SOCIA-EVO：二重アンカー付きバイレベル最適化による自動シミュレータ構築
arXiv cs.AI / 2026/4/21
📰 ニュースDeveloper Stack & InfrastructureIdeas & Deep AnalysisModels & Research
要点
- この論文は、自動シミュレータ構築には観測データとの分布的一致が必要であり、単なる汎用コード生成とは異なると主張しています。
- LLMエージェントの長期タスクで起きる失敗モードとして、コンテキストのドリフトと、構造的誤りとパラメータ較正を混同することに起因する最適化の不安定性を特定しています。
- 提案手法のSOCIA-EVOは、静的なブループリントで経験的制約を強制し、構造の改善とパラメータ較正を切り分けるバイレベル最適化を用いる二重アンカー型の進化的枠組みです。
- また、実行フィードバックに基づきベイズ重み付きリトリーバルで修正仮説を提示・重み付けする「セルフキュレート型ストラテジープレイブック」も導入しています。
- さらに、実行フィードバックで効果のない戦略を反証（排除）することで堅牢に収束し、観測データと統計的に整合するシミュレータを生成できると報告しており、コードとデータはGitHubで公開されています。
