論文の概要: Search2Skill: Skill Distillation Beyond Knowledge Boundaries Via Rubric-Based Reinforcement Learning
- arxiv url: http://arxiv.org/abs/2608.05245v1
- Date: Wed, 05 Aug 2026 15:09:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-07 17:43:06.650206
- Title: Search2Skill: Skill Distillation Beyond Knowledge Boundaries Via Rubric-Based Reinforcement Learning
- Title（参考訳）: Search2Skill:ルーブリックによる強化学習による知識境界を越えたスキル蒸留
- Abstract要約: 本稿では,エージェントの能力ギャップを自動的に識別し,外部ソースを検索して対処する新しいフレームワーク,Search2Skillを提案する。
3つのベンチマークによる8つのエキスパートレベルドメインの実験は、Search2Skillが検索強化とトラジェクトリベースのスキル学習ベースラインを一貫して上回っていることを示している。
- 参考スコア（独自算出の注目度）: 38.331356573409884
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Reusable skills, which encapsulate the procedural knowledge required to solve real-world professional tasks, offer LLM-based agents a path toward self-evolution in expert domains. Existing self-evolving skill methods construct skills internally from the model's parametric knowledge or trajectories, and are therefore bounded by what the model already knows. However, the domain conventions and standard procedures underlying professional skills often lie beyond this boundary and are hard to elicit from the agent alone. To address this issue, we therefore propose a novel framework, Search2Skill, that automatically identifies the agent's capability gaps, searches external sources to address them, and distills the retrieved evidence into structured, reusable skills. Specifically, Search2Skill is optimized by a rubric-based reinforcement learning scheme that jointly improves when to search, how to search, and how to generate skills. Experiments on eight expert-level domains from three benchmarks show that Search2Skill consistently outperforms both search-augmented and trajectory-based skill-learning baselines under both streaming and held-out evaluation protocols. Further analyses show that the gains arise from skill abstraction rather than raw retrieved evidence, and that the acquired skills transfer across model scales.
- Abstract（参考訳）: 現実のプロフェッショナルなタスクを解くために必要な手続き的知識をカプセル化した再利用可能なスキルは、LLMベースのエージェントに、専門家ドメインにおける自己進化への道筋を提供する。
既存の自己進化的なスキルメソッドは、モデルのパラメトリックな知識や軌道から内部的にスキルを構築する。
しかし、ドメインの慣例や専門的スキルの基礎となる標準的な手続きは、しばしばこの境界を越えており、エージェントのみから引き出すのは難しい。
そこで本研究では,エージェントの能力ギャップを自動的に識別し,外部ソースを検索して対処し,検索した証拠を再利用可能な構造に抽出する新しいフレームワークであるSearch2Skillを提案する。
特にSearch2Skillは、検索のタイミング、検索の仕方、スキルの作り方などを共同で改善するルーリックベースの強化学習スキームで最適化されている。
3つのベンチマークによる8つのエキスパートレベルドメインの実験によると、Search2Skillは、ストリーミングおよびホールドアウト評価プロトコルの下で、検索強化とトラジェクトリベースのスキル学習ベースラインを一貫して上回っている。
さらに分析した結果, 得られた技術は, 生の証拠ではなく, 技術抽象化から得られるものであり, 獲得した技術がモデルスケール間で伝達されることが示唆された。
関連論文リスト
- SkillReason: Reasoning-Enhanced Agent Skill Retrieval for Implicit User Requests [13.420494836976033]
SkillReason-Benchは3,729のクエリと9つのドメインにまたがる61,228スキルの検索コーパスを含む大規模クロスドメインベンチマークである。
SkillRea sonという2段階のフレームワークを提案する。
SkillReason-Bench、SkillRet、SRA-Benchの実験は、Skill-Reasonが3つのベンチマークすべてで最先端のパフォーマンスを達成したことを示している。
論文 参考訳（メタデータ） (2026-08-09T11:19:20Z) - 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) - Parametric Skills [18.083331448567936]
ParametricSkillsは、フリーフォームのテキストスキルをテスト時にパラメータに変換し、文脈のないスキル活用を可能にするフレームワークである。
提案したParametricSkillsは,DeepSeek-V4-Flashで判断した,コンテキスト内学習を平均6.44ポイント上回る性能を示した。
論文 参考訳（メタデータ） (2026-06-29T09:19:32Z) - A Framework for Evaluating Agentic Skills at Scale [0.4509560087514856]
エージェントスキルは構造化され、エージェント能力を増強する再利用可能な知識アーティファクトである。
個々のスキルを評価するための再利用可能な方法論は存在しない。
本稿では,スキルライターが現実的なタスクを構築できる評価フレームワークを提案する。
論文 参考訳（メタデータ） (2026-06-16T11:46:56Z) - 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) - Skill0.5: Joint Skill Internalization and Utilization for Out-of-Distribution Generalization in Agentic Reinforcement Learning [25.966432263031397]
Skill0.5は、一般的なスキル内部化とタスク固有のスキル利用を組み合わせることで、スキル処理を明確に区別する新しいエージェントRLフレームワークである。
特典蒸留によって一般的なスキルを内包し、ハードタスクの認知基盤を構築すると同時に、ショートカットをペナルティ化し、特定のスキル利用を強制するための簡単なタスクを診断する。
ALFWorldとWebShopの実験では、Skill0.5はメモリベースのRLベースラインとスキルベースのRLベースラインの両方を上回っている。
論文 参考訳（メタデータ） (2026-05-27T12:54:33Z) - 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) - SAKE: Self-aware Knowledge Exploitation-Exploration for Grounded Multimodal Named Entity Recognition [28.17858615204594]
Grounded Multimodal Named Entity Recognition (GMNER)は、名前付きエンティティを抽出し、画像とテキストのペア内で視覚領域をローカライズすることを目的としている。
オープンワールドのソーシャルメディアプラットフォームでは、GMNERは長い尾を持ち、急速に進化し、目に見えない存在であるため、依然として挑戦的だ。
本研究では、内部知識の活用と外部知識探索を調和させるエンドツーエンドのエージェントフレームワークであるSAKEを提案する。
論文 参考訳（メタデータ） (2026-04-22T03:17:36Z) - How Well Do Agentic Skills Work in the Wild: Benchmarking LLM Skill Usage in Realistic Settings [29.3744517703302]
本研究は,段階的に挑戦的な現実的な環境下でのスキルユーティリティの総合的研究である。
その結果、設定がよりリアルになるにつれて、パフォーマンスは一貫して低下することがわかった。
クエリ固有の改善は、初期スキルが合理的な妥当性と品質を持つ場合に、性能を著しく回復することを示す。
論文 参考訳（メタデータ） (2026-04-06T00:10:30Z) - A Survey of Frontiers in LLM Reasoning: Inference Scaling, Learning to Reason, and Agentic Systems [93.8285345915925]
推論(Reasoning)は、論理的推論、問題解決、意思決定を可能にする基本的な認知プロセスである。
大規模言語モデル(LLM)の急速な進歩により、推論は高度なAIシステムを区別する重要な能力として浮上した。
我々は,(1)推論が達成される段階を定義するレジーム,(2)推論プロセスに関与するコンポーネントを決定するアーキテクチャの2つの側面に沿って既存の手法を分類する。
論文 参考訳（メタデータ） (2025-04-12T01:27:49Z) - Hierarchical Skills for Efficient Exploration [70.62309286348057]
強化学習において、事前訓練された低レベルスキルは、探索を大幅に促進する可能性がある。
下流タスクの以前の知識は、スキルデザインにおける一般性(きめ細かい制御)と特異性(より高速な学習)の適切なバランスをとるために必要である。
教師なしの方法で様々な複雑さのスキルを習得する階層的スキル学習フレームワークを提案する。
論文 参考訳（メタデータ） (2021-10-20T22:29:32Z)
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。