論文の概要: Inside the Skill Market: From Software Engineering Activities to Reusable Agent Skills
- arxiv url: http://arxiv.org/abs/2607.09065v1
- Date: Fri, 10 Jul 2026 03:21:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-13 14:47:12.771259
- Title: Inside the Skill Market: From Software Engineering Activities to Reusable Agent Skills
- Title（参考訳）: スキル市場の内部: ソフトウェアエンジニアリング活動から再利用可能なエージェントスキルへ
- Abstract要約: ソフトウェアエンジニアリング(略称SE)は、ますます強力な再利用形式を通じて継続的に進化しています。
AIエージェントの最近の進歩は、新しい再利用可能なアーティファクト、スキルを導入した。
エージェントスキルリポジトリとマーケットプレースにより、開発者はSEの専門知識を再利用可能なスキルとしてパッケージ化し、共有し、再利用することができる。
- 参考スコア（独自算出の注目度）: 17.375016703429164
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Software engineering (abbrev. SE) has continuously evolved through increasingly powerful forms of reuse, from source code and libraries to components and services. Recent advances in AI agents have introduced a potentially new reusable artifact: skills. Emerging agent skill repositories and marketplaces enable developers to package, share, and reuse SE expertise as reusable skills. This trend raises a fundamental question: what SE activities are being encapsulated into reusable skills? Existing studies primarily focus on a broad range of skills acquisition, safety, or benchmarking, while lacking a systematic understanding of SE-specific skills and their coverage across the software development lifecycle. To address this gap, we conduct the first large-scale empirical study of SE skills in public repositories and marketplaces. We collect and analyze a large corpus of SE skills, examining the activities they encapsulate, lifecycle coverage, evolution characteristics, and evaluation mechanisms. Our findings reveal that SE activities are increasingly becoming reusable artifacts via skills and suggest promising research opportunities for skill recommendation and engineering-oriented structuring, as well as the need for mechanisms to encapsulate high-context SE activities into reusable skills. Overall, our study provides the first activity-centric characterization of SE skills and reveals how SE activities are increasingly being transformed into reusable skills. These findings offer new insights into skill reuse, ecosystem development, and the future of agent-centric SE.
- Abstract（参考訳）: ソフトウェアエンジニアリング(SEの略)は、ソースコードやライブラリからコンポーネントやサービスに至るまで、ますます強力な再利用形式を通じて、継続的に進化しています。
AIエージェントの最近の進歩は、新しい再利用可能なアーティファクト、スキルを導入した。
新しいエージェントスキルレポジトリとマーケットプレースによって、開発者はSEの専門知識を再利用可能なスキルとしてパッケージ化し、共有し、再利用することができる。
どのようなSEアクティビティが再利用可能なスキルにカプセル化されているのか?
既存の研究は主に、幅広いスキル獲得、安全性、ベンチマークに重点を置いている一方で、SE固有のスキルと、ソフトウェア開発ライフサイクル全体にわたるそのカバレッジに関する体系的な理解が欠如している。
このギャップに対処するため、公開リポジトリやマーケットプレースでSEスキルに関する大規模な実証的研究を行った。
我々は,SEスキルの大規模なコーパスを収集,分析し,それらがカプセル化した活動,ライフサイクルカバレッジ,進化特性,評価メカニズムについて検討する。
以上の結果から,SE活動はスキルを通じた再利用可能なアーティファクトとなりつつあり,スキルレコメンデーションやエンジニアリング指向の構造化,さらには高文脈SE活動を再利用可能なスキルにカプセル化するためのメカニズムの必要性が示唆されている。
全体として、本研究は、SEスキルのアクティビティ中心のキャラクタリゼーションを初めて提供し、SEアクティビティが再利用可能なスキルにどのように変換されているかを明らかにした。
これらの発見は、スキル再利用、エコシステム開発、エージェント中心のSEの将来に関する新たな洞察を提供する。
関連論文リスト
- WikiSkill: Compiling Agent Experience into Persistent Knowledge for Skill Evolution [16.55630974027974]
我々は、永続的知識ベース(wiki)でエージェントスキルを共進化させるフレームワークであるWikiSkillを紹介する。
WikiSkillは最先端のスキル進化手法より一貫して優れています。
また、進化したスキルはモデルやモデルファミリー間で効果的に伝達され、他のモデルによって進化したスキルは、自己進化したスキルより優れていることもわかりました。
論文 参考訳（メタデータ） (2026-08-27T17:59:11Z) - 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) - Agent Skill Security: Threat Models, Attacks, Defenses, and Evaluation [0.0]
本稿では,再利用可能なエージェントスキルのセキュリティを評価するライフサイクル対応フレームワークであるSkillSec-Evalを提案する。
まず、スキルライフサイクルを特徴付け、リポジトリの受け入れ、セマンティック検索、プランナーの選択、実行、スキル進化にまたがる脅威分類を開発する。
次に、この分類をSkillSec-Evalにインスタンス化し、327の現実世界スキルのリポジトリを用いて総合的な経験的評価を行う。
論文 参考訳（メタデータ） (2026-07-15T16:15:46Z) - 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) - MUSE-Autoskill: Self-Evolving Agents via Skill Creation, Memory, Management, and Evaluation [14.16890033854702]
大規模言語モデル(LLM)エージェントは複雑なタスクを解決するために再利用可能なスキルに依存している。
既存のスキル創造アプローチは、スキルを独立した静的アーティファクトとして扱い、再利用性、信頼性、長期的な改善を制限する。
MUSE-Autoskill Agentは、エージェントがタスク解決能力を継続的に改善できるスキル中心のエージェントフレームワークである。
論文 参考訳（メタデータ） (2026-05-26T17:59:19Z) - OpenSkillEval: Automatically Auditing the Open Skill Ecosystem for LLM Agents [15.598856888948093]
スキル強化エージェントシステムとスキル自体の自動評価フレームワークであるtextscOpenSkillEvalを提案する。
静的ベンチマークに頼る代わりに、textscOpenSkillEvalは、現実世界のアーティファクトの進化から現実的なタスクインスタンスを自動的に構築する。
600以上の動的に生成されたタスクインスタンスと30のオープンソーススキルを使用して、最先端のモデルとエージェントフレームワークを体系的に評価する。
論文 参考訳（メタデータ） (2026-05-22T14:09:41Z) - SkillOS: Learning Skill Curation for Self-Evolving Agents [67.94374107466957]
本稿では,自己進化エージェントのスキルキュレーションを学習するための,経験駆動型RLトレーニングレシピであるSkillOSを提案する。
SkillOSは、凍結したエージェントエグゼキュータとトレーニング可能なスキルキュレーターを組み合わせて、蓄積したエクスペリエンスから外部SkillRepoを更新する。
SkillOSは、メモリフリーと強力なメモリベースラインを、有効性と効率の両方で一貫して上回っていることを示す。
論文 参考訳（メタデータ） (2026-05-07T17:31:50Z) - 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) - 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) - 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) - Agent Skills: A Data-Driven Analysis of Claude Skills for Extending Large Language Model Functionality [9.192260493061754]
エージェントスキルは、再利用可能なプログラムのようなモジュールで大きな言語モデル(LLM)エージェントを拡張する。
主要なマーケットプレースから40,285の公開スキルを大規模かつデータ駆動で分析する。
以上の結果から,コミュニティの注目度の変化を追及する短時間でスキルパブリッシュが発生する傾向が示唆された。
論文 参考訳（メタデータ） (2026-02-08T15:14:12Z) - Building Self-Evolving Agents via Experience-Driven Lifelong Learning: A Framework and Benchmark [57.59000694149105]
本稿では、自己進化エージェントを構築するためのフレームワークである、経験駆動型生涯学習(ELL)を紹介する。
ELLは、Experience Exploration、Long-term Memory、Skill Learning、Knowledge Internalizationの4つのコア原則に基づいて構築されている。
また、学生の総合的な大学旅行をシミュレートするELLのベンチマークデータセットであるStuLifeを紹介した。
論文 参考訳（メタデータ） (2025-08-26T13:04:28Z)
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。