論文の概要: DualEvolve: Dual-Level Self-Evolution of Mechanism and Orchestration for Recommendation

• arxiv url: http://arxiv.org/abs/2611.04439v1
• Date: Tue, 03 Nov 2026 07:32:10 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-04 17:37:44.414562
• Title: DualEvolve: Dual-Level Self-Evolution of Mechanism and Orchestration for Recommendation
• Title（参考訳）: DualEvolve: 推奨のためのメカニズムとオーケストレーションの二重レベル自己進化
• Abstract要約: 提案するデュアルレベルフレームワークであるDualEvolveは,自己改善に向けた推薦機構とエージェントオーケストレーションを共進化させる。 外からの進化は、インナーループの実験プロセス、ハーネスとスキルルールの更新、次のラウンドのスコアに基づいたオーケストレーションの選択をスコアし、その後の実験の品質を改善する。
• 参考スコア（独自算出の注目度）: 7.694455958530633
• License:
• Abstract: Recommender systems are widely used in e-commerce and content platforms, where improvement requires repeated model design, training optimization, and experimental validation. Large language model (LLM) agents increasingly automate this development cycle. Sustained autonomous improvement requires agents to improve both recommendation models and their development workflows. However, task-performance-driven approaches select updates mainly by candidates' final scores, without a separate optimization signal for experimentation quality. We therefore present DualEvolve, a dual-level framework that co-evolves recommendation mechanisms and agent orchestration toward recursive self-improvement. Inner evolution revises model and training code using task feedback to improve recommendation performance. Outer evolution scores the inner-loop experimental process, updates harness and skill rules using these scores and execution traces, and adjusts orchestration choices based on next-round scores to improve the quality of subsequent experiments. Experiments on MovieLens-1M and three Amazon Reviews 2023 subsets cover four recommendation methods and 16 settings. DualEvolve achieves higher test means than Base, OpenEvolve, and DeepEvolve in all 64 setting-metric comparisons, with macro-averaged relative gains over DeepEvolve of 7.6% (HR@5) and 9.0% (NDCG@5).
• Abstract（参考訳）: リコメンダシステムはeコマースやコンテンツプラットフォームで広く使われており、改善には繰り返しモデル設計、トレーニング最適化、実験的な検証が必要である。 大きな言語モデル(LLM)エージェントは、この開発サイクルをますます自動化します。 持続的な自律的改善には、エージェントがレコメンデーションモデルと開発ワークフローの両方を改善する必要がある。 しかし、タスクパフォーマンス駆動のアプローチは、実験品質のための個別の最適化信号なしで、主に候補の最終スコアによる更新を選択する。 そこで我々は、再帰的な自己改善に向けて、推薦機構とエージェントオーケストレーションを共進化させるデュアルレベルフレームワークであるDualEvolveを提案する。 内的進化は、タスクフィードバックを使用してモデルとトレーニングコードを改訂し、レコメンデーションパフォーマンスを改善する。 Outer進化はインナーループの実験プロセスを評価し、これらのスコアと実行トレースを使用してハーネスとスキルルールを更新し、次のラウンドスコアに基づいてオーケストレーションの選択を調整することで、その後の実験の品質を向上させる。 MovieLens-1Mと3つのAmazon Reviews 2023サブセットの実験では、4つの推奨メソッドと16の設定がカバーされている。 DualEvolveは64のセットメトリック比較でBase、OpenEvolve、DeepEvolveよりも高いテスト平均を実現しており、DeepEvolveの平均相対利得は7.6%(HR@5)と9.0%(NDCG@5)である。

関連論文リスト

• HEMO: Harness Self-Evolution for Multi-Objective Combinatorial Optimization [64.21555594845748]
  自動演算子(AOD)は、多目的最適化(MOCO)のための問題固有の探索および変分演算子を生成するために、大規模言語モデル(LLM)をますます採用している。 HEMOを導入し,AODを自己進化的最適化目標とする。 Hemoは永続的なハーネス状態を維持し、一度に1つのモジュールを更新し、どのエクスペリエンスを取得するか、どのオペレータを改善するか、どの親が選択するか、検索ステップのオーケストレーションを定式化するかを決定するロジックを改訂する。
  論文  参考訳（メタデータ） (2026-10-29T13:32:00Z)
• RSI-Opt: Recursive Self-Improvement Optimizer Agents For Model Training [7.74557503924273]
  ニューラルネットワークトレーニングでは、固定エージェントポリシーは実行中に経験を蓄積しない。 本稿では,再帰的自己改善エージェントであるRSI-Optを紹介する。 メタエージェントは、以前の実行時の証拠を使ってこのポリシーを書き直し、アーカイブはさらなる進化のための評価されたポリシーを保持します。
  論文  参考訳（メタデータ） (2026-10-23T01:05:11Z)
• Evo$^2$: Evolving the Evolver through Weight-Harness Co-Evolution [34.424787883582205]
  Evo$2$はウェイトハーネスの共同進化のためのフレームワークである。 更新を利用するために、単一ポリシーがProposerとReflectorの両方として機能する統合されたデュアルロールパイプラインを設計する。 重み付け更新のために、修正とそれらの実行結果はProposerとReflectorの両方のトレーニングをガイドします。
  論文  参考訳（メタデータ） (2026-10-09T05:28:02Z)
• MMPostTrainBench: Benchmarking Autonomous Research for Multimodal Post-Training [37.86472029294709]
  LLMエージェントは機械学習と言語モデルポストトレーニングの自動化を約束するが、マルチモーダル改善を維持する能力は未だ不明である。 MMPostTrainBenchは、画像、音声、ビデオ、共同音声映像理解と画像地上ソフトウェア修復の8つのタスクにまたがるベンチマークである。 評価は、ターゲットモデルと非ターゲットモデルの結果、反復モデルの改善と選択、研究の完全性をカバーする。
  論文  参考訳（メタデータ） (2026-10-04T17:32:58Z)
• Predict Before You Modify: Learning Improvement Dynamics for Self-Evolving Agents [23.5516981564157]
  編集可能な改善ダイナミクスモデル(IDM)による予測自己進化を導入する。 評価の前に、IMMは提案された修正のタスクレベルの結果を予測し、オプションの修正を導く。 評価後、過去の修正とその観察結果を用いてIMMを改善し、世代間で予測知識を蓄積する。
  論文  参考訳（メタデータ） (2026-09-26T18:59:47Z)
• Self-Improving Large Language Models via Progressive Experience Evolution [52.03479747358687]
  textbfSPEE(textbfSelf-textbfProgressive textbfExperience textbfEvolution)を提案する。 5つの数学的推論ベンチマークの実験は、SPEEが3つのモデルスケールでテスト時間とトレーニング時間の両方の自己進化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） (2026-08-03T12:27:32Z)
• 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)
• On the Role of Feedback in Test-Time Scaling of Agentic AI Workflows [71.92083784393418]
  エージェントAI(自律的な計画と行動を行うシステム)は広く普及しているが、複雑なタスクにおけるタスクの成功率は低いままである。 推論時のアライメントは、サンプリング、評価、フィードバックの3つのコンポーネントに依存します。 本稿では,様々な形態の批判から抽出されたフィードバックを繰り返し挿入するIterative Agent Decoding(IAD)を紹介する。
  論文  参考訳（メタデータ） (2025-04-02T17:40:47Z)

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。