Yueshen Li, Kamer Ali Yuksel, Gokhan Tur, Dilek Hakkani-Tür, João Pedro Maia · 2026 · arXiv
DOI: 10.48550/arXiv.2610.29005 · open-access PDF
Một trở ngại trung tâm đối với các tác nhân tự cải thiện là sự vắng mặt của một tín hiệu thể dục đáng tin cậy cho các nhiệm vụ trạng thái thực tế. Chúng tôi giới thiệu \textsc{VeriEvolve}, một khuôn khổ tiến hóa đầu tiên của nhà đánh giá, xây dựng lớp đánh giá thiếu này trước khi tối ưu hóa các tác nhân. Từ hướng dẫn nhiệm vụ, VeriEvolve tổng hợp các trạng thái thách thức dựa trên hướng dẫn và một nhà đánh giá có thể thực hiện để kiểm tra chúng. Trong mỗi vòng tiến hóa dòng công việc, nhà đánh giá được đóng băng và phục vụ như tín hiệu thể dục. Giữa các vòng, VeriEvolve sửa đổi nhà đánh giá bằng cách chuyển đổi các trạng thái cuối của các chạy mạnh và yếu.
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