論文の概要: An Empirical Study of Downstream Adaptation for Agent Skills

• arxiv url: http://arxiv.org/abs/2607.03238v1
• Date: Fri, 03 Jul 2026 11:55:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-09 12:52:23.006665
• Title: An Empirical Study of Downstream Adaptation for Agent Skills
• Title（参考訳）: エージェントスキルの下流適応に関する実証的研究
• Abstract要約: 本稿では,公営フォークにおける下流スキル適応に関する最初の実証的研究について述べる。 広く採用されている6つのスキルレポジトリから,1,126のスキル適応インスタンスを分析した。 スキルは簡単にインポートして再利用することを意図しているが、開発者はスキルが何をするかを書き直すのに多くの時間を費やしている。
• 参考スコア（独自算出の注目度）: 14.096680097936648
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: As Large Language Model (LLM) agents become integral to modern software systems, ``skills'' have emerged as a novel unit of software reuse, enabling developers to package workflows, decision procedures, and prompt-based policies. While skills are intended for reuse, downstream developers frequently modify published skills to fit local contexts, yet little is known about the nature of such adaptations. This paper presents the first empirical study of downstream skill adaptation in public forks, to understand how published skills are adapted, and to provide implications for researchers and engineers on improving skill design, evolution, and orchestration. Specifically, we analyze 1,126 skill-adaptation instances from six widely adopted skill repositories and develop a taxonomy comprising 46 adaptation patterns organized into 13 families. Our key findings reveal a reuse paradox: although skills are intended to be easily imported and reused, developers spend a lot of effort rewriting what the skills do, fixing skill discoverability, and translating them for different tools and languages, indicating a need for better abstractions, standardized interfaces, and automated support for skill adaptation. Furthermore, adaptations are highly interdependent, with changes in one component often requiring coordinated updates elsewhere, motivating automated support for detecting inconsistent modifications. We also find that nearly one-fifth of adaptations introduce security-sensitive content within the same instruction text that governs behavior.
• Abstract（参考訳）: 大規模言語モデル(LLM)エージェントが現代のソフトウェアシステムに不可欠なものになると、‘スキル’はソフトウェア再利用の新しい単位として現れ、開発者はワークフローや意思決定手順、プロンプトベースのポリシーをパッケージ化できる。 スキルは再利用を目的としているが、下流の開発者は、しばしば公開スキルをローカルコンテキストに適合させるように修正するが、そのような適応の性質についてはほとんど知られていない。 本稿では,公共のフォークにおける下流のスキル適応に関する最初の実証的研究を行い,公開スキルの適応方法を理解するとともに,研究者や技術者がスキル設計,進化,オーケストレーションを改善する上での意義について述べる。 具体的には、6つの広く採用されているスキルレポジトリから1,126のスキル適応事例を分析し、46の適応パターンを13の家系に分類した分類法を開発した。 スキルは簡単にインポートして再利用することを目的としていますが、開発者はスキルの書き直し、スキル発見性を修正し、異なるツールや言語に翻訳し、より良い抽象化、標準化されたインターフェース、スキル適応のための自動サポートの必要性を示しています。 さらに、適応は非常に相互依存的であり、1つのコンポーネントの変更は、しばしば他の部分で調整された更新を必要とし、一貫性のない修正を検出するための自動サポートを動機付けている。 また、適応の5分の1近くが、動作を管理する同じ命令テキスト内にセキュリティに敏感なコンテンツを導入していることも判明した。

関連論文リスト

• SkillAligner: Treating Retrieved Skills as Adaptable Drafts at Execution Time [14.34844805305673]
  汎用スキルは、言語エージェントのための再利用可能な手続き的知識を約束する。 しかし、セマンティックな関連性は実行ユーティリティを保証しません。 トレーニング不要な実行時スキル適応フレームワークであるSkillAlignerを提案する。
  論文  参考訳（メタデータ） (2026-08-07T07:05:53Z)
• ContinualSkillBench: Can LLM Agents Truly Evolve Their Capabilities? [42.712923465058786]
  In-context連続型スキル学習のための動的評価フレームワークであるContinualSkillBenchを紹介する。 シーケンシャルな実行は一般的にパフォーマンスを改善するが、モデルやドメインによって大きな違いがある。 さらに、より能力の低いモデルは、より大きな、より断片化されたタスク固有のスキルのコレクションを蓄積する傾向にある。
  論文  参考訳（メタデータ） (2026-08-04T16:15:02Z)
• Skill Self-Play: Pushing the Frontier of LLM Capability with Co-Evolving Skills [53.15216425100295]
  本稿では,提案者,解決者,スキルコントローラからなる共進化型フレームワークであるスキルセルフプレイ(スキルSP)を紹介する。 プロジェクタは動的にサンプリングされたスキルを前提とした挑戦的なタスクを生成し、ソルバは能力境界を押し上げるための候補ソリューションを探索し、スキルコントローラは実行フィードバックを収集してスキルライブラリを更新および拡張する。 このインタラクティブな共進化は、構造化された検証とオープンな調査の間のギャップを効果的に埋める。
  論文  参考訳（メタデータ） (2026-07-24T17:59:22Z)
• From Registry to Repository: How AI Agent Skills Are Written, Adapted, and Maintained [13.991357454554949]
  筆者らは,AIエージェントのスキルを,著者,再利用,カスタマイズ,維持を行う技術工芸品として,初めて実証的研究を行った。 私たちは5,876のGitHubリポジトリから18,463のスキルと23,199の個人利用スキルをマイニングし、3,709の再利用リンクを特定しました。 ほとんどの再利用されたスキルは、ほぼ最高のままで、53%は採用後に変更されず、その後のローカルメンテナンスは圧倒的に付加的なものである。
  論文  参考訳（メタデータ） (2026-07-01T13:14:45Z)
• 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)
• You Live More Than Once: Towards Hierarchical Skill Meta-Evolving [92.6633152185458]
  テストタイムスキルの進化はエージェントシステムを強化するための新しいパラダイムと見なされている。 エージェントシステムの継続的改善には,スキル進化フレームワークの試験時間改善が不可欠であることを示す。 軽量な階層型スキルメタ進化ソリューションであるHiSMEを提案する。
  論文  参考訳（メタデータ） (2026-05-27T12:26:49Z)
• 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)
• SkillLens: Adaptive Multi-Granularity Skill Reuse for Cost-Efficient LLM Agents [6.293920920196533]
  SkillLensは階層的なスキル進化フレームワークで、スキルをポリシー、戦略、手順、プリミティブの4層グラフにまとめる。 セマンティックなスキルシードを検索し、スキルグラフの次数補正されたランダムウォークを通じて拡張し、各訪問したユニットが受け入れられ、分解され、書き直され、スキップされるかどうかを検証器を使って決定する。 MuLocbenchとALFWorld全体で、SkillLensは、強いスキルベースのベースラインよりも一貫して改善されている。
  論文  参考訳（メタデータ） (2026-05-08T18:48:04Z)
• From Context to Skills: Can Language Models Learn from Context Skillfully? [56.5857437218136]
  Ctx2Skillは、コンテキスト固有のスキルを自律的に発見、洗練、選択する自己進化フレームワークである。 より良い文脈学習能力を得るために、どんな言語モデルにもプラグインできる。
  論文  参考訳（メタデータ） (2026-04-30T09:53:15Z)
• SkillClaw: Let Skills Evolve Collectively with Agentic Evolver [18.942639318503062]
  マルチユーザエージェントエコシステムにおける集合的スキル進化のためのフレームワークであるSkillClawを紹介する。 SkillClawは、クロスユーザとオーバータイムのインタラクションを、スキル向上のための主要なシグナルとして扱う。 使用中に生成された軌跡を連続的に集約し、自律的な進化器で処理する。 得られたスキルは共有リポジトリに保持され、ユーザ間で同期される。
  論文  参考訳（メタデータ） (2026-04-09T15:38:27Z)
• SemTra: A Semantic Skill Translator for Cross-Domain Zero-Shot Policy Adaptation [6.876580618014666]
  本研究では、ドメイン間のセッティングにおいて、セマンティックスキル、セマンティックな専門家の行動パターンのゼロショット適応能力について検討する。 本稿では,セマンティック・スキル・トランスレータ・フレームワークSemTraについて述べる。 我々はMeta-World、Franka Kitchen、RLBench、CARLA環境でフレームワークを評価した。
  論文  参考訳（メタデータ） (2024-02-12T05:46:10Z)

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。