論文の概要: Microskill Architecture: A Modular Skill-Driven Framework for AI-Native Code Generation

• arxiv url: http://arxiv.org/abs/2606.05720v1
• Date: Thu, 04 Jun 2026 05:24:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-05 22:39:44.572042
• Title: Microskill Architecture: A Modular Skill-Driven Framework for AI-Native Code Generation
• Title（参考訳）: Microskill Architecture: AIネイティブコード生成のためのモジュール型スキル駆動フレームワーク
• Authors: Mohammad Zare, Omid Abdolrahmani,
• Abstract要約: 大規模言語モデルとAIコーディングエージェントはソフトウェア開発を再形成したが、完全なAIネイティブシステムへの道は構造的な課題に直面している。 本稿では,マイクロスキルアーキテクチャ(MicroSkill Architecture)について述べる。 実証的なケーススタディでは、MicroSkillがトークンの消費を90%以上削減し、初歩的な成功率をほぼ2倍にし、アーキテクチャが違反を完全に排除している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models and AI coding agents have reshaped software development, but the path to fully AI-native systems faces structural challenges. Chief among them is managing context windows without losing accuracy or efficiency. When developers inject full project documentation and code into a model's memory, the model loses mid-sequence information, token costs spiral, and architecture drifts. This paper presents MicroSkill Architecture: a modular design paradigm inspired by microservices, applied to knowledge encapsulation instead of service decomposition. Instead of feeding an agent the entire codebase, the architecture partitions knowledge into atomic, sharply scoped skill capsules, and a dynamic router selects only semantically relevant capsules for the task. We formally model context allocation as constrained optimization over semantic relevance subject to a token budget. An empirical case study an enterprise content management system with fifteen complex features shows that MicroSkill cuts token consumption by over 90%, nearly doubles first-try compilation success rates, eliminates architectural violations entirely, and enables autonomous extraction and registration of seven new skill capsules via a self-learning mechanism. These findings suggest MicroSkill Architecture offers a scalable foundation for building AI-native development systems that are more efficient, more reliable, and capable of evolving over time.
• Abstract（参考訳）: 大規模言語モデルとAIコーディングエージェントはソフトウェア開発を再形成したが、完全なAIネイティブシステムへの道は構造的な課題に直面している。 中でも主要なものは、正確さや効率性を損なうことなく、コンテキストウィンドウを管理することだ。 開発者が完全なプロジェクトドキュメンテーションとコードをモデルのメモリに注入すると、モデルは中間シーケンス情報、トークンコストのスパイラル、アーキテクチャのドリフトを失う。 本稿では,マイクロサービスにインスパイアされたモジュール型設計パラダイムであるMicroSkill Architectureを,サービス分解ではなくナレッジカプセル化に適用する。 エージェントにコードベース全体を供給するのではなく、アーキテクチャは知識をアトミックでスコープの鋭いスキルカプセルに分割し、動的ルータはタスクに意味のあるカプセルのみを選択する。 トークン予算の対象となる意味的関連性に対する制約付き最適化として,コンテクストアロケーションを形式的にモデル化する。 15の複雑な特徴を持つエンタープライズコンテンツ管理システムの実証ケーススタディでは、MicroSkillがトークン消費を90%以上削減し、最初のコンピレーション成功率をほぼ2倍にし、アーキテクチャ違反を完全に排除し、自己学習機構を通じて7つの新しいスキルカプセルの自律的抽出と登録を可能にした。 これらの結果は、MicroSkill Architectureがより効率的で信頼性が高く、時間とともに進化できるAIネイティブな開発システムを構築するためのスケーラブルな基盤を提供することを示唆している。

関連論文リスト

• Toward a Modular Architecture for Embedded AI Agent Systems at the Edge [0.0]
  本稿では,組み込みエージェントシステムのためのモジュール型参照アーキテクチャを提案する。 On-Device AgentsとCloud-Augmented Agentsを分離するタイレッドデザインを導入する。 重要な貢献は、横断的なガバナンス層の統合である。
  論文  参考訳（メタデータ） (2026-06-01T20:24:18Z)
• Model-Native Computing Architecture: Envisioning Future System Architecture Through the Lens of Computer Architecture [3.6606890511372705]
  大規模言語モデルは、モデル技術からシステム技術へ移行している。 繰り返し発生するエンジニアリング問題は 古典的なコンピュータシステムに 似ています コンピュータアーキテクチャから新たなモデルネイティブスタックまでの概念をマッピングします。
  論文  参考訳（メタデータ） (2026-05-29T19:20:16Z)
• Architecture Without Architects: How AI Coding Agents Shape Software Architecture [0.6299766708197881]
  そこで本研究では,自然構造型プロンプト機能を必要なインフラストラクチャにマッピングするための,6つのプロンプト-アーキテクチャ結合パターンを提案する。 私たちは、意図的な設計ではなく、プロンプトによって形作られたこの現象を表現し、これらの隠れた決定をガバナンスの下にもたらすためのレビュープラクティス、意思決定記録、ツールの概要を述べます。
  論文  参考訳（メタデータ） (2026-04-05T07:32:37Z)
• Architecture-Aware Multi-Design Generation for Repository-Level Feature Addition [53.50448142467294]
  RAIMは、リポジトリレベルの機能追加のための、多設計およびアーキテクチャ対応のフレームワークである。 複数の多様な実装設計を生成することで、線形パッチから切り離される。 NoCode-bench Verifiedデータセットの実験では、RAIMが新しい最先端のパフォーマンスを確立することが示されている。
  論文  参考訳（メタデータ） (2026-03-02T12:50:40Z)
• Youtu-LLM: Unlocking the Native Agentic Potential for Lightweight Large Language Models [78.73992315826035]
  ネイティブエージェントインテリジェンスと高い計算効率を調和させる軽量言語モデルであるYoutu-LLMを紹介する。 Youtu-LLMは、スクラッチから体系的に推論と計画能力の育成まで事前訓練されている。
  論文  参考訳（メタデータ） (2025-12-31T04:25:11Z)
• Forging Spatial Intelligence: A Roadmap of Multi-Modal Data Pre-Training for Autonomous Systems [75.78934957242403]
  自動運転車とドローンは、マルチモーダル搭載センサーデータから真の空間情報を必要とする。 本稿では,この目標に向かって進む中核的な技術群を同定し,マルチモーダル・プレトレーニングのためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-30T17:58:01Z)
• Towards Efficient Agents: A Co-Design of Inference Architecture and System [66.59916327634639]
  本稿では,エージェントアクセラレーションのための統合フレームワークであるAgentInferを提案する。 問題をAgentCollab、AgentSched、AgentSAM、AgentCompressの4つの相乗的コンポーネントに分解する。 BrowseComp-zhとDeepDiverベンチマークの実験では、これらの手法の相乗的コラボレーションを通じて、AgentInferは非効率なトークン消費を50%以上削減することを示した。
  論文  参考訳（メタデータ） (2025-12-20T12:06:13Z)
• Factored Agents: Decoupling In-Context Learning and Memorization for Robust Tool Use [4.437184840125514]
  本稿ではエージェントAIにおける従来の単一エージェントシステムの限界を克服する新しいファクターエージェントアーキテクチャを提案する。 提案手法はエージェントを,(1)高レベルプランナーおよびインコンテキスト学習者として機能する大規模言語モデル,(2)ツールフォーマットと出力の記憶器として機能する小型言語モデルに分解する。 経験的評価により,本アーキテクチャは,テキスト内学習と静的記憶のトレードオフを解明しつつ,計画精度と誤り回復性を著しく向上することが示された。
  論文  参考訳（メタデータ） (2025-03-29T01:27:11Z)
• Pangu-Agent: A Fine-Tunable Generalist Agent with Structured Reasoning [50.47568731994238]
  人工知能(AI)エージェント作成の鍵となる方法は強化学習(RL)である 本稿では,構造化推論をAIエージェントのポリシーに統合し,学習するための一般的なフレームワークモデルを提案する。
  論文  参考訳（メタデータ） (2023-12-22T17:57:57Z)

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。