論文の概要: HeavySkill: Heavy Thinking as the Inner Skill in Agentic Harness

• arxiv url: http://arxiv.org/abs/2605.02396v1
• Date: Mon, 04 May 2026 09:37:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-05 20:33:50.224433
• Title: HeavySkill: Heavy Thinking as the Inner Skill in Agentic Harness
• Title（参考訳）: ヘビースキル:エージェントハーネスの内面スキルとしてのヘビー思考
• Authors: Jianing Wang, Linsen Guo, Zhengyu Chen, Qi Guo, Hongyu Zang, Wenjie Shi, Haoxiang Ma, Xiangyu Xi, Xiaoyu Li, Wei Wang, Xunliang Cai,
• Abstract要約: HeavySkillは、ヘビーシンキングをオーケストレーションハーネスにおける最小実行ユニットと見なす視点である。 この技術は2段階のパイプライン、すなわち並列推論と要約であり、任意のエージェントハーネスの下で動作することができる。 この内的スキルは従来のBest-of-N戦略より一貫して優れています。
• 参考スコア（独自算出の注目度）: 29.376314110085243
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent advances in agentic harness with orchestration frameworks that coordinate multiple agents with memory, skills, and tool use have achieved remarkable success in complex reasoning tasks. However, the underlying mechanism that truly drives performance remains obscured behind intricate system designs. In this paper, we propose HeavySkill, a perspective that views heavy thinking not only as a minimal execution unit in orchestration harness but also as an inner skill internalized within the model's parameters that drives the orchestrator to solve complex tasks. We identify this skill as a two-stage pipeline, i.e., parallel reasoning then summarization, which can operate beneath any agentic harness. We present a systematic empirical study of HeavySkill across diverse domains. Our results show that this inner skill consistently outperforms traditional Best-of-N (BoN) strategies; notably, stronger LLMs can even approach Pass@N performance. Crucially, we demonstrate that the depth and width of heavy thinking, as a learnable skill, can be further scaled via reinforcement learning, offering a promising path toward self-evolving LLMs that internalize complex reasoning without relying on brittle orchestration layers.
• Abstract（参考訳）: 複数のエージェントとメモリ、スキル、ツール使用を協調するオーケストレーションフレームワークによるエージェントハーネスの最近の進歩は、複雑な推論タスクにおいて顕著な成功を収めた。 しかし、真にパフォーマンスを駆動する基盤となるメカニズムは、複雑なシステム設計の裏にはいまだに見えていない。 本稿では,重度思考をオーケストレーションハーネスにおける最小実行単位としてだけでなく,オーケストレータが複雑なタスクを解くためのモデルパラメータの内部に内在する内部スキルとして見るヘビースキルを提案する。 この技術は2段階のパイプライン、すなわち並列推論と要約であり、任意のエージェントハーネスの下で動作することができる。 本稿では,多分野にわたるヘビースキルの体系的研究について述べる。 その結果、この内部スキルは従来のBest-of-N(BoN)戦略よりも優れており、特に強力なLLMはPass@Nパフォーマンスにもアプローチできることがわかった。 重要なことは、重み付けの深さと幅が、学習可能なスキルとして強化学習によってさらに拡大できることを示し、不安定なオーケストレーション層に頼らずに複雑な推論を内部化する自己進化型LLMへの有望な道を提供する。

関連論文リスト

• Satori: Reinforcement Learning with Chain-of-Action-Thought Enhances LLM Reasoning via Autoregressive Search [57.28671084993782]
  大規模言語モデル(LLM)は、様々な領域にまたがる顕著な推論能力を示している。 近年の研究では、テスト時間計算の増加はLLMの推論能力を高めることが示されている。 そこで我々は,1)COAT推論形式を内部化するための小規模な形式調整段階,2)強化学習を活用した大規模自己改善段階を提案する。
  論文  参考訳（メタデータ） (2025-02-04T17:26:58Z)
• Corex: Pushing the Boundaries of Complex Reasoning through Multi-Model Collaboration [83.4031923134958]
  Corexは,大規模言語モデルを自律エージェントに変換する,新たな汎用戦略スイートだ。 人間の振る舞いにインスパイアされたCorexは、Debate、Review、Retrieveモードといった多様なコラボレーションパラダイムによって構成されている。 我々は,複数のLDMを協調的に演奏することで,既存の手法に比べて性能が著しく向上することが実証された。
  論文  参考訳（メタデータ） (2023-09-30T07:11:39Z)

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。