論文の概要: SkillCenter: A Large-Scale Source-Grounded Skill Library for Autonomous AI Agents
- arxiv url: http://arxiv.org/abs/2607.07676v1
- Date: Wed, 08 Jul 2026 17:34:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-09 22:50:30.478275
- Title: SkillCenter: A Large-Scale Source-Grounded Skill Library for Autonomous AI Agents
- Title（参考訳）: SkillCenter: 自律型AIエージェントのための大規模オープンソースGrounded Skill Library
- Abstract要約: SkillCenterは、24のドメインバンドルにまたがる216,938の構造化スキルを持つ、エージェントのための最大のオープンスキルライブラリである。
SkillGate-filteredパイプラインは、ピアレビューされたジャーナル、ArXiv、および24,000以上の技術ソースから114,565のソースグランドスキルを提供する。
すべてのスキルはオフライン検索可能なFTS5バンドルとして出荷される。
- 参考スコア（独自算出の注目度）: 32.01322382487431
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Autonomous AI agents can execute complex tasks with limited human review, yet they often lack the grounded operational knowledge to make their outputs not just executable but correct, secure, and maintainable. We introduce SkillCenter, to our knowledge the largest open skill library for agents by total count: 216,938 structured skills across 24 domain bundles. A SkillGate-filtered pipeline contributes 114,565 source-grounded skills from peer-reviewed journals, ArXiv, and over 24,000 technical sources, integrated with 102,373 community skills from GitHub and the ClawHub marketplace. We present the end-to-end framework that builds the pipeline subset: multi-source acquisition, an LLM-based quality gate (SkillGate), template-driven generation, iterative source-grounding, and quality-controlled publishing. Source grounding is a traceability guarantee: each retained claim maps to an exact quotation in its source. All skills ship as offline-searchable SQLite FTS5 bundles.
- Abstract（参考訳）: 自律的なAIエージェントは、人間のレビューを限定して複雑なタスクを実行することができるが、アウトプットを実行可能なだけでなく、正しく、安全で、メンテナンス可能なものにするための基本的な運用知識を欠くことが多い。
SkillCenterは、24のドメインバンドルにまたがる216,938の構造化スキルを持つエージェントのための最大のオープンスキルライブラリです。
SkillGateフィルタリングパイプラインは、ピアレビューされたジャーナル、ArXiv、および24,000以上の技術ソースから114,565のソースグランドスキルを提供し、GitHubとClawHubのコミュニティスキル102,373と統合されている。
本稿では,パイプラインサブセットを構築するエンドツーエンドフレームワークについて述べる。マルチソース取得,LCMベースの品質ゲート(SkillGate),テンプレート駆動生成,反復的ソースグラウンド,品質管理型パブリッシングである。
ソースの根拠はトレーサビリティの保証であり、それぞれの保持されたクレームはソースの正確な引用にマップする。
すべてのスキルはオフラインで検索可能なSQLite FTS5バンドルとして提供される。
関連論文リスト
- Repo-To-Skill: Distilling GitHub Repositories Into AI4AI Skills [86.15447717549154]
私たちは、スキルを創造し、研究中にそれらを使用する、スキル駆動型研究エージェントであるDisCoを紹介します。
私たちはこの欠落したレイヤの運用知識を、メソッドの知識を機能させるのと分離するノウハウと呼んでいる。
論文 参考訳（メタデータ） (2026-09-02T15:49:41Z) - Evaluating Skills, Not Just Agents: Agentic Continuous Evaluation of Skills [9.077159743623076]
実行可能なエージェントアーティファクトとして、スキルと製品機能パッケージを評価するための、リポジトリネイティブフレームワーク。
ACESは、ターゲットスキルとなしのペアライブトライアルを実行し、6つのデフォルトランタイムメトリクスをグレードし、Skill Liftをレポートする。
この方法論のオープンソース実装はNVIDIA SkillEvaluatorで利用可能だ。
論文 参考訳（メタデータ） (2026-08-20T23:26:14Z) - SkillCorpus: Consolidating and Evaluating the Open Skill Ecosystem for Real-World LLM Agents [16.77727447235193]
SkillCorpusは、オープンスキルのエコシステムを集約し、キュレートし、マッチングし、評価するフレームワークです。
マルチステージパイプラインを通した821,000人のクロールスキルを、16クラスの分類と3つの品質面(実用性、堅牢性、安全性)によって構成された96,401のスキルにフィルタリングする。
我々は,3つのベンチマーク(SkillsBench,GDPVal,QwenClawBench),2つのハーネス,2つのオープンバックボーン(フロンティアロバストネスチェック)でエンドツーエンドを評価する。
論文 参考訳（メタデータ） (2026-07-17T01:55:17Z) - 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。
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) - OpenSkill: Open-World Self-Evolution for LLM Agents [57.88680042818572]
我々はオープンワールドの自己進化について研究し、エージェントはそのスキルと独自の検証シグナルをゼロから構築しなければならない。
このループをブートストラップするフレームワークであるOpenSkillを提案する。
OpenSkillは、非スーパービジョン制約を満たしながら、最高の自動パスレートを達成する。
論文 参考訳（メタデータ） (2026-06-04T21:55:48Z) - COLLEAGUE.SKILL: Automated AI Skill Generation via Expert Knowledge Distillation [58.84646485020439]
人為的なAIスキルを生成するための自動トレース・ツー・スキル蒸留システムを提案する。
COLLEAGUE.SKILLは、実践、メンタルモデル、意思決定のための能力トラックと、コミュニケーションスタイル、インタラクションルール、修正履歴のための有界な行動トラックの2つのトラックを持つバージョン付きのスキルパッケージを生成する。
論文 参考訳（メタデータ） (2026-05-29T12:59:08Z) - BIT.UA-AAUBS at ArchEHR-QA 2026: Evaluating Open-Source and Proprietary LLMs via Prompting in Low-Resource QA [65.22695574492265]
本稿では,ArchEHR-QA 2026共有タスクにおけるBIT.UAグループとAAUBSグループの共同参加について述べる。
トレーニングデータがないことと、医療領域に固有の厳格なデータプライバシー制約があるため、重み付けをせずにLLM(Large Language Models)の能力を調査する。
我々は、いくつかの最先端のプロプライエタリモデルと、様々な迅速なエンジニアリング戦略を用いて、ローカルにデプロイ可能なオープンソース代替品を評価した。
我々の結果は、プロプライエタリなモデルは変化を促す強力なレジリエンスを示す一方で、ドメイン適応型オープンソースモデル(MedGemma 3 27Bなど)は高い競争力を発揮することを示した。
論文 参考訳（メタデータ） (2026-05-05T10:43:56Z) - AcademiClaw: When Students Set Challenges for AI Agents [69.70303995121154]
AcademiClaw(アカデミクロー)は、大学生の実際の学術的切断から直接引き出された80の複雑な長い水平タスクのベンチマークである。
最高のモデルでさえ、55%のパスレートしか達成できないことを示す。
AcademiClawとそのオープンソースデータとコードが、OpenClawコミュニティにとって有用なリソースになることを願っています。
論文 参考訳（メタデータ） (2026-05-04T14:40:42Z) - 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) - 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) - SoK: Agentic Skills -- Beyond Tool Use in LLM Agents [6.356997609995175]
エージェントシステムは、より確実にロングホライゾンを実行するために、再利用可能な手続き能力、すなわちエージェントスキルに依存している。
本論文は,全ライフサイクルのスキルレイヤ(発見,実践,蒸留,貯蔵,構成,評価,更新)をマッピングする。
我々は、スキルベースのエージェントのセキュリティとガバナンスの影響を分析し、サプライチェーンのリスク、スキルペイロードによるインジェクションの促進、信頼度の高い実行をカバーします。
論文 参考訳（メタデータ） (2026-02-24T13:11:38Z)
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。