【運営の今日のおすすめ🍾】 @Noguma_Morino さんで、「NEVER STOP EVOLVING」 #kuriemiAIcontest# #くりえみAIコンテスト# #ノミネートおめでとうございます#

「自分で賢くなるエージェント」は、本当に新しいことを覚えながら昔のことも忘れずにいられるのでしょうか？ タイトル: Are Self-Evolving Agents Continual Learners? URL: ❓ 何を調べた研究？ モデルの重みは固定し、プロンプト・メモリ・スキルなどのハーネスを書き換える自己進化エージェント（ReasoningBank、GEPA、Meta-Harness）を、話題やワークフローが途中で変わるタスクストリームで試しました。 💡 結果は？ 多くの設定で性能は上がりました（GEPAの終端で平均+3.7pp）。ただし変化に強い手法ほど不安定でした。12の手法とストリームの組すべてで、最も可塑的な手法は最も保守的な手法より安定性が低くなりました。 ❓ なぜ忘れるの？ プロンプトや共有ワークスペースを書き換える手法は、全体への編集が未見のタスクに干渉します。GEPAは7つのBIRDセクションを1つに圧縮し、BIRD-F1の利得が0.0に戻りました。 ❓ メモリ検索なら大丈夫？ 更新は局所化されますが、完全ではありません。グループのブロック前には常に他グループのメモリを検索し、似た2つのワークフローでは52%のエピソードで誤ったメモリを引いて精度が8.0pp下がりました。 #AIエージェント# #継続学習#

データエージェントが毎回スキーマを手探りでクエリし続ける問題、実は「証拠に基づいて自己進化するオントロジー」を1枚挟むだけで大きく改善できるようです。 タイトル: EvoOntology: A Self-Evolving Ontology Layer for Data Agents URL: 📝 概要 表・ファイル・DBなど異種データを扱うエージェント向けに、MCPサーバーとして実装した「自己進化するオントロジー層」EvoOntologyを提案しています。 ❗ 解決する課題 エージェントはデータ構造への事前知識がなく探索的クエリを繰り返す必要がありました。静的なセマンティックレイヤーは手動保守が必要で、実行履歴から適応できないという限界もありました。 ⚙️ 方法論 実際にプローブクエリで検証済みの候補だけをオントロジーに採用し、その後もエージェントの実行軌跡から介入候補を抽出して、元の状態とペアで検証した上で改善が見込める場合のみ更新する仕組みです。 📊 実験結果 DDR-Benchで6バックボーン平均+17.8ポイント改善、BIRDでも平均+8.6ポイント改善し先行研究を上回りました。しかも対話ターン数は14.6→8.4、トークン数も約20%削減されています。 🔬 ユースケース 静的セマンティックレイヤーがモデルによってはむしろ性能を下げる場面でも、EvoOntologyは一貫して改善しており、実運用のデータエージェント基盤に組み込みやすい設計です。 #データエージェント# #LLM#

🧬 エージェントが自分自身を「安全に」進化させるには、プロトコルそのものを作り直す必要がある——MCPやA2Aに足りないピースを埋める自己進化プロトコルが登場しました。 タイトル: Autogenesis: A Self-Evolving Agent Protocol URL: 🧬 概要 Autogenesis Protocol（AGP）は、LLMエージェントが実行中に自分のプロンプト・ツール・方策などを動的に改善できるようにする自己進化プロトコルです。中心思想は「何が進化するか」と「どう進化するか」を分離することです。 ❓ 解決する課題 既存プロトコル（Anthropic MCP、Google A2A）は接続や呼び出しは標準化しますが、進化に不可欠な要素が欠けています。 ・リソースがエージェントのコードと密結合している ・進化ステップのバージョン管理やロールバックが無い ・場当たり的な修正で、厳密な制御ループを成す標準オペレータが無い 💡 方法論と提案手法 AGPは2層構造です。 ・RSPL：プロンプト・エージェント・ツール・環境・メモリの5種を、状態・ライフサイクル・バージョン管理されたインターフェースを持つ「登録リソース」として扱う ・SEPL：進化を型付きの合成可能オペレータで形式化し、すべての変更をRSPL経由でバージョン管理・可逆にする この上に構築したAGSは、Agent Bus上でサブエージェントを並行実行し、失敗の兆候があればReflect→Select→Improve→Evaluate→Commitのループで自己改善します。 🎯 ユースケース 長期計画や多様なツール利用を要するエージェント開発に有効です。改善の系譜が残りロールバックできるため、壊れやすいグルーコードを避けつつ安全に自己進化を運用できます。 📊 実験結果 ・科学・数学：弱いモデルほど効果大。gpt-4oはAIME25で+100%、gpt-4.1はAIME24で+71.38%。一方で飽和した強モデルは天井効果で伸び小 ・GAIA：Test 79.07%→89.04%（+12.61%）。難易度Lv3で+33.34%と難問ほど効果大 ・コード生成：C++は合格79→99、TLEエラー9→0、実行効率+46.4%。プロンプトと出力の同時進化が最良でした #AIエージェント# #自己進化#

TL;DR 「手伝って」と言われる前に、動画を見ながら先回りして助けるAIは作れるのか。意図が暗黙・変化する状況を、ベンチマーク、モデル、エージェント基盤の3点セットで扱った論文です。 タイトル: StreamVibe: Proactive Video Agents for Evolving User Intent URL: ポイント ・🎯 意図を明示的・暗黙的・動的の3レベルに分類 ・📚 StreamVibe-Bench：評価4,100件、支援ポイント20,546、動画183.4時間 ・🧠 StreamVibe-VL：適応的SFTのあと、軌跡報酬つきGRPOで学習 ・🔇 RLで誤発火が減り、明示的意図のFPRは2.02（ViSpeakは12.75） ・🗂 Harnessが有効な意図と進捗を管理し、動的意図で効果が大きい ・📈 動的意図のPointwise F1はSFTの58.70からRLで66.34 ・⚠️ 長い対話ではまだ苦手で、動的のTrajectory C-F1は8.91 先回りの難しさは「いつ話すか」より「いつ黙るか」にあると実感する結果です。 #VideoAgents# #VLM#

TL;DR: シミュレータの「忠実さ」と動画生成の「写実性」を両立させる仮想世界フレームワークAgentGartenが、隠れんぼのツール使用戦略を、従来の強化学習が数百万エピソード要したところをわずか数ラウンドで習得させました。 タイトル: AgentGarten: Code Worlds for Evolving Agents URL: ポイント 🎮 シーンプログラム（状態・ルール）とニューラルレンダラー（視覚）を構造化条件（深度・法線マップ）で結合し、状態とビジュアルを分離 🔬 新手法「Adversarial Forcing」が、標準手法では微分不可能だった履歴プリフィルを、ブロック単位SDPAによる厳密なビット一致リプレイで微分可能に ⚡ 単一H100で480×832解像度・36.5fpsのリアルタイムレンダリングを達成 🤖 「プレイブック」機構により、エージェントはラウンドごとの振り返りを次ラウンドへ引き継ぎ、勾配更新なしで知識を蓄積 🏃 隠れんぼでのシェルター構築戦略を、自己対戦RLの約2,500万エピソードに対しラウンド4で、ランプ使用を約1億エピソードに対しラウンド10で習得 📈 牧羊・採石場ローダーなど他の環境でも、わずか4ラウンドで明確な性能向上を確認 状態と見た目の生成を切り分けるというアーキテクチャの発想が、学習効率の桁違いの改善につながっている点に説得力を感じます。 #ワールドモデル# #エージェント学習#

TL;DR 自分で問題を作り自分で答える自己進化型エージェントは、出題者と解答者が同じ間違いで「意気投合」してしまう「共食い」に陥ります。出典を分割して評価する手法でこれを防ぎ、性能を8ポイント以上改善しました。 タイトル: False Frontiers: Diagnosing and Mitigating Co-Cheating in Self-Evolving Search Agents URL: ポイント 🔁 出題者と解答者が同じ出典由来の誤りを共有し、偽の一致が報酬として循環する「共食い」を発見 📉 標準的なDr. Zeroでは偽の一致が6.1%・8.8%発生 ✂️ 出典を2つのフォールドに分割し、互いに相手側で学習した補助解答者が採点するCrossFitを提案 📊 CrossFit単独で偽の一致を3.0%・3.7%に、MSVと併用すると2.0%・1.7%まで削減 🚀 下流タスクの平均Cover-EMはDr. Zero比で8.8・8.4ポイント向上 🧩 マルチホップタスクほど改善幅が大きく、平均10ポイント以上の効果 💰 計算コストはベースラインの1.72〜2.7倍増加するが、半予算の変種でも効果を確認 評価者自身の学習履歴まで監査しないと、見かけの進歩に騙されるという指摘が印象的です。 #自己進化エージェント# #強化学習#

🔄 TL;DR: 検索インデックスが人手なしで自分の弱点を診断し、キーを書き換え、検証まで済ませて自律的に進化していく仕組みが登場しました。BRIGHTベンチマークで既存手法を大きく上回っています。 タイトル: Self-Evolving Search Index URL: ポイント 🩺 検索結果から共検索プロファイルを作り、文書がうまく区別できているかを人手のアノテーションなしで自己診断 ✍️ 問題のある文書だけキーセットを選択的に改訂、1文書あたり最大10キーまで自律的に決定 ✅ 忠実性・特異性・分離度の3基準で改訂案を自己検証し、合格したキーだけを反映 🔍 未カバーの検索需要を合成クエリで能動的に探索するQuery Simulatorも搭載 📈 BRIGHTでnDCG@10平均22.8、RL-Index比+9.2%、ベース比+40〜57%を達成 🤖 検索エージェントでも回答精度+77.87%、検索呼び出し回数は-16.80%と一石二鳥 インデックス最適化そのものを「自己進化」させるという発想の転換が面白いと思います。 #情報検索# #LLMエージェント#

🤖 知覚も、計画も、実行も、失敗からの立て直しも、全部ひとつのモデルで。たった8BでGPT-5.4を超えるロボット基盤モデルが登場しました。 タイトル: Embodied-R1.5: Evolving Physical Intelligence via Embodied Foundation Models URL: 📝 概要 Embodied-R1.5は、身体的認知・タスク計画・誤り修正・pointingを単一アーキテクチャに統合したEmbodied Foundation Model（EFM）です。タスクごとに専用モデルを作る従来路線から脱却し、汎用的な物理知能を目指します。 🧩 解決する課題 ロボットAIには知覚・推論・計画・実世界での実行が必要ですが、これまでは個別タスクごとに別モデルを用意するのが普通でした。本研究はそれらを1つに束ね、長い時間軸のタスクを自律的にこなすことを狙います。 🛠 方法論・提案手法 ・15B超トークンを自動生成するデータ構築パイプライン ・異種タスクの衝突を抑えるマルチタスク・バランス型の強化学習レシピ ・Planner→Grounder→Correctorのクローズドループ（PGC）で自律実行と自己修正を実現 📊 実験結果 ・8Bパラメータで24の身体ベンチマーク中16でSOTA、Gemini-Robotics-ER-1.5やGPT-5.4を上回る ・4つの操作スイートでπ0.5を上回る ・実ロボットでも強い汎化を確認 🎯 ユースケース 重み・データ・学習コードに加え、評価フレームワークEmbodiedEvalKitもオープンソース化。ロボット操作や長時間タスクの自律実行・自己修正の研究基盤として使えそうです。 #EmbodiedAI# #Robotics#