cv usk(@cv_usk):TL;DR: エージェントが自分を改善する際、毎回ベンチマークで評価し直すのは高コストです。過去の自己改善の記録だけを頼りに、報酬なしで改善を進める手法SelfSearchが、コストを半分以下に抑えつつ性能も向上させました。タイトル: SelfSearch: Reward-Free Search for Self-Improving Agents URL: https://t.co/Pz90VirUtg ポイント 🧠 エージェントが過去の自己修正試行の「エピソード記録」（推論の軌跡・ツール利用・成功/失敗）を読み取り、ダウンストリーム評価なしで自身を改善 🔀 「能力」重視と「適応」重視の2方向に並行してエージェントを進化させ、発見を共有しながら別々に深化 📊 Terminal-Bench 2.1でGPTが43.8%→55.1%、DeepSeekが65.2%→73.0%に向上 💰 探索コストは評価ガイド型ベースライン比49.0〜53.2%削減。DeepSeek V4 Flashではわずか4.03ドルの探索コストでTerminal-Bench 2.1の82.0%を達成し最高性能ベースラインに匹敵 ⚡ SWE-bench Multilingualでは成功率+5.0ポイントと同時に実行コストを38.5%削減 🔁 GPTで進化させたエージェントをDeepSeekへそのまま転用しても性能向上が確認され、モデル間の転移性も良好評価コストという足かせを外して自己改善サイクルを回せるようにした設計は、実運用への応用価値が高いと感じます。 #AIエージェント #自己改善

2026.10.07 02:55

TL;DR: エージェントが自分を改善する際、毎回ベンチマークで評価し直すのは高コストです。過去の自己改善の記録だけを頼りに、報酬なしで改善を進める手法SelfSearchが、コストを半分以下に抑えつつ性能も向上させました。タイトル: SelfSearch: Reward-Free Search for Self-Improving Agents URL: ポイント 🧠 エージェントが過去の自己修正試行の「エピソード記録」（推論の軌跡・ツール利用・成功/失敗）を読み取り、ダウンストリーム評価なしで自身を改善 🔀 「能力」重視と「適応」重視の2方向に並行してエージェントを進化させ、発見を共有しながら別々に深化 📊 Terminal-Bench 2.1でGPTが43.8%→55.1%、DeepSeekが65.2%→73.0%に向上 💰 探索コストは評価ガイド型ベースライン比49.0〜53.2%削減。DeepSeek V4 Flashではわずか4.03ドルの探索コストでTerminal-Bench 2.1の82.0%を達成し最高性能ベースラインに匹敵 ⚡ SWE-bench Multilingualでは成功率+5.0ポイントと同時に実行コストを38.5%削減 🔁 GPTで進化させたエージェントをDeepSeekへそのまま転用しても性能向上が確認され、モデル間の転移性も良好評価コストという足かせを外して自己改善サイクルを回せるようにした設計は、実運用への応用価値が高いと感じます。 #AIエージェント# #自己改善#

显示更多