論文の概要: SkillRT: Compiling Skills for Efficient Execution Everywhere

• arxiv url: http://arxiv.org/abs/2604.03088v1
• Date: Fri, 03 Apr 2026 15:11:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-06 17:20:24.504523
• Title: SkillRT: Compiling Skills for Efficient Execution Everywhere
• Title（参考訳）: SkillRT: あらゆる場所で効率的な実行スキルをコンパイルする
• Authors: Le Chen, Erhu Feng, Yubin Xia, Haibo Chen,
• Abstract要約: LLMエージェントは、再利用可能な構成単位としてスキルをますます採用している。 現在のシステムは、スキルを生のコンテキストとして扱い、異なるエージェントに対して同じスキルを一貫性なく振る舞う。 本稿では,ポータブルかつ効率的なスキル実行を目的としたコンパイルおよび実行システムであるSkillRTを提案する。
• 参考スコア（独自算出の注目度）: 8.617039060377483
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: LLM agents increasingly adopt skills as a reusable unit of composition. While skills are shared across diverse agent platforms, current systems treat them as raw context, causing the same skill to behave inconsistently for different agents. This fragility undermines skill portability and execution efficiency. To address this challenge, we analyze 118,000 skills and draw inspiration from traditional compiler design. We treat skills as code and LLMs as heterogeneous processors. To make portability actionable, we decompose a skill's requirements into a set of primitive capabilities, and measure how well each model-harness pair supports them. Based on these capability profiles, we propose SkillRT, a compilation and runtime system designed for portable and efficient skill execution. At compile time, SkillRT performs capability-based compilation, environment binding, and concurrency extraction. At runtime, SkillRT applies JIT code solidification and adaptive recompilation for performance optimization. We evaluate SkillRT across eight LLMs of varying scales and three agent harnesses, covering SkillsBench and representative skill tasks. Results demonstrate that SkillRT significantly improves task completion rates across different models and environments while reducing token consumption by up to 40%. In terms of performance, SkillRT achieves up to 3.2x speedup with enhanced parallelism, and 19-50x latency reduction through code solidification.
• Abstract（参考訳）: LLMエージェントは、再利用可能な構成単位としてスキルをますます採用している。 スキルは多様なエージェントプラットフォーム間で共有されるが、現在のシステムはそれらを生のコンテキストとして扱う。 この脆弱さは、スキルポータビリティと実行効率を損なう。 この課題に対処するため、118,000のスキルを分析し、従来のコンパイラ設計からインスピレーションを得る。 スキルをコードとして、LLMをヘテロジニアスプロセッサとして扱います。 ポータビリティを実用的なものにするために、スキルの要件を一連のプリミティブな機能に分解し、各モデルとハーネスのペアがどれだけうまくそれらをサポートするかを測定する。 これらの機能プロファイルに基づいて,ポータブルかつ効率的なスキル実行用に設計されたコンパイルおよびランタイムシステムであるSkillRTを提案する。 コンパイル時に、SkillRTは機能ベースのコンパイル、環境バインディング、並行性抽出を実行する。 実行時に、SkillRTはJITコードの固化と、パフォーマンス最適化のための適応的な再コンパイルを適用します。 我々は,SkillsBenchと代表的スキルタスクをカバーする8つのLLMと3つのエージェントハーネスでSkillRTを評価した。 その結果、SkillRTはさまざまなモデルや環境におけるタスク完了率を大幅に改善し、トークン消費量を最大40%削減した。 パフォーマンス面では、SkillRTは並列性を強化して最大3.2倍のスピードアップを実現し、コードの固化による19-50倍のレイテンシ低減を実現している。

関連論文リスト

• SKILL0: In-Context Agentic Reinforcement Learning for Skill Internalization [61.37478254738943]
  推論時のスキル向上は基本的に制限されている。 SKILL0は,スキル内部化のためのコンテキスト内強化学習フレームワークである。 SKILL0は標準のRLベースラインよりも大幅に改善されている。
  論文  参考訳（メタデータ） (2026-04-02T17:03:05Z)
• SkillCraft: Can LLM Agents Learn to Use Tools Skillfully? [67.69996753743129]
  SkillCraftは、高レベルのツールコンポジションの生成と再利用を可能にする、明示的にストレステストエージェントのベンチマークである。 SkillCraftは、定量次元と構造次元の両方に沿ってスケールする困難を伴う、現実的で、構成性の高いツール使用シナリオを特徴としている。 本稿では,エージェントがアトミックツールを実行可能なスキルに自動生成し,タスク内およびタスク間のキャッシュと再利用を可能にする軽量な評価プロトコルを提案する。
  論文  参考訳（メタデータ） (2026-02-28T15:44:31Z)
• SkillNet: Create, Evaluate, and Connect AI Skills [159.47504178122156]
  SkillNetは、大規模にAIスキルを作成し、評価し、組織化するように設計されたオープンインフラストラクチャである。 私たちのインフラストラクチャは、20万を超えるスキルのリポジトリ、インタラクティブなプラットフォーム、多目的Pythonツールキットを統合しています。
  論文  参考訳（メタデータ） (2026-02-26T14:24:02Z)
• 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)
• CUA-Skill: Develop Skills for Computer Using Agent [48.87870942314034]
  コンピュータを利用したエージェントスキルベースであるCUA-Skillを導入し,人間のコンピュータ利用知識をスキルとして符号化する。 我々は、動的スキル検索、引数のインスタンス化、メモリ認識障害回復をサポートする、エンドツーエンドのコンピュータ利用エージェントであるCUA-Skill Agentを構築した。 その結果、CUA-Skillは、エンドツーエンドのベンチマークで実行の成功率と堅牢性を大幅に向上することを示した。
  論文  参考訳（メタデータ） (2026-01-28T23:38:25Z)

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。