論文の概要: SkillPyramid: A Hierarchical Skill Consolidation Framework for Self-Evolving Agents
- arxiv url: http://arxiv.org/abs/2606.03692v1
- Date: Tue, 02 Jun 2026 14:14:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-03 22:00:05.058212
- Title: SkillPyramid: A Hierarchical Skill Consolidation Framework for Self-Evolving Agents
- Title（参考訳）: SkillPyramid: 自己進化エージェントのための階層型スキル統合フレームワーク
- Authors: Yuan Xiong, Ziqi Miao, Qian Chen, Lijun Li, Yequan Wang, Shizhu He, Jun Zhao, Kang Liu,
- Abstract要約: 最近のAIエージェントは、複雑なタスクを解決するためのスキルを柔軟に実行できますが、その長期的な改善は、体系的なスキル構築、蓄積、転送の欠如によって制約されます。
SkillPyramidは,タスクのより広範な一般化のために既存のスキル体験を再利用するスキル統合フレームワークである。
SkillPyramidは平均報酬を38.0%、実行手順を27.7%削減する。
- 参考スコア（独自算出の注目度）: 38.2600862878199
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent AI agents can flexibly invoke skills to solve complex tasks, but their long-term improvement is fundamentally constrained by a lack of systematic skill construction, accumulation, and transfer. In particular, without a unified framework for skill consolidation, agents tend to redundantly construct similar capabilities across different tasks, are unable to effectively transform experience into reusable assets, and struggle to generalize task-specific skills to novel scenarios. To address this limitation, we propose SkillPyramid, a skill consolidation framework that reuses existing skill experience for broader task generalization. Operating on a hierarchical skill topology, SkillPyramid further introduces a self-evolution mechanism that enables agents to compose, validate, and incorporate new skills during task execution. Experiments on ALFWorld, WebShop, and ScienceWorld across four backbone models show that SkillPyramid substantially increases the average reward by 38.0% and reduces execution steps by 27.7%. Overall, our method transforms a skill collection from a static resource pool into a dynamic evolution system.
- Abstract（参考訳）: 最近のAIエージェントは、複雑なタスクを解決するためのスキルを柔軟に実行できますが、その長期的な改善は、体系的なスキル構築、蓄積、転送の欠如によって根本的に制約されます。
特に、スキル統合のための統一されたフレームワークがなければ、エージェントは異なるタスクにまたがって同様の機能を冗長に構築する傾向にあり、経験を効果的に再利用可能な資産に変えることができず、新しいシナリオにタスク固有のスキルを一般化するのに苦労する。
この制限に対処するため、より広範なタスクの一般化のために既存のスキルエクスペリエンスを再利用するスキル統合フレームワークであるSkillPyramidを提案する。
階層的なスキルトポロジを運用するSkillPyramidはさらに,タスク実行中に新たなスキルの構築,検証,統合を可能にする自己進化メカニズムを導入している。
ALFWorld、WebShop、ScienceWorldの4つのバックボーンモデルによる実験では、SkillPyramidは平均報酬を38.0%、実行手順を27.7%削減している。
本手法は,静的な資源プールから動的進化システムへ,スキルコレクションを変換する。
関連論文リスト
- SkillSmith: Co-Evolving Skills and Tools for Self-Improving Agent Systems [36.96247516261787]
SkillSmithは、シナジー対応のスキルツールの共同進化フレームワークである。
スキル進化が再利用可能な機能ギャップを特定すると、ツールをラップ、編集、構成、分割、または廃止することが可能になります。
失敗の署名、因果帰属、治療を含むアンチパターンを記録し、既知の誤りを繰り返す診断と拒否提案を加速させる。
論文 参考訳（メタデータ） (2026-05-31T16:01:19Z) - Swarm Skills: A Portable, Self-Evolving Multi-Agent System Specification for Coordination Engineering [50.72456732323037]
textbfSwarm Skillsは、マルチエージェントのセマンティクスを用いて、Arthhropic Skills標準を拡張したポータブル仕様である。
Swarm Skillsはマルチエージェントを、役割、実行バウンダリ、自己進化のためのビルトインセマンティック構造からなる、一級の分散可能なアセットに変える。
我々は,Swarm Skillsがプログレッシブ開示を通じて,ゼロアダプタのクロスエージェントポータビリティを実現する方法を示す。
論文 参考訳（メタデータ） (2026-05-11T06:26:58Z) - Skill-R1: Agent Skill Evolution via Reinforcement Learning [84.35984979949502]
Skill-R1は、検証可能な報酬からインスタンスレベルの繰り返しスキル最適化のための強化学習フレームワークである。
オープンソースモデルとクローズドソースモデルの両方とのブラックボックス互換性を維持しつつ、モデルレベルの更新よりも大幅に安価に適応できる。
論文 参考訳（メタデータ） (2026-05-10T06:19:15Z) - EvoSkills: Self-Evolving Agent Skills via Co-Evolutionary Verification [85.3692584167951]
Anthropicは、LLMエージェントが多段階のプロフェッショナルタスクに取り組むためのスキルの概念を提案する。
ツールは単一の自己完結型関数であり、スキルは相互依存型多ファイルアーティファクトの構造化バンドルである。
EvoSkillsは、エージェントが複雑なマルチファイルスキルパッケージを自律的に構築できる自己進化型スキルフレームワークである。
論文 参考訳（メタデータ） (2026-04-02T06:43:20Z) - 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) - Skill Expansion and Composition in Parameter Space [17.016614374151747]
Parametric Skill Expansion and Composition (PSEC)はエージェントの能力を反復的に進化させるように設計された新しいフレームワークである。
PSECは、事前知識を活用して、新しい課題に効果的に取り組む能力が優れている。
論文 参考訳（メタデータ） (2025-02-09T15:22:38Z)
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。