Yueshen Li, Kamer Ali Yuksel, Gokhan Tur, Dilek Hakkani-Tür, João Pedro Maia · 2026 · arXiv
DOI: 10.48550/arXiv.2610.29005 · open-access PDF
Центральным препятствием для самосовершенствования агентов является отсутствие надежного сигнала фитнес для реалистичных состоятельных задач. Мы вводим \textsc{VeriEvolve}, эволюционную структуру, которая создает этот недостающий слой оценки перед оптимизацией агента. Из инструкции задач VeriEvolve синтезирует состояния вызовов на основе инструкции и выполняемый оценщик, который их проверяет. Во время каждого раунда эволюции рабочего процесса оценщик замораживается и служит сигналом для фитнес-процессов. Между раундами VeriEvolve пересматривает оценщика, преобразуя конечные состояния сильных и слабых ходов.
Machine translation (Meta M2M100); the English original follows.
A central obstacle to self-improving agents is the absence of a reliable fitness signal for realistic stateful tasks. We introduce \textsc{VeriEvolve}, an evaluator-first evolution framework that constructs this missing evaluation layer before optimizing the agent. From task instruction, VeriEvolve synthesizes instruction-grounded challenge states and an executable evaluator that checks them. During each round of workflow evolution, the evaluator is frozen and serves as the fitness signal. Between rounds, VeriEvolve revises the evaluator by converting the end states of strong and weak runs int
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.29005, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange