トリニティ：マルチモーダルエージェントの能力駆動型再帰的自己改善

- マルチモーダルエージェントのための再帰的自己改善フレームワーク「The Trinity」の提案。 - 世界生成とHarness進化を結合し、Creator・Explorer・Evolverの3役割で構成。 - タスクを表層カテゴリではなく共有する能力要件で組織化する点が中心。 - 28の訓練ベンチマークと18の未見ベンチマーク、実世界embodiedタスク2件で評価。

- 従来はheterogeneousで検証可能な環境構築が高コストで、手動のHarness反復がタスク多様性・複雑性の増大に追従できない点がボトルネックだった。 - 本研究は異なるmodalityやsurface formでも同一のunderlying capability requirementsを共有し得るという洞察に基づく。 - タスク組織をsurface categoriesからshared requirementsへ移すことで、スケーリングのボトルネックに対処する点が先行研究と異なる。 - 具体的な比較対象の先行研究名は要旨からは不明。

- Evolverがverified execution trajectoriesを用い、元のtask treeをhierarchical capability treeへ再編成。 - Capability-Driven Real2Sim2Realを導入：同ノードのheterogeneousタスクの共通要件をCreatorが簡略化・検証可能なsimulated worldsへ抽象化し、能力学習に用いる。 - 元タスクでの評価によりtransferを測定。 - Explorerがcapability tree上でselective inheritanceにより再利用可能なcapability modulesを進化的に発展させ、Harness treeを形成。 - 固定トポロジー内で検証済み更新を反復蓄積。 - Capability-Aware Harness Routerが公開タスク情報から互換なmodule構成を選択。

- 28のtraining benchmarksで平均性能が34ポイント向上。 - 18のunseen benchmarksで平均26ポイント向上。 - 実世界embodiedタスク2件を含めて評価。 - verified execution trajectoriesに基づく更新を用いる点が検証の枠組みとして示される。 - 個々のベースラインや統計的検定の詳細は要旨からは不明。

- タスクのsurface categoriesではなくshared capability requirementsで組織化する有効性が示唆される。 - 固定トポロジー内でvalidated updatesを蓄積する設計の限界やスケーラビリティは要旨からは不明。 - Real2Sim2Real抽象化によるsim-to-real transferの一般性や、Routerの選択精度に関する議論は要旨からは不明。 - 実世界embodiedタスクは2件のみで、広範な実環境検証は要旨からは不明。

- 要旨で明示的に参照・比較されている個別研究は無い。 - 関連手法としてHarness evolution、Real2Sim2Real、capability tree、Capability-Aware Harness Routerに関する研究を挙げる。 - 同分野の定番としてmultimodal agent、embodied agent、sim-to-real transfer、recursive self-improvementの代表的文献を次に読む候補とする。