論文の概要: SIGIL: Compiling Agent Skills into Typed Harnesses
- arxiv url: http://arxiv.org/abs/2607.27309v1
- Date: Wed, 29 Jul 2026 17:49:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-31 21:37:00.290599
- Title: SIGIL: Compiling Agent Skills into Typed Harnesses
- Title（参考訳）: SIGIL: エージェントスキルをタイプされたハーネスにコンパイルする
- Abstract要約: Skill Compilationを導入し、散文のスキルを実行可能なハーネスにコンパイルする。
コンパイルされたハーネスは86%の強制ステップを実行し、フル手順の2.3倍を頻繁に完了し、トークンの0.58倍を必要とする。
ハーネスは2世代で86%、散文は56%から68%だ。
- 参考スコア（独自算出の注目度）: 3.383208046995159
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: AI-Integrated agents increasingly acquire capability from skills: prose procedure files loaded into a model's context and run by a tool-calling loop. A skill is described to the runtime but never encoded in it, so the model re-derives its control flow on every run and may skip mandated verification. Across 30 skills and two model generations, a prose agent performs only 56% of the steps its own skill mandates, while producing artifacts that pass output checks. The remedy is known: write a harness, in which the procedure is program structure. However, hand-writing harnesses is tedious and discards the authoring surface that made skills succeed. To address this limitation, we introduce Skill Compilation, realized in SIGIL, which compiles a prose skill into an executable harness. At its center is AG-IR, a typed agentic intermediate representation separating model-owned cognition from code-owned mechanism. Compiled harnesses perform 86% of mandated steps, complete the full procedure 2.3x as often, and require 0.58x the tokens. Notably, the guarantee is model-independent: the harness holds at 86% across two model generations while prose swings from 56% to 68%.
- Abstract（参考訳）: AI-Integratedエージェントは、スキルから、ますます能力を取得する。 モデルのコンテキストにロードされ、ツール呼び出しループによって実行されるプロシージャファイル。
スキルはランタイムに記述されるが、コード化されないため、モデルは実行毎に制御フローを再帰し、強制検証をスキップする可能性がある。
30のスキルと2つのモデル世代にわたって、散文エージェントは、出力チェックをパスするアーティファクトを生成しながら、自身のスキル管理のステップの56%しか実行しない。
ハーネスを書き、プロシージャはプログラム構造である。
しかし、手書きのハーネスは面倒で、スキルを成功させたオーサリング面を捨てる。
この制限に対処するため、SIGILで実現されたSkill Compilationを導入し、散文のスキルを実行可能なハーネスにコンパイルする。
AG-IRは、コード所有のメカニズムからモデル所有の認知を分離する型付きエージェント中間表現である。
コンパイルされたハーネスは86%の強制ステップを実行し、フル手順の2.3倍を頻繁に完了し、トークンの0.58倍を必要とする。
ハーネスは2世代で86%、散文は56%から68%だ。
関連論文リスト
- Beyond Executable Models: The Pufibara Agent Harness and the Modelica Agent Workflow Benchmark for Physical System Modeling [3.2102307224389484]
物理システムモデリングは、ソフトウェア工学における汎用コード生成とは異なる要件を提示する。
この課題は、モデルが意図した物理や工学的要求に違反しながら、モデルをコンパイルし、シミュレートできる方程式ベースのモデリング言語であるModelicaで研究されている。
提案するエージェントハーネスであるPufibaraは、リビジョン全体にわたって永続的なエンジニアリング状態を維持し、実行シミュレーションの証拠と、それを生成した候補を関連付け、明示的なエージェントアクションを提出する。
論文 参考訳（メタデータ） (2026-08-24T11:50:07Z) - 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) - Skill-Use: Can LLMs Actually Use Skills in Agentic Harnesses? [38.776828282073865]
プログレッシブな開示下でのスキル使用を評価するベンチマークであるSkill-Useを紹介する。
トリガーは、エージェントが関連するスキルを起動するかどうかを計測し、コンプライアンスは、それが所定の手順に従うかを忠実に測定し、バウンダリは、それが禁止された操作を避けるかどうかを計測する。
スキル・ユース(SU)スコアは、スキルが起動された後にのみ3つとクレジットの実行を組み合わせる。
論文 参考訳（メタデータ） (2026-08-05T13:29:16Z) - Harnessing Code Agents for Automatic Software Verification [0.47154736035631406]
大規模言語モデル(LLM)は、自動的に証明を生成することを約束するが、既存のアプローチは、固定された人間設計の証明戦略をシステムに結び付ける。
このような戦略を課すことは不要で制限的であることを示す。
レムマ全体を一般的なコードエージェントに手渡して、独自のアプローチを自由に選択し、検証ハーネスにラップすることは、シンプルでより効果的です。
論文 参考訳（メタデータ） (2026-07-07T14:39:59Z) - VASO: Formally Verifiable Self-Evolving Skills for Physical AI Agents [57.240036084348354]
本稿では,ロボットスキルコントラクトの検証誘導自己進化のためのフレームワークであるVASOを紹介する。
VASOは論理的に一貫性のないスキル契約を検証し、グローバルおよびローカルな時間的仕様に対してスキルによって誘発される計画を検証する。
Clearpath Jackal と PX4 のクアッドコプタータスクでは、VASO は100点未満の最適化サンプルを使用して97.2% の形式的な仕様準拠に達した。
論文 参考訳（メタデータ） (2026-06-03T20:02:35Z) - 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) - Skill-as-Pseudocode: Refactoring Skill Libraries to Pseudocode for LLM Agents [50.78646963535282]
Skill-as-Pseudocode (SaP) はマークダウンスキルライブラリの型付き擬似コードへの自動変換である。
1つ以上のスキルから引き出された類似の手続きパスのクラスタごとに、SaPは型付きコントラクトを抽出し、それを4チェック決定性検証器を通じてフィルタリングする。
プロモートされた契約は、復元された具体的なアクションテンプレートと共に書き直されたスキルスケルトンにインライン化され、エージェントは2つの補完的な信号を与える。
論文 参考訳（メタデータ） (2026-05-27T04:48:40Z) - Under the Hood of SKILL.md: Semantic Supply-chain Attacks on AI Agent Skill Registry [49.83108591873481]
SKILL.md - エージェントスキルライフサイクルの3つのステージを対象とするアタックのみを調査する。
SKILL.mdは受動的ドキュメントではなく、サードパーティのエージェントが発見し、信頼し、使用する機能を形成する運用テキストであることを示す。
論文 参考訳（メタデータ） (2026-05-12T02:11:54Z) - 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) - Agentic Harness Engineering: Observability-Driven Automatic Evolution of Coding-Agent Harnesses [57.20181537213498]
Agentic Harness Engineering (AHE)は、ハーネスエンジニアリングを自動化するクローズドループである。
AHEは3つの一致した可観測性柱を通じて課題に対処する。
10 AHE lift pass@1 on Terminal-Bench 2 from 69.7% to 77.0%。
SWE-bench-verifiedでは、種子よりも12%少ないトークンで合計成功率を上回り、ターミナルベンチ2では+5.1から+10.1ppのクロスファミリーゲインを得る。
論文 参考訳（メタデータ） (2026-04-28T16:55:02Z) - HarnessAgent: Scaling Automatic Fuzzing Harness Construction with Tool-Augmented LLM Pipelines [22.70950665226898]
HarnessAgentはツール拡張されたエージェントフレームワークで、何百ものOSS-Fuzzターゲットに対して完全に自動化され、スケーラブルなハーネス構築を実現する。
OSS-Fuzzプロジェクトと178のC++プロジェクトから243のターゲット関数に対してHarnessAgentを評価する。
論文 参考訳（メタデータ） (2025-12-03T03:55:09Z)
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。