論文の概要: Capability-Driven Skill Generation with LLMs: A RAG-Based Approach for Reusing Existing Libraries and Interfaces

• arxiv url: http://arxiv.org/abs/2505.03295v1
• Date: Tue, 06 May 2025 08:27:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-07 18:50:11.257799
• Title: Capability-Driven Skill Generation with LLMs: A RAG-Based Approach for Reusing Existing Libraries and Interfaces
• Title（参考訳）: LLMによる能力駆動型スキル生成: 既存のライブラリとインタフェースを再利用するためのRAGに基づくアプローチ
• Authors: Luis Miguel Vieira da Silva, Aljosha Köcher, Nicolas König, Felix Gehlhoff, Alexander Fay,
• Abstract要約: 本稿では,スキル実装のコントラクトとして機能を扱うとともに,大規模言語モデルを用いて自然言語ユーザ入力に基づくコード生成を行う手法を提案する。 このアプローチの重要な特徴は、既存のソフトウェアライブラリとインターフェース技術の統合です。 コード生成プロセスに独自のライブラリやリソースインターフェースを組み込むことができるフレームワークを導入する。
• 参考スコア（独自算出の注目度）: 40.638726615548954
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Modern automation systems increasingly rely on modular architectures, with capabilities and skills as one solution approach. Capabilities define the functions of resources in a machine-readable form and skills provide the concrete implementations that realize those capabilities. However, the development of a skill implementation conforming to a corresponding capability remains a time-consuming and challenging task. In this paper, we present a method that treats capabilities as contracts for skill implementations and leverages large language models to generate executable code based on natural language user input. A key feature of our approach is the integration of existing software libraries and interface technologies, enabling the generation of skill implementations across different target languages. We introduce a framework that allows users to incorporate their own libraries and resource interfaces into the code generation process through a retrieval-augmented generation architecture. The proposed method is evaluated using an autonomous mobile robot controlled via Python and ROS 2, demonstrating the feasibility and flexibility of the approach.
• Abstract（参考訳）: 現代の自動化システムは、ひとつのソリューションアプローチとして機能とスキルを備えたモジュラーアーキテクチャにますます依存しています。 能力は、機械可読形式のリソースの機能を定義し、その能力を実現する具体的な実装を提供する。 しかし、それに対応する能力に適合したスキル実装の開発は、依然として時間がかかり、困難な作業である。 本稿では,スキル実装の契約として機能を扱う手法を提案し,自然言語ユーザ入力に基づく実行可能コードを生成するために,大規模言語モデルを活用する。 このアプローチの重要な特徴は、既存のソフトウェアライブラリとインターフェース技術の統合であり、異なるターゲット言語間でのスキル実装の生成を可能にします。 我々は,検索拡張生成アーキテクチャを用いて,ユーザが自身のライブラリやリソースインターフェースをコード生成プロセスに組み込むことのできるフレームワークを導入する。 提案手法は,Python と ROS 2 を介して制御される自律移動ロボットを用いて評価し,その実現可能性と柔軟性を実証する。

関連論文リスト

• Creating an LLM-based AI-agent: A high-level methodology towards enhancing LLMs with APIs [0.0]
  大規模言語モデル(LLM)は、工学と科学の様々な側面に革命をもたらした。 この論文は総合的なガイドとして機能し、アプリケーションプログラミングインタフェース(API)を活用する能力を備えたLLMの強化のための多面的アプローチを解明する。 本稿では,Hugging Faceコミュニティの小さなモデルを用いて,携帯端末の機能を活用したオンデバイスアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-12-17T14:14:04Z)
• MaestroMotif: Skill Design from Artificial Intelligence Feedback [67.17724089381056]
  MaestroMotifはAI支援スキルデザインの手法であり、高性能で適応可能なエージェントを生成する。 本稿では,AIを活用したスキルデザイン手法であるMaestroMotifについて述べる。
  論文  参考訳（メタデータ） (2024-12-11T16:59:31Z)
• A Layered Architecture for Developing and Enhancing Capabilities in Large Language Model-based Software Systems [18.615283725693494]
  本稿では,Large Language Models (LLM) ソフトウェアシステムの開発を異なるレイヤにまとめる階層アーキテクチャを提案する。 これらのレイヤと機能を整合させることで、このフレームワークは、効果的かつ効率的な方法で機能の体系的な実装を奨励します。
  論文  参考訳（メタデータ） (2024-11-19T09:18:20Z)
• ROS-LLM: A ROS framework for embodied AI with task feedback and structured reasoning [74.58666091522198]
  非専門家による直感的なロボットプログラミングのためのフレームワークを提案する。 ロボットオペレーティングシステム(ROS)からの自然言語のプロンプトと文脈情報を活用する 我々のシステムは,大規模言語モデル (LLM) を統合し,非専門家がチャットインタフェースを通じてシステムにタスク要求を記述できるようにする。
  論文  参考訳（メタデータ） (2024-06-28T08:28:38Z)
• Institutional Platform for Secure Self-Service Large Language Model Exploration [0.1806830971023738]
  論文では、データセットキュレーション、モデルトレーニング、セキュア推論、テキストベースの特徴抽出を含む、システムのアーキテクチャと重要な特徴について概説する。 プラットフォームはセキュアなLLMサービスの提供、プロセスとデータ分離の強調、エンドツーエンドの暗号化、ロールベースのリソース認証を目指している。
  論文  参考訳（メタデータ） (2024-02-01T10:58:10Z)
• CodeTF: One-stop Transformer Library for State-of-the-art Code LLM [72.1638273937025]
  我々は、最先端のCode LLMとコードインテリジェンスのためのオープンソースのTransformerベースのライブラリであるCodeTFを紹介する。 我々のライブラリは、事前訓練されたコードLLMモデルと人気のあるコードベンチマークのコレクションをサポートします。 CodeTFが機械学習/生成AIとソフトウェア工学のギャップを埋められることを願っている。
  論文  参考訳（メタデータ） (2023-05-31T05:24:48Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。