論文の概要: Recursa: Toward Recursively Self-Improving Foundation Model Systems

• arxiv url: http://arxiv.org/abs/2611.04035v1
• Date: Mon, 02 Nov 2026 22:30:12 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-04 17:33:38.606533
• Title: Recursa: Toward Recursively Self-Improving Foundation Model Systems
• Title（参考訳）: Recursa: 再帰的自己改善基盤モデルシステムを目指して
• Abstract要約: 我々はRecursaを紹介した。Recursaは、自身の経験から学習することで、新しいドメインに適応する基盤モデルシステムである。 Recursaはリポジトリをドメイン資料からブートストラップし、自己改善を通じて洗練する。 Harvey LABのFirm Knowledgeベンチマークでは、Recursaはホールドアウトテストタスクの全パス率を30.0%から55.0%に引き上げている。
• 参考スコア（独自算出の注目度）: 22.130354504275985
• License:
• Abstract: Foundation models in changing environments can encounter unfamiliar domain knowledge that their original training did not cover. However, new domains rarely provide large amounts of expert-created training data or reliable supervisory signals for further training. We introduce Recursa, a foundation model system that adapts to new domains by learning from its own experience without human experts or a stronger teacher model. Recursa uses a knowledge repository to store what it learns: domain-specific skills and instructions on when to apply them, along with memories of past task experiences and reflections on what to improve. Recursa bootstraps the repository from domain materials and then refines it through recursive self-improvement. It uses parallel learners to execute tasks and synthesize local improvements, then validates and merges the improvements into the knowledge repository. On Harvey LAB's Firm Knowledge benchmark, Recursa raises the all-pass rate on held-out test tasks from 30.0% to 55.0% with DeepSeek-V4.1-Flash and from 35.0% to 46.0% with Qwen3.8-Flash.
• Abstract（参考訳）: 環境の変化における基礎モデルは、元のトレーニングがカバーしなかった、馴染みの無いドメイン知識に遭遇する可能性がある。 しかし、新たなドメインは、専門家が作成した大量のトレーニングデータや、さらなるトレーニングのための信頼性の高い監視信号を提供することは滅多にない。 Recursaは、人間の専門家やより強力な教師モデルなしで自身の経験から学習することで、新しいドメインに適応する基盤モデルシステムである。 Recursaは知識リポジトリを使って学んだことを保存している。ドメイン固有のスキルといつ適用するかの指示、過去のタスク経験の記憶、改善すべきことの反映だ。 Recursaはリポジトリをドメイン資料からブートストラップし、再帰的な自己改善を通じて洗練します。 並列学習を使ってタスクを実行し、ローカル改善を合成し、その改善を検証し、知識リポジトリにマージする。 Harvey LABのFirm Knowledgeベンチマークでは、Recursaはホールトアウトテストタスクの全パス率をDeepSeek-V4.1-Flashで30.0%から55.0%、Qwen3.8-Flashで35.0%から46.0%に引き上げている。

関連論文リスト

• Holding a Steady Course: Knowledge Evolution from Expertise and Lessons for Continual Agent Learning [8.115055674856917]
  KEEL(Knowledge Evolution from Expertise and Lessons)は、検証済みのエビデンスを使用して、成功した振る舞いを再利用可能なスキルや失敗から修正的なレッスンに変換する、エージェント非依存のフレームワークである。 SkillFlowベンチマークでは、KEELがタスク成功率を4.2から21.7ポイント改善し、SkillFlowのデフォルトメソッドから2.4から9.6ポイント向上した。
  論文  参考訳（メタデータ） (2026-10-25T04:11:33Z)
• Learning to Accumulate Knowledge with Mutual Information [73.52779885710335]
  大規模言語モデル(LLM)エージェントは、過去の相互作用から抽出された知識を再利用することで、その性能を向上させることができる。 エージェントの軌道から再利用可能な知識をキュレートするために言語モデルを訓練する強化学習フレームワークであるKnowledge Weaverを提案する。
  論文  参考訳（メタデータ） (2026-10-07T13:20:18Z)
• ReCAP: Retrieval-Guided Capability Reuse for Multimodal Continual Instruction Tuning [53.43775325949729]
  マルチモーダル・インストラクション・チューニングの目的は,マルチモーダルな大規模言語モデルがシーケンシャルタスクから新たな機能を獲得できるようにすることである。 既存の方法は、パラメータの更新を制限したり、タスク固有の適応を分離することで、破滅的な忘れを軽減します。 本稿では,外部知識を活用した検索誘導型フレームワークReCAPを提案する。
  論文  参考訳（メタデータ） (2026-09-29T15:56:11Z)
• From Registry to Repository: How AI Agent Skills Are Written, Adapted, and Maintained [13.991357454554949]
  筆者らは,AIエージェントのスキルを,著者,再利用,カスタマイズ,維持を行う技術工芸品として,初めて実証的研究を行った。 ほとんどの再利用されたスキルは、ほぼ最高のままで、53%は採用後に変更されず、その後のローカルメンテナンスは圧倒的に付加的なものである。
  論文  参考訳（メタデータ） (2026-07-01T13:14:45Z)
• REVERE: Reflective Evolving Research Engineer for Scientific Workflows [44.36828076189902]
  既存のプロンプト最適化技術は、動作を更新するための局所的な信号に依存しており、多くの場合、タスク全体にわたってパターンが繰り返され、一般化が貧弱になる。 我々は,グローバルトレーニングコンテキストから継続的に学習するフレームワークであるReflective Evolving Research Engineer (REVERE)を紹介する。 REVEREは、この反射的最適化フレームワークを通じて、SUPERの4.50%、ResearchCodeBenchの3.51%、ScienceAgentBenchの4.89%で、最先端の専門家による研究コーディングタスクの命令よりもパフォーマンスを向上させる。
  論文  参考訳（メタデータ） (2026-03-21T05:58:30Z)
• Supportiveness-based Knowledge Rewriting for Retrieval-augmented Language Modeling [65.72918416258219]
  支援性に基づく知識書き換え(SKR)は、LLM生成に本質的に最適化された堅牢でプラガブルな知識書き換えである。 知識支援に基づき、まず、リライターモデルのためのトレーニングデータキュレーション戦略を設計する。 次に、生成したリライトを最適な支持度に調整するために、直接選好最適化(DPO)アルゴリズムを導入する。
  論文  参考訳（メタデータ） (2024-06-12T11:52:35Z)
• Adapting to Distribution Shift by Visual Domain Prompt Generation [34.19066857066073]
  いくつかのラベルのないデータを使って、テスト時にモデルを適応し、分散シフトに対処する。 ソースドメインから移行可能な知識を学ぶための知識銀行を構築します。 提案手法は,WILDSやDomainNetを含む5つの大規模ベンチマークにおいて,従来よりも優れている。
  論文  参考訳（メタデータ） (2024-05-05T02:44:04Z)
• Overcoming Generic Knowledge Loss with Selective Parameter Update [48.240683797965005]
  基礎モデルを継続的に更新する新しい手法を提案する。 すべてのパラメータを均等に更新する代わりに、学習しているタスクに関連するパラメータのスパースセットにアップデートをローカライズします。 提案手法は,学習済みのタスクの精度を最大7%向上すると同時に,学習前知識を0.9%減少させることなく,代表制御セットの精度を低下させる。
  論文  参考訳（メタデータ） (2023-08-23T22:55:45Z)

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。