論文の概要: Agent Skills: A Data-Driven Analysis of Claude Skills for Extending Large Language Model Functionality

• arxiv url: http://arxiv.org/abs/2602.08004v1
• Date: Sun, 08 Feb 2026 15:14:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-10 20:26:24.920146
• Title: Agent Skills: A Data-Driven Analysis of Claude Skills for Extending Large Language Model Functionality
• Title（参考訳）: Agent Skills: 大規模言語モデルの機能拡張のためのクロードスキルのデータ駆動分析
• Authors: George Ling, Shanshan Zhong, Richard Huang,
• Abstract要約: エージェントスキルは、再利用可能なプログラムのようなモジュールで大きな言語モデル(LLM)エージェントを拡張する。 主要なマーケットプレースから40,285の公開スキルを大規模かつデータ駆動で分析する。 以上の結果から,コミュニティの注目度の変化を追及する短時間でスキルパブリッシュが発生する傾向が示唆された。
• 参考スコア（独自算出の注目度）: 9.192260493061754
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Agent skills extend large language model (LLM) agents with reusable, program-like modules that define triggering conditions, procedural logic, and tool interactions. As these skills proliferate in public marketplaces, it is unclear what types are available, how users adopt them, and what risks they pose. To answer these questions, we conduct a large-scale, data-driven analysis of 40,285 publicly listed skills from a major marketplace. Our results show that skill publication tends to occur in short bursts that track shifts in community attention. We also find that skill content is highly concentrated in software engineering workflows, while information retrieval and content creation account for a substantial share of adoption. Beyond content trends, we uncover a pronounced supply-demand imbalance across categories, and we show that most skills remain within typical prompt budgets despite a heavy-tailed length distribution. Finally, we observe strong ecosystem homogeneity, with widespread intent-level redundancy, and we identify non-trivial safety risks, including skills that enable state-changing or system-level actions. Overall, our findings provide a quantitative snapshot of agent skills as an emerging infrastructure layer for agents and inform future work on skill reuse, standardization, and safety-aware design.
• Abstract（参考訳）: エージェントスキルは大きな言語モデル(LLM)エージェントを再利用可能なプログラムのようなモジュールで拡張し、トリガー条件、手続き論理、ツールインタラクションを定義する。 これらのスキルは公共のマーケットプレースで普及しているため、どのようなタイプが利用できるのか、どのように採用されているのか、どのようなリスクが生じるのかは不明だ。 これらの質問に答えるために、大規模なデータ駆動分析を行い、主要な市場から上場した40,285のスキルを公開している。 以上の結果から,コミュニティの注目度の変化を追及する短時間でスキルパブリッシュが発生する傾向が示唆された。 また、スキルコンテンツがソフトウェアエンジニアリングのワークフローに集中していることや、情報検索やコンテンツ作成が採用のかなりの割合を占めていることもわかりました。 コンテンツトレンド以外にも、カテゴリーごとの供給需要の不均衡が顕著であることを明らかにするとともに、ほとんどのスキルが、大口長の分布にもかかわらず、典型的な急進的な予算内に留まっていることを示す。 最後に、強い生態系の均質性、広範な意図レベルの冗長性を観察し、状態変化やシステムレベルの行動を可能にするスキルを含む、非自明な安全リスクを特定します。 全体として,エージェントのスキルを定量的に分析し,スキルの再利用,標準化,安全に配慮した設計に関する今後の課題を報告する。

関連論文リスト

• Auxiliary Metrics Help Decoding Skill Neurons in the Wild [52.148049490080496]
  我々は、特定のスキルをコードするニューロンを分離するための、シンプルで軽量で広く適用可能な方法を紹介した。 我々は,ニューロンの活性化を,外部ラベルやモデル自身の信頼スコアなどの補助的指標と相関する。 我々は,オープンエンドテキスト生成と自然言語推論にまたがるタスクに対して,我々の手法を実証的に検証する。
  論文  参考訳（メタデータ） (2025-11-26T17:31:53Z)
• WebSailor-V2: Bridging the Chasm to Proprietary Agents via Synthetic Data and Scalable Reinforcement Learning [73.91893534088798]
  WebSailorは、この重要な機能を組み込むように設計された、完全なポストトレーニング方法論である。 我々のアプローチは、構造化サンプリングと情報難読化によって、新しい、不確実なタスクを生成することである。 WebSailorは複雑な情報検索タスクにおいて、すべてのオープンソースエージェントを著しく上回る。
  論文  参考訳（メタデータ） (2025-09-16T17:57:03Z)
• Data to Decisions: A Computational Framework to Identify skill requirements from Advertorial Data [1.5621498886998335]
  提案手法は,統計解析,データマイニング,自然言語処理といった手法を用いている。 分析結果は、CS&IT産業におけるスキルニーズの現状に関する有用な洞察を提供するだけでなく、求職希望者、研修機関、高等教育・専門訓練機関に実践的な意味を与える。
  論文  参考訳（メタデータ） (2025-03-21T09:49:31Z)
• Tec-Habilidad: Skill Classification for Bridging Education and Employment [0.7373617024876725]
  本稿では,スキル抽出と分類のためのスペイン語データセットを開発する。 知識、スキル、能力を区別するアノテーションの方法論を提供する。 また、スキル分類のための堅牢なソリューションを進めるためのディープラーニングベースラインも提供する。
  論文  参考訳（メタデータ） (2025-03-05T22:05:42Z)
• An Overview of Large Language Models for Statisticians [109.38601458831545]
  大規模言語モデル(LLM)は人工知能(AI)の変換ツールとして登場した。 本稿では, 統計学者がLLMの開発に重要な貢献できる可能性について考察する。 我々は不確実性定量化、解釈可能性、公正性、プライバシー、透かし、モデル適応といった問題に焦点を当てる。
  論文  参考訳（メタデータ） (2025-02-25T03:40:36Z)
• ExpeL: LLM Agents Are Experiential Learners [57.13685954854463]
  実験学習エージェント(ExpeL)を導入し、パラメトリック更新を必要とせずにエージェント体験から学習できるようにする。 我々のエージェントは、経験を自律的に収集し、学習課題の集合から自然言語を用いて知識を抽出する。 推論において、エージェントは抽出された洞察と過去の経験をリコールし、情報的決定を行う。
  論文  参考訳（メタデータ） (2023-08-20T03:03:34Z)
• A Theory for Emergence of Complex Skills in Language Models [56.947273387302616]
  今日のAI製品の主要な要因は、パラメータセットとトレーニングコーパスのスケールアップ時に、言語モデルに新たなスキルが現れることだ。 本稿では,LSMの有名な(かつ実証的な)スケーリング法則と単純な統計的枠組みを用いて,その出現を解析する。
  論文  参考訳（メタデータ） (2023-07-29T09:22:54Z)
• Design of Negative Sampling Strategies for Distantly Supervised Skill Extraction [19.43668931500507]
  本稿では,リテラルマッチングによる遠隔監視に基づく,スキル抽出のためのエンドツーエンドシステムを提案する。 ESCO分類を用いて、関連するスキルからネガティブな例を選択することで、最大の改善が得られます。 我々は,タスクのさらなる研究を促進するために,研究目的のベンチマークデータセットをリリースする。
  論文  参考訳（メタデータ） (2022-09-13T13:37:06Z)
• "FIJO": a French Insurance Soft Skill Detection Dataset [0.0]
  本稿では、多くのソフトスキルアノテーションを含む保険業務のオファーを含む新しい公開データセットFIJOを提案する。 名前付きエンティティ認識を用いたスキル検出アルゴリズムの結果を提示し、トランスフォーマーベースのモデルがこのデータセット上で優れたトークンワイズ性能を示すことを示す。
  論文  参考訳（メタデータ） (2022-04-11T15:54:22Z)

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。