論文の概要: RESOURCE2SKILL: Distilling Executable Agent Skills from Human-Created Multimodal Resources
- arxiv url: http://arxiv.org/abs/2606.29538v1
- Date: Sun, 28 Jun 2026 17:59:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-30 18:07:15.954428
- Title: RESOURCE2SKILL: Distilling Executable Agent Skills from Human-Created Multimodal Resources
- Title（参考訳）: 資源2SKILL:人間によるマルチモーダル資源からの実行可能なエージェントスキルの蒸留
- Abstract要約: 2SKILLはチュートリアルビデオ、記事、参照アーティファクトを含むマルチモーダルリソースをソフトウェアエージェントの実行可能なスキルに蒸留するフレームワークである。
これらのスキルは階層的なマルチモーダルスキルウィキとして整理され、各エントリは構造化されたテキスト、コード、ビジュアルな例、メタデータ、そして証明を組み合わせている。
時には、エージェントはwikiから関連スキルを検索して作成し、カバレッジが不十分な場合は、オンラインで新しいスキルを取得できる。
- 参考スコア（独自算出の注目度）: 34.489558310096776
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Skills are a useful abstraction for software agents, turning human and agent experience into reusable procedural knowledge. Yet existing skill libraries are mostly hand-written, text-centric, or derived from agent traces, leaving tutorial videos and other multimodal human resources largely underused. We present RESOURCE2SKILL, a framework that distills multimodal resources, including tutorial videos, repositories, articles, and reference artifacts, into executable skills for software agents. RESOURCE2SKILL organizes these skills as a hierarchical multimodal Skill Wiki, where each entry combines structured text, code, visual examples, metadata, and provenance. This design preserves complementary signals from different resources: videos capture temporal operations and visual effects, code captures executable tool patterns, and articles or artifacts provide conceptual and stylistic grounding. At inference time, agents retrieve and compose relevant skills from the wiki; when coverage is insufficient, the same construction operator can acquire new skills online. Across seven practical authoring domains, RESOURCE2SKILL improves average overall score by +11.9 percentage points over no-skill agents and outperforms strong harness baselines in 26 of 28 main-aggregate model-domain cells. Ablations confirm the value of multimodal skill format, hierarchical organization, source diversity, selection strategy, and online acquisition.
- Abstract（参考訳）: スキルはソフトウェアエージェントにとって有用な抽象化であり、人間とエージェントの経験を再利用可能な手続き的知識に変える。
しかし、既存のスキルライブラリは、主に手書き、テキスト中心、またはエージェントトレースから派生したもので、チュートリアルビデオやその他のマルチモーダルな人的資源はほとんど使われていない。
本稿では,チュートリアルビデオ,レポジトリ,記事,リファレンスアーティファクトなどのマルチモーダルリソースを,ソフトウェアエージェントの実行可能なスキルに蒸留するフレームワークRESOURCE2SKILLを提案する。
RESOURCE2SKILLは、これらのスキルを階層的なマルチモーダルスキルウィキとして整理し、各エントリは構造化されたテキスト、コード、ビジュアルサンプル、メタデータ、および前例を組み合わせる。
ビデオは時間的操作と視覚効果をキャプチャし、コードは実行可能なツールパターンをキャプチャし、記事やアーティファクトは概念的でスタイリスティックな基礎を提供する。
推論時に、エージェントはwikiから関連するスキルを検索して構成し、カバレッジが不十分な場合、同じ建設業者がオンラインで新しいスキルを取得できる。
7つの実用的なオーサリングドメインで、RESOURCE2SKILLは、非熟練エージェントよりも平均スコアを+11.9ポイント改善し、28のメインアグリゲートモデルドメインの26のモデルドメインで強いハーネスベースラインを上回っている。
アブレーションは、マルチモーダルスキルフォーマット、階層的組織、ソースの多様性、選択戦略、オンライン買収の価値を確認します。
関連論文リスト
- PRAXIS: Graph-Grounded Tacit Knowledge for Domain Code Generation [61.752289169878566]
ドメイン固有のビジネスルール、インターフェース契約、開発者が実践を通じて内部化するが文書化しない運用規約を含む、エージェントの暗黙の知識の欠如の根本原因を特定します。
この知識は、ドメイン・コードの下に深く埋もれており、コード・エンティティとその依存関係にまたがっており、それを持たないエージェントには見えません。
本稿では,ドメインコード生成のための暗黙的知識の抽出,表現,再利用を可能にするフレームワークであるPRAXISを提案する。
論文 参考訳（メタデータ） (2026-08-20T08:28:28Z) - Generative Skill Composition for LLM Agents [58.47191648555256]
LLMエージェントは複雑なタスクを解決するためのスキルの恩恵を受ける。
スキルライブラリが成長するにつれて、適切なスキル構成を選択することが中心的なボトルネックとして現れている。
本稿では,タスク条件付きスキルシーケンス予測として構造化されたスキルコンポジションをインスタンス化するSkillComposerを提案する。
論文 参考訳（メタデータ） (2026-06-30T17:53:09Z) - Beyond Domains: Reusing Web Skills via Transferable Interaction Patterns [68.0603867264595]
SkillMigratorは再利用可能なWebスキルを学習し、特定の要素参照ではなくレイアウト構造にマッチしてサイト間でそれらを転送する。
WebArenaとMind2Webの両方において、成功軌道上の平均LCM-アクション数を、一致した成功速度で8-10%削減する。
論文 参考訳（メタデータ） (2026-06-16T08:04:35Z) - SkillComposer: Learning to Evolve Agent Skills for Specification and Generalization [99.18305770138677]
エージェントスキルは、エージェントの推論とアクションをガイドする再利用可能な戦略である。
現在の技術構築手法は、問題を一発抽出として扱う。
本稿では,スキル構築を3つの学習可能な操作に分解するフレームワークであるSkillComposerを紹介する。
論文 参考訳（メタデータ） (2026-06-04T12:16:08Z) - Demo2Tutorial: From Human Experience to Multimodal Software Tutorials [63.678709079907684]
Demo2Tutorialは、スクリーン記録とインタラクションログを通じてキャプチャされたエクスペリエンスを構造化されたマルチモーダルソフトウェアチュートリアルに変換するフレームワークである。
ステッププランナーはこれらのステップを、目標とステップを表す階層的なタスクグラフに抽象化します。
Composerは解析されたエクスペリエンスを構造化された再利用可能なイメージテキスト命令に変換する。
論文 参考訳（メタデータ） (2026-06-02T17:39:07Z) - SkillGraph: Skill-Augmented Reinforcement Learning for Agents via Evolving Skill Graphs [70.1970574147839]
有向グラフのノードとして再利用可能なスキルを表現するフレームワークであるSKILLGRAPHを提案する。
SKILLGRAPHは個々のスキルだけでなく、多段階意思決定をガイドできる順序付きスキルサブグラフも取得する。
実験により,SKILLGRAPHはメモリ拡張RL法に対して最先端の性能を実現することが示された。
論文 参考訳（メタデータ） (2026-05-12T12:21:49Z) - SkillRAE: Agent Skill-Based Context Compilation for Retrieval-Augmented Execution [10.83969404435554]
大きな言語モデル(LLM)ベースのエージェントは、アーティファクトリッチなタスクを解決するために、再利用可能なスキルライブラリに依存している。
本稿では,スキルベースのコンテキストコンパイルに着目した2段階RAE手法であるSkillRAEを提案する。
2つの公開ベンチマークの実験によると、SkillRAEはRAEの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） (2026-05-11T07:31:48Z) - SKILLFOUNDRY: Building Self-Evolving Agent Skill Libraries from Heterogeneous Scientific Resources [5.7282243774488295]
我々は、リソースを検証されたエージェントスキルに変換する自己進化型フレームワークであるSkillFoundryを紹介する。
SkillFoundryは,比較的新規で,内部的に有効なスキルライブラリであることを示す。
また,SkillFoundryは,具体的な科学的目的の要求に応じて,新たなタスク固有のスキルを設計できることを示す。
論文 参考訳（メタデータ） (2026-04-05T05:02:18Z) - Automating Skill Acquisition through Large-Scale Mining of Open-Source Agentic Repositories: A Framework for Multi-Agent Procedural Knowledge Extraction [20.467661664708086]
本報告では,オープンソースリポジトリのマイニングによる高品質エージェントスキルの自動獲得の枠組みについて検討する。
我々は,TheoremExplainAgentやCode2Videoなどの最先端システムから,可視化と教育能力の抽出に重点を置いている。
エージェントリポジトリからの体系的抽出と厳密なセキュリティガバナンスと多次元評価指標を組み合わせることで、手続き的知識のスケーラブルな獲得が可能になることを実証する。
論文 参考訳（メタデータ） (2026-03-12T11:10:13Z) - 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) - PolySkill: Learning Generalizable Skills Through Polymorphic Abstraction [20.687269802717893]
新しいフレームワークであるPolySkillを導入し、エージェントが一般化可能な構成スキルを学習できるようにする。
実験の結果,本手法はWebサイトにおけるスキルの再利用を1.7倍に改善することがわかった。
エージェントが自身の目標を特定して洗練させることで、PolySkillはエージェントのより良いカリキュラムを学ぶ能力を高める。
論文 参考訳（メタデータ） (2025-10-17T17:56:00Z)
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。