論文の概要: COMFYCLAW: Self-Evolving Skill Harnesses for Image Generation Workflows
- arxiv url: http://arxiv.org/abs/2607.01709v1
- Date: Thu, 02 Jul 2026 05:00:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-03 19:45:08.678054
- Title: COMFYCLAW: Self-Evolving Skill Harnesses for Image Generation Workflows
- Title（参考訳）: COMFYCLAW: 画像生成ワークフローのための自己進化型スキルハーネス
- Abstract要約: COMFYCLAWはComfyUIを制御するためのエージェントスキル進化ハーネスである。
COMFYCLAWは、型付きグラフ編集としてワークフロー構築を定式化し、構築段階で編成されたツールを公開し、無効な編集を自動的に戻す。
フレームワークはさらに、トラジェクトリ、実行エラー、以前の実行からの検証済みフィードバックを再利用可能なエージェントスキルに蒸留する、段階的に公開されたスキルライブラリを進化させる。
- 参考スコア（独自算出の注目度）: 34.73635528159153
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Agents are increasingly used to construct workflows and assist humans in completing recurring tasks more efficiently. As these workflows become repeated and domain-specific, agent memory and reusable skills become increasingly important: agents should be able to recall workflow patterns, execution constraints, and user preferences from previous runs. We study this problem in workflow-based image generation and introduce COMFYCLAW, an agentic skill evolution harness for controlling ComfyUI workflows. COMFYCLAW formulates workflow construction as typed graph editing, exposes tools organized by construction stage, automatically reverts invalid edits, and uses a region-level vision-language model (VLM) verifier to translate visual failures into actionable repair suggestions. The framework further evolves a progressively disclosed skill library, where trajectories, execution errors, and verifier feedback from previous runs are distilled into reusable Agent Skills. Across four benchmark splits, three agent models, and two image backbones, COMFYCLAW achieves the best average image-generation evaluation score across all six agent configurations, outperforming a verifier-only baseline without skill evolution. Human annotations further show that annotators prefer COMFYCLAW over variants without skill evolution. Our results suggest that skill evolution is an effective mechanism for improving agent reliability and performance in recurring visual workflow construction.
- Abstract（参考訳）: エージェントはワークフローの構築や、人間がより効率的に反復タスクを完了するのを助けるために、ますます使われています。
これらのワークフローが繰り返し、ドメイン固有のものになると、エージェントメモリと再利用可能なスキルがますます重要になる。
ワークフローに基づく画像生成においてこの問題を考察し,ComfyUIワークフローを制御するエージェントスキル進化ハーネスであるCOMFYCLAWを導入する。
COMFYCLAWは、ワークフロー構築を型付きグラフ編集として定式化し、構築段階で整理されたツールを公開し、無効な編集を自動的に戻し、領域レベルの視覚言語モデル(VLM)検証器を使用して視覚障害を実行可能な修復提案に変換する。
フレームワークはさらに、トラジェクトリ、実行エラー、以前の実行からの検証済みフィードバックを再利用可能なエージェントスキルに蒸留する、段階的に公開されたスキルライブラリを進化させる。
4つのベンチマークスプリット、3つのエージェントモデル、2つのイメージバックボーン、COMFYCLAWは、6つのエージェント構成すべてで最高の平均画像生成評価スコアを獲得し、スキルの進化なしに検証者のみのベースラインを上回っている。
人間のアノテーションは、アノテータがスキルの進化を伴わない変種よりもCOMFYCLAWを好むことを示している。
この結果から,視覚ワークフロー構築の繰り返しにおけるエージェントの信頼性向上と性能向上に,スキル進化が有効なメカニズムであることが示唆された。
関連論文リスト
- Evo-Harness: Context-to-Harness Skill Compilation for Self-Evolving Agents [67.97365535829098]
経験から学ぶことは、有能で自己改善型の大規模言語モデル(LLM)エージェントの開発に不可欠である。
Evo-Harnessは、ノイズの多いシングルショット実行を、クロスドメインとトピックレベルの適応のための再利用可能なスキルハーネスに蒸留する。
本分析は,エボ・ハーネスの有効性を実証し,LLMエージェントがリアルタイムで効果的に学習する方法の原理的理解を提供する。
論文 参考訳（メタデータ） (2026-08-15T06:43:56Z) - DrawAI: Agentic Benchmark and Workflow for Making Raster Images Editable [10.070492917829995]
本稿では,エージェントベンチマークであるDrawAI-Benchと再構築ワークフローであるDrawAI-Flowを紹介する。
画像から直接操作可能なアーティファクトを復元し、その視覚的・意味的な内容を保存する。
その結果,再現性やコストはモデルハーネス構成によって大きく異なるが,DrawAI-Flowは一貫して編集可能な構造を改善していることがわかった。
論文 参考訳（メタデータ） (2026-08-01T09:05:06Z) - Rethinking Self-Evolution: A Constrained Exploration-Exploitation Process for Mitigating Skill Overfitting [20.811638832981178]
大規模言語モデル(LLM)エージェントは、過去のインタラクションからの経験を蓄積し再利用する必要がある。
データ駆動のスキル最適化は、実際の環境から収集された限られた軌道に過度に適合する傾向がある。
リスクを緩和する3段階フレームワークであるSkillBoostを提案する。
論文 参考訳（メタデータ） (2026-07-29T09:05:40Z) - SkillCoach: Self-Evolving Rubrics for Evaluating and Enhancing Agentic Skill-Use [21.05387636058484]
SkillCoachは、エージェントのスキル使用を評価し、強化するための自己進化フレームワークである。
実際のロールアウトから熟練したプロセスルーブリックを導き、四次元に沿って軌道を評価する。
外部検証器を別個の結果信号として保持し、プロセス品質を偶然のタスク成功と区別できるようにする。
論文 参考訳（メタデータ） (2026-07-02T08:28:51Z) - 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) - CV-Arena: An Open Benchmark for Instructional Computer Vision Problem Solving with Human-AI Collaborative Preferences [51.86576932800981]
CV-Arenaは、プロの規模でこの能力を評価するために設計されたオープンベンチマークである。
CV-Arenaは16の命令ベースの視覚タスクタイプにまたがる12Kの高解像度実像命令ペアを含んでいる。
我々は,計画,編集,検証を組み合わせた軽量エージェントモデルCV-Agentを開発した。
論文 参考訳（メタデータ） (2026-05-30T23:37:55Z) - Skill is Not One-Size-Fits-All: Model-Aware Skill Alignment for LLM Agents [9.144810798419975]
LLMエージェントは、長期の対話的タスクのパフォーマンスを向上させるために、意思決定時に取得した外部キュレートされたスキル・プロデューラルな指示を徐々に取り出す。
エージェントの重みを変更することなく、各ターゲットのバックボーンにスキルを適応させるフレームワークであるMASA Model-Aware Skill Alignmentを提案する。
MASAは、最強のベースラインで最大25.8ポイントを獲得して、常に最高の総合成績を収めている。
論文 参考訳（メタデータ） (2026-05-29T01:34:42Z) - 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) - 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) - SkillGen: Verified Inference-Time Agent Skill Synthesis [60.927977774369516]
SkillGenは、ベースエージェントによって生成されたトラジェクトリから単一の監査可能なスキルを合成するフレームワークである。
再利用可能な成功パターン、繰り返し発生する障害モード、そして近くの成功に現れるが失敗に欠ける行動を特定する。
SkillGenの重要な特徴は、エージェントスキルを、全体的なパフォーマンスに対するスキルのネット効果を実証的に検証するための介入としてモデル化することです。
論文 参考訳（メタデータ） (2026-05-09T19:24:11Z) - Learning to Use Tools via Cooperative and Interactive Agents [58.77710337157665]
ツール学習は、外部ツールを使用してユーティリティを拡張するエージェントとして、大きな言語モデル(LLM)を促進する。
ツール選択,ツール実行,アクションキャリブレーションの3つの特別なエージェントを個別にコーディネートする,協調型対話型エージェントフレームワークであるConAgentsを提案する。
3つのデータセットに対する実験により、LLMは、ConAgentsを装備した場合、大幅に改善されたベースラインよりも優れた性能を示した。
論文 参考訳（メタデータ） (2024-03-05T15:08:16Z)
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。