論文の概要: Toward Scalable Terminal Task Synthesis via Skill Graphs
- arxiv url: http://arxiv.org/abs/2604.25727v1
- Date: Tue, 28 Apr 2026 14:53:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-29 16:49:17.913321
- Title: Toward Scalable Terminal Task Synthesis via Skill Graphs
- Title（参考訳）: スキルグラフによるスケーラブルな端末タスク生成に向けて
- Authors: Zhiyuan Fan, Tinghao Yu, Yuanjun Cai, Jiangtao Guan, Yun Yang, Dingxin Hu, Jiang Zhou, Xing Wu, Zhuo Han, Feng Zhang, Lilin Wang,
- Abstract要約: ターミナルエージェントは、自律的なコマンドライン実行の可能性を強く示してきたが、その訓練は高品質で多様な実行軌跡の不足によって制限されている。
本稿では,シナリオ駆動型スキルグラフ上に構築された端末タスク合成のための自動フレームワークであるSkill Synthを紹介する。
- 参考スコア（独自算出の注目度）: 16.33536290621557
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Terminal agents have demonstrated strong potential for autonomous command-line execution, yet their training remains constrained by the scarcity of high-quality and diverse execution trajectories. Existing approaches mitigate this bottleneck by synthesizing large-scale terminal task instances for trajectory sampling. However, they primarily focus on scaling the number of tasks while providing limited control over the diversity of execution trajectories that agents actually experience during training. In this paper, we present SkillSynth, an automated framework for terminal task synthesis built on a scenario-mediated skill graph. SkillSynth first constructs a large-scale skill graph, where scenarios serve as intermediate transition nodes that connect diverse command-line skills. It then samples paths from this graph as abstractions of real-world workflows, and uses a multi-agent harness to instantiate them into executable task instances. By grounding task synthesis in graph-sampled workflow paths, SkillSynth explicitly controls the diversity of minimal execution trajectories required to solve the synthesized tasks. Experiments on Terminal-Bench demonstrate the effectiveness of SkillSynth. Moreover, task instances synthesized by SkillSynth have been adopted to train Hy3 Preview, contributing to its enhanced agentic capabilities in terminal-based settings.
- Abstract（参考訳）: ターミナルエージェントは、自律的なコマンドライン実行の可能性を強く示してきたが、その訓練は高品質で多様な実行軌跡の不足によって制限されている。
既存のアプローチは、軌道サンプリングのための大規模端末タスクインスタンスを合成することで、このボトルネックを軽減する。
しかし、彼らは主に、トレーニング中にエージェントが実際に経験する実行軌跡の多様性を限定的に制御しながら、タスクの数を拡大することに重点を置いている。
本稿では,シナリオ型スキルグラフ上に構築された端末タスク合成のための自動フレームワークであるSkillSynthを提案する。
SkillSynthはまず大規模なスキルグラフを構築し、シナリオはさまざまなコマンドラインスキルを接続する中間遷移ノードとして機能する。
次に、実際のワークフローの抽象化としてこのグラフからのパスをサンプリングし、マルチエージェントハーネスを使用して実行可能なタスクインスタンスにインスタンス化する。
SkillSynthは、グラフサンプリングされたワークフローパスでタスク合成を基盤として、合成されたタスクを解決するのに必要な最小の実行軌跡の多様性を明示的に制御する。
Terminal-Benchの実験は、SkillSynthの有効性を実証した。
さらに、SkillSynthによって合成されたタスクインスタンスはHy3 Previewのトレーニングに採用されている。
関連論文リスト
- ANCHOR: Branch-Point Data Generation for GUI Agents [52.22377425487]
デスクトップ環境向けのエンドツーエンドGUIエージェントは、大量の高品質なインタラクションデータを必要とする。
本稿では,拡張フレームワークであるAnchorについて紹介する。このフレームワークは,小規模で検証済みのシードデモから,スケーラブルなデスクトップ監視をブートストラップする。
OSWorldとWindowsAgentArenaの標準デスクトップベンチマークの実験では、拡張されたコーパスに微調整されたモデルが一貫した改善を実現している。
論文 参考訳（メタデータ） (2026-02-06T19:55:26Z) - ASTRA: Automated Synthesis of agentic Trajectories and Reinforcement Arenas [13.919124676472022]
ASTRAは、ツール拡張言語モデルエージェントをトレーニングするためのエンドツーエンドフレームワークである。
ASTRAはスケーラブルなデータ合成と検証可能な強化学習を統合している。
複数のエージェントツール使用ベンチマークの実験は、ASTRA訓練されたモデルが最先端のパフォーマンスを達成することを示した。
論文 参考訳（メタデータ） (2026-01-29T11:22:23Z) - AgentSynth: Scalable Task Generation for Generalist Computer-Use Agents [60.881609323604685]
Agent Synthはスケーラブルで費用効率のよいパイプラインで、高品質なタスクとトラジェクトリデータセットを自動的に合成する。
我々のパイプラインは1軌道あたりの平均コストが0.60ドルで、人間のアノテーションよりも桁違いに安い。
論文 参考訳（メタデータ） (2025-06-17T05:46:52Z) - What Limits Virtual Agent Application? OmniBench: A Scalable Multi-Dimensional Benchmark for Essential Virtual Agent Capabilities [56.646832992178105]
我々は、制御可能な複雑性のタスクを合成するための自動パイプラインを備えたクロスプラットフォームグラフベースのベンチマークであるOmniBenchを紹介した。
OmniEvalは、サブタスクレベルの評価、グラフベースのメトリクス、および10機能にわたる包括的なテストを含む多次元評価フレームワークである。
我々のデータセットには、20のシナリオにわたる36万のグラフ構造化タスクが含まれており、人間の受け入れ率は91%に達する。
論文 参考訳（メタデータ） (2025-06-10T15:59:38Z) - OS-Genesis: Automating GUI Agent Trajectory Construction via Reverse Task Synthesis [55.390060529534644]
グラフィカルユーザインタフェース(GUI)エージェントのための新しいデータ合成パイプラインであるOS-Genesisを提案する。
事前に定義されたタスクに頼る代わりに、OS-Genesisはエージェントがまず環境を認識し、ステップワイドなインタラクションを実行することを可能にする。
我々は,OS-Genesisを用いたGUIエージェントのトレーニングにより,高度に挑戦するオンラインベンチマークの性能が大幅に向上することが実証された。
論文 参考訳（メタデータ） (2024-12-27T16:21:58Z) - Instance-Aware Graph Prompt Learning [71.26108600288308]
本稿では,インスタンス対応グラフプロンプト学習(IA-GPL)について紹介する。
このプロセスでは、軽量アーキテクチャを使用して各インスタンスの中間プロンプトを生成する。
複数のデータセットと設定で実施された実験は、最先端のベースラインと比較して、IA-GPLの優れたパフォーマンスを示している。
論文 参考訳（メタデータ） (2024-11-26T18:38:38Z)
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。