論文の概要: ContractSkill: Repairable Contract-Based Skills for Multimodal Web Agents
- arxiv url: http://arxiv.org/abs/2603.20340v1
- Date: Fri, 20 Mar 2026 09:25:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-24 19:11:38.853731
- Title: ContractSkill: Repairable Contract-Based Skills for Multimodal Web Agents
- Title（参考訳）: ContractSkill: マルチモーダルWebエージェントのための修理可能なコントラクトベースのスキル
- Authors: Zijian Lu, Yiping Zuo, Yupeng Nie, Xin He, Weibei Fan, Chen Dai,
- Abstract要約: 私たちは、ドラフトスキルをコントラクト化された実行可能なアーティファクトに変換するフレームワークであるContractSkillを紹介します。
この表現は、決定論的検証、ステップレベルのフォールトローカライゼーション、最小限のパッチベースの修復を可能にする。
- 参考スコア（独自算出の注目度）: 13.2889725132666
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Despite rapid progress in multimodal GUI agents, reusable skill acquisition remains difficult because on-demand generated skills often leave action semantics, state assumptions, and success criteria implicit. This makes them brittle to execution errors, hard to verify, and difficult to repair. We present ContractSkill, a framework that converts a draft skill into a contracted executable artifact with explicit preconditions, step specifications, postconditions, recovery rules, and termination checks. This representation enables deterministic verification, step-level fault localization, and minimal patch-based repair, turning skill refinement into localized editing rather than full regeneration. Experiments on VisualWebArena and MiniWoB with GLM-4.6V and Qwen3.5-Plus show that ContractSkill improves self-generated skills from 9.4% and 10.9% to 28.1% and 37.5% on VisualWebArena, and from 66.5% and 60.5% to 77.5% and 81.0% on MiniWoB. Repaired artifacts also transfer across models, improving the target model's self-generated-skill baseline by up to 47.8 points and 12.8 points on the two benchmarks, respectively. These results suggest that agent skills are better treated as explicit procedural artifacts that can be verified, repaired, and shared across models.
- Abstract（参考訳）: マルチモーダルGUIエージェントの急速な進歩にもかかわらず、オンデマンドで生成されたスキルはアクションセマンティクス、状態仮定、成功基準を暗黙的に残すため、再利用可能なスキル獲得は依然として困難である。
これにより、実行エラーに対して脆弱になり、検証が難しく、修正が困難になる。
ContractSkillは、ドラフトスキルを明示的な前提条件、ステップ仕様、後条件、リカバリルール、終了チェックを備えた、契約された実行可能なアーティファクトに変換するフレームワークです。
この表現は、決定論的検証、ステップレベルのフォールトローカライゼーション、パッチベースの最小限の修復を可能にし、スキル改善を完全な再生ではなくローカライズされた編集に変換する。
GLM-4.6VとQwen3.5-PlusによるVisualWebArenaとMiniWoBの実験では、ContractSkillは、VisualWebArenaで9.4%から10.9%、28.1%、37.5%、MiniWoBで66.5%、60.5%、77.5%、そして81.0%の自己生成スキルを改善している。
修復されたアーティファクトはモデル間で転送され、ターゲットモデルの自己生成スキルベースラインは2つのベンチマークでそれぞれ47.8ポイント、12.8ポイント向上した。
これらの結果から, エージェントスキルは, モデル間で検証, 修復, 共有可能な明示的な手続き的アーティファクトとして扱われることが示唆された。
関連論文リスト
- EvoSkill: Automated Skill Discovery for Multi-Agent Systems [6.319876096746374]
エージェントスキルを自動的に発見・洗練する自己進化型フレームワークである textbfEvoSkill を紹介する。
EvoSkillは実行障害を分析し、新しいスキルや既存のスキルへの編集を提案し、それらを構造化された再利用可能なスキルフォルダに実体化する。
われわれはEvoSkillを米国財務データの根拠となる推論ベンチマークであるOfficeQAと、ノイズの多い検索ベンチマークであるSealQAの2つのベンチマークで評価した。
論文 参考訳（メタデータ） (2026-03-03T09:07:22Z) - SkillsBench: Benchmarking How Well Agent Skills Work Across Diverse Tasks [61.89812116484928]
エージェントスキルは、LLMエージェントを推論時に増強する手続き的知識の構造化パッケージである。
SkillsBenchは、11のドメインにわたる86のタスクのベンチマークであり、キュレートされたスキルと決定論的検証との組み合わせを示す。
キュレートされたスキルは平均パスレートを16.2ポイント(pp)上昇させるが、効果は領域によって大きく異なる。
自己生成スキルは平均的に何の利益も与えず、モデルが消費から得られる手続き的な知識を確実に説明できないことを示している。
論文 参考訳（メタデータ） (2026-02-13T07:06:06Z) - Beyond Accuracy: Behavioral Dynamics of Agentic Multi-Hunk Repair [6.60715519922201]
マルチハンクバグの修復には、複数の非結合コード領域にまたがるコーディネート編集が必要である。
我々は、Hunk4Jデータセットから372個のマルチハンクバグ(Claude Code, Codex, Gemini-cli, Qwen Code)を評価する。
論文 参考訳（メタデータ） (2025-11-14T07:00:47Z) - Exploring Expert Failures Improves LLM Agent Tuning [74.0772570556016]
本稿では,失敗した専門家の軌道から有益な行動を識別する専門的失敗の探索(EEF)を提案する。
EEFは、未解決のいくつかのサブタスクをうまく解決し、エージェントチューニング性能を改善する。
論文 参考訳（メタデータ） (2025-04-17T17:53:54Z) - Exposing Limitations of Language Model Agents in Sequential-Task Compositions on the Web [69.6913064185993]
言語モデルエージェント(LMA)は、ミューティステップ決定タスクにおける有望なパラダイムとして登場した。
約束にもかかわらず、現実世界のアプリケーションでの彼らのパフォーマンスはまだ過小評価されている。
既存のLMAはベースタスクで平均94.0%の成功率を達成したが、その性能は構成タスクで平均24.9%に低下した。
論文 参考訳（メタデータ） (2023-11-30T17:50:47Z)
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。