論文の概要: RecurIR: Learning When and How to Revise Restoration Policies via Recursive Self-Improvement
- arxiv url: http://arxiv.org/abs/2611.18006v1
- Date: Fri, 13 Nov 2026 10:33:36 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-11-16 19:27:49.659688
- Title: RecurIR: Learning When and How to Revise Restoration Policies via Recursive Self-Improvement
- Title(参考訳): RecurIR: Recursive Self-Improvement を通じて回復政策をいつ、どのように改善するかを学ぶ
- Abstract要約: RecurIRは自己改善フレームワークで、回復エージェントがいつ、どのように意思決定ルールを変更するかを学ぶことができる。
本稿では,テスト可能な条件依存ルールを識別するポリシ・ヒポテシス発見機構を提案する。
次に,ルールファルシフィケーション駆動型タスク進化機構を設計し,目標とする劣化変動を生成する。
本研究では,劣化条件の変化がツールの選択,実行順序,動作強度,処理領域をどのように変更すべきかを学習する変更条件付きポリシー修正機構を開発する。
- 参考スコア(独自算出の注目度): 53.3901783422493
- License:
- Abstract: Agent-based image restoration has achieved promising performance by coordinating restoration tools to handle heterogeneous and coupled degradations. However, existing agents often improve their decisions through accumulated successful and failed executions, without explicitly identifying the conditions under which learned restoration strategies remain effective. Consequently, changes in degradation severity, spatial coverage, or interactions may invalidate previous decisions, while providing limited guidance on how these decisions should be revised. In this paper, we propose \textbf{RecurIR}, a recursive self-improvement framework that enables restoration agents to learn when and how to revise their decision rules. Specifically, we introduce a policy-hypothesis discovery mechanism to identify testable, condition-dependent rules through matched tool executions. We then design a rule-falsification-driven task evolution mechanism to generate targeted degradation variations, examine the validity of learned rules, and identify their applicability boundaries. Based on the resulting evidence, we develop a change-conditioned policy revision mechanism that learns how variations in degradation conditions should modify tool selection, execution order, operation strength, and processing regions. We further incorporate independent verification to retain effective revisions and use the resulting feedback to guide subsequent hypothesis discovery and task evolution. Through this recursive process, RecurIR progressively refines its restoration policies as degradation conditions change. Extensive experiments demonstrate the effectiveness of the proposed framework.
- Abstract(参考訳): エージェントベースの画像復元は、異種劣化と結合劣化を扱うための復元ツールの調整によって、有望な性能を達成した。
しかし、既存のエージェントは、学習した回復戦略が有効である条件を明確に特定することなく、蓄積された成功と失敗によって意思決定を改善することが多い。
その結果、劣化の深刻度、空間的カバレッジ、または相互作用の変化は、これらの決定をどう修正するかについての限られたガイダンスを提供しながら、以前の決定を無効にする可能性がある。
本稿では,再帰的自己改善フレームワークである「textbf{RecurIR}」を提案する。
具体的には,テスト可能な条件依存ルールを一致したツールの実行によって識別するポリシ・ハイポテーゼ発見機構を提案する。
次に、目標とする劣化変化を生成し、学習ルールの有効性を検証し、それらの適用性境界を同定するために、ルールファルシフィケーション駆動のタスク進化機構を設計する。
その結果, 劣化条件の変化がツールの選択, 実行順序, 動作強度, 処理領域をどう変更すべきかを学習する。
さらに、有効なリビジョンを維持するために独立した検証を取り入れ、その結果のフィードバックを使用して、その後の仮説発見とタスクの進化をガイドします。
この再帰的プロセスを通じて、RecurIRは劣化条件が変化するにつれて、回復ポリシーを徐々に洗練する。
大規模な実験により,提案手法の有効性が示された。
関連論文リスト
- Assurance-Conditioned Continuous Authorization for Autonomous AI Agents [0.0]
自律的なソフトウェアエージェントは、ツールを通じて行動し、作業を委譲し、モデルや実行環境を変更することができる。
ハーネス非依存のアプローチであるACCA(Assurance-Conditioned Continuous Authorization)を提案する。
ACCAは、証拠の妥当性を文脈的適用性と区別し、保証の主張を妥当な証拠から導き出し、多次元の効果的な権威の封筒を解決している。
論文 参考訳(メタデータ) (2026-11-03T21:19:46Z) - PRIME: Predictive Routing of Interventions by Modeling Effects for Scientific Ideation [59.063667990620786]
本稿では,既存の科学思想家のためのプラグ・アンド・プレイ型フィードバック・ツー・リビジョン決定層であるPRIMEを紹介する。
診断介入ミスマッチは,112対の人間に注釈を付けたアイデアフィードバックペアで検証した。
論文 参考訳(メタデータ) (2026-11-02T12:49:33Z) - Trustworthy Recursive Self-Improvement in the Era of Large Models: Foundation, Risks, Evaluation and Open Challenges [14.875084451845899]
再帰的自己改善(RSI)は、このプロセスを誘導的バイアスや将来の更新を管理するメカニズムにまで拡張する。
本調査では,RSIの運用定義とプロセスの枠組みを提示し,信頼性の高いRSIの要件を4つの相互接続テーマに整理する。
論文 参考訳(メタデータ) (2026-10-26T10:46:03Z) - Self-Evolving Agent Harness [35.97277648771392]
Harness自己進化(Harness self-evolution)は、プロンプト、メモリ、足場、実行可能コンポーネントを含むエージェントのソフトウェアを修正し、モデルの重みを固定する。
承認されたリビジョンが実行中に持続するフィードバック駆動プロセスを形式化する。
本研究では,知識共有と組織的信頼性の持続的改善が科学的信頼性,物理的安全性,制度的説明責任にどのような影響を及ぼすかを検討する。
論文 参考訳(メタデータ) (2026-10-13T17:48:49Z) - VeriFine: Scaling Verification for Self-Improvement in Embodied Reasoning [80.69185348729495]
我々は,政策の共進化,訓練カリキュラム,審査を通じて検証をスケールする枠組みを導入する。
ポリシー改善ループは、繰り返し発生する障害を診断し、適応的なカリキュラムを構築し、ポリシーを最適化するためにルーリックな判断を使用する。
運転およびロボットナビゲーションタスクの実験は、ポリシーと判断能力の両方において継続的な自己改善を示す。
論文 参考訳(メタデータ) (2026-10-06T17:50:29Z) - Diagnose, Recover, Certify: Task Readiness under Hidden Dynamics Changes [10.10742501508043]
本稿では,アクティブチェンジ診断とポストチェンジ制御の回復を統一する決定問題である,休息時ダイナミクスドリフトにおけるタスクの即応性を導入する。
Evidence-Gated Matched-Pulse Transport(英語版)を提案する。
複数のシミュレーターにまたがる様々なドミナント・アクチュエーター・ベンチマークで、その結果のフレームワークを評価する。
論文 参考訳(メタデータ) (2026-07-30T12:30:16Z) - Causal-AgentIR: Self-Evolving Causal Memory for Adaptive Image Restoration Agents [54.85451496831771]
Causal-AgentIRは階層的なマルチエージェントフレームワークであり、画像復元インテリジェンスのための自己進化型因果記憶を持つ。
分解パターン、画像領域、復元ツール、アクション、品質変更、ユーザの好みを構造化された因果記憶グラフに整理する。
このグラフはグラフベースの検索とマルチホップ因果推論をサポートしており、エージェントは特定の復元操作やツールシーケンスが異なる劣化条件下での修復品質にどのように影響するかを推測することができる。
論文 参考訳(メタデータ) (2026-07-23T09:59:44Z) - Transfer Learning Across Policy Regimes in Adaptive Multi-Agent Systems [0.0]
政策モデルはしばしば、政策指標と結果の関係が制度的に安定していると仮定する。
本稿では,適応型マルチエージェントシステムにおける伝達学習問題としての状態変化について検討する。
論文 参考訳(メタデータ) (2026-06-15T10:16:01Z) - OLIVIA: Online Learning via Inference-time Action Adaptation for Decision Making in LLM ReAct Agents [74.20327254615854]
大規模言語モデルエージェントは、シーケンシャルな意思決定タスクを解決するために、推論、行動選択、観察をインターリーブする。
LLMエージェントの既存の推論時間適応法は、主にプロンプトや検索に依存している。
提案するOLIVIAは,ReAct型エージェントのための推論時行動適応フレームワークである。
論文 参考訳(メタデータ) (2026-05-11T19:28:20Z) - Inverse Online Learning: Understanding Non-Stationary and Reactionary
Policies [79.60322329952453]
エージェントが意思決定を行う方法の解釈可能な表現を開発する方法を示す。
一連の軌跡に基づく意思決定プロセスを理解することにより,このオンライン学習問題に対して,政策推論問題を逆問題とみなした。
本稿では、エージェントがそれらを更新するプロセスと並行して、その影響を遡及的に推定する実用的なアルゴリズムを提案する。
UNOSの臓器提供受諾決定の分析に応用することで、我々のアプローチは意思決定プロセスを管理する要因や時間とともにどのように変化するかに、貴重な洞察をもたらすことができることを実証する。
論文 参考訳(メタデータ) (2022-03-14T17:40:42Z)
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。