実行に分解することで、エージェントはハーネスと戦略の両方を修正して、さらなる改善を行うことができる。
• 参考スコア（独自算出の注目度）: 62.37925473183403
• License:
• Abstract: Agent harnesses govern how language models act in an environment; designing their policies by hand is difficult, while automated techniques require representative datasets and costly executions. We present Exo, an agent runtime architecture for safe learning during ongoing work that collapses the optimization loop into task execution, allowing agents to revise both their harness and their strategies for further improvement. A minimal protected mechanism layer preserves execution history and governs policy activation while the harness evolves through inspectable code changes. On long-running objectives in an open-world game, Exo reduces model cost by 12-53% relative to Codex and Pi in standalone runs and 45-82% in transfer runs, while matching task completion rates. Compared with the same starting policy without the ability to edit policy, Exo reduces held-out model cost by 35-61% on AppWorld and SREGym with comparable correctness, cutting AppWorld's mean task time by 13% and SREGym's median diagnosis time by 35%. On Continual Learning Bench coding tasks, model cost including learning falls by 14%, with both policies resolving every issue.
• Abstract（参考訳）: エージェントハーネスは、言語モデルが環境の中でどのように振る舞うかを制御し、手動でポリシーを設計するのは困難である。 Exoは、進行中の作業中に安全に学習するためのエージェントランタイムアーキテクチャで、最適化ループをタスク実行に分解し、エージェントがハーネスとさらなる改善のための戦略を修正できるようにします。 最小限の保護されたメカニズムレイヤは実行履歴を保持し、ポリシーのアクティベーションを管理し、ハーネスは検査可能なコードの変更を通じて進化する。 オープンワールドゲームにおける長期的目標に対して、Exoは、スタンドアローンランでCodexとPiに対して12～53%、転送ランで45～82%のモデルコストを削減し、タスク完了率にマッチする。 ポリシーを編集する機能を持たない同じ開始ポリシーと比較して、ExoはAppWorldとSREGymで保持するモデルコストを35～61%削減し、AppWorldの平均タスク時間を13%削減し、SREGymの中央値診断時間を35%削減した。 継続的な学習 ベンチコーディングタスクでは、学習を含むモデルコストが14%減少し、両方のポリシーがすべての問題を解決する。

関連論文リスト

• EmbodiRSI: Recursive Self-Improvement for Data-Efficient Robot Adaptation [54.5481724465918]
  EmbodiRSIは、リアルからシミュレート・トゥ・リアル・セッティングにおける反復的な政策改善のためのシステムである。 タスク固有のシミュレーションは、ターゲットのデプロイメントシナリオから構築され、低コストな環境として使用される。 400の適応的なシミュレートされた軌道と、サブタスクごとに10の現実世界の軌道しか持たないため、EmbodiRSIは83.1%のシーンバランスの自律的実世界の成功を達成している。
  論文  参考訳（メタデータ） (2026-09-30T03:54:53Z)
• Neuro-Symbolic Computer Use: Learning Reusable Policies for Reliable and Efficient Execution [39.215652256489875]
  現在のコンピュータ利用エージェントは、実行中のすべてのステップを再計画する。 本稿では,各実行時にエージェントによって再抽出されるのではなく,学習方針によって繰り返しワークフローが実行されるニューロシンボリック・コンピュータ・ユースを紹介する。 1つのエージェントの軌道から始まり、ポリシーを実行し、タスク補完とステップレベルの判断で障害を診断し、エージェントの失敗点からの継続によって通知されるコーディングモデルでコードを修正する。
  論文  参考訳（メタデータ） (2026-09-29T07:44:22Z)
• RACaP: Agentic Reasoning, Acting, and Coding as Policies for Evolvable Robot Learning [61.4848860546758]
  汎用ロボットエージェントは経験から学び、新しいタスクに移行し、効率的に行動しなければならない。 Code as Policies (CaP) メソッドは実行時にプログラムを生成して修復し、遅延を発生させ、再利用可能なメカニズムをタスク固有の決定に絡ませる。 我々は、コーディングを進化へ移行するエージェントフレームワークであるRACaPを導入し、Reasoning-and-Acting(ReAct)ループを使用して、デプロイ時に凍結型ポリシーAPIを呼び出します。
  論文  参考訳（メタデータ） (2026-09-24T11:22:45Z)
• Learning and Transferring Closed-Loop Robot Software [11.7547120211534]
  クローズドループロボットポリシーは、観察処理、状態管理、状況に依存した分岐を必要とする。 我々は、ソースタスクにおける実装の改善が、新しいタスクのポリシー獲得にも役立つかどうかを考察する。 各ソースタスクに対して、コーディングエージェントは、いくつかの成功したデモからポリシーコードを生成し、シミュレーションフィードバックを使用して反復的に改善する。 新しいタスクのために、エージェントは、アーカイブされた実装、ターゲットのデモ、実行フィードバックを使用してポリシーを生成し、改善する。
  論文  参考訳（メタデータ） (2026-09-17T08:51:12Z)
• Do AI Agents Know When a Task Is Simple? Toward Complexity-Aware Reasoning and Execution [1.733151600403503]
  大規模言語モデル(LLM)エージェントは、ますます多段階のエンジニアリングと情報処理を自動化する。 彼らはしばしば、最大コンテキストファーストの戦略に従い、ファイルや依存関係を読み取り、一行の編集を小さなコードベースの監査に切り替える。 タスク対応型実行-スコープ推定の欠如を論じる。
  論文  参考訳（メタデータ） (2026-07-14T17:59:31Z)
• CORPGEN: Simulating Corporate Environments with Autonomous Digital Employees in Multi-Horizon Task Environments [1.6153514666902042]
  実際の組織的な作業には、インターリーブ、依存関係、優先順位付けを伴って、多くの並行した長期タスクを管理する必要があります。 マルチ水平タスク環境(MHTEs: Multi-Horizon Task Environments: MHTEs): 数十のインターリーブタスクでコヒーレントな実行を必要とする問題クラス。 負荷が25%から100%になるにつれて、ベースラインCUAが16.7%から8.7%に低下する4つの障害モードを特定します。 マルチ水平ゴールアライメントのための階層的計画を通じて,これらの障害に対処するアーキテクチャに依存しないフレームワークであるCorpGenを提案する。
  論文  参考訳（メタデータ） (2026-02-15T16:54:34Z)
• SCUBA: Salesforce Computer Use Benchmark [63.66753028386581]
  SCUBAは、Salesforceプラットフォーム内の顧客関係管理(CRM)上のコンピュータ利用エージェントを評価するために設計されたベンチマークである。 SCUBAには、実際のユーザインタビューから派生した300のタスクインスタンスが含まれており、3つの主要なペルソナ、プラットフォーム管理者、セールス担当者、サービスエージェントで構成されている。 ゼロショット設定とデモ拡張設定の両方で、多様なエージェントのセットをベンチマークします。
  論文  参考訳（メタデータ） (2025-09-30T16:48:49Z)

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。