論文の概要: SkillReason: Reasoning-Enhanced Agent Skill Retrieval for Implicit User Requests
- arxiv url: http://arxiv.org/abs/2608.08640v1
- Date: Sun, 09 Aug 2026 11:19:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-11 19:16:36.903756
- Title: SkillReason: Reasoning-Enhanced Agent Skill Retrieval for Implicit User Requests
- Title（参考訳）: SkillReason: 不正なユーザリクエストに対する推論強化されたエージェントスキル検索
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 13.420494836976033
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Large language model agents increasingly rely on reusable skills to extend their capabilities beyond parametric knowl- edge. However, retrieving the appropriate skill from a large- scale library remains challenging because realistic user re- quests are often concise and underspecified, stating only the task goal while leaving the required capabilities and execu- tion steps implicit. Existing benchmarks provide limited cov- erage of such requests. To address this gap, we introduce SkillReason-Bench, a large-scale cross-domain benchmark containing 3,729 queries and a retrieval corpus of 61,228 skills spanning nine domains. We further propose SkillRea- son, a two-stage framework that uses chain-of-thought rea- soning as training-time supervision for skill retrieval. In Stage I, capability reasoning traces generated by a stronger teacher provide explicit supervision through contrastive learning, re- trieval distribution alignment, and language modeling, en- couraging the retriever to internalize capability reasoning in its query representation. In Stage II, a retrieval-guided GRPO objective encourages the model to explore reasoning trajecto- ries better suited to its own capabilities and more effective for retrieval. At inference, SkillReason directly encodes the orig- inal query without autoregressive CoT generation, preserv- ing efficient query-only retrieval. Extensive experiments on SkillReason-Bench, SkillRet, and SRA-Bench show that Skill- Reason achieves state-of-the-art performance across all three benchmarks, demonstrating that reasoning-enhanced training better bridges the semantic gap between high-level task goals and skill capabilities.
- Abstract（参考訳）: 大規模言語モデルエージェントは、パラメトリックノウルエッジを超えて機能を拡張するために、再利用可能なスキルに依存している。
しかし、現実的なユーザリクエストはしばしば簡潔で不明確であり、必要な機能と実行段階のステップを暗黙的に残しながら、タスク目標のみを記述しているため、大規模なライブラリから適切なスキルを取得することは依然として困難である。
既存のベンチマークでは、そのようなリクエストのCov-消去が制限されている。
SkillReason-Benchは3,729のクエリと9つのドメインにまたがる61,228のスキルの検索コーパスを含む大規模なクロスドメインベンチマークである。
さらに、チェーン・オブ・レア・ソニングをスキル検索の訓練時間監視として利用する2段階のフレームワークであるSkillRea sonを提案する。
ステージIでは,より強い教師が生み出す能力推論トレースが,コントラスト学習,再三次分布アライメント,言語モデリングを通じて,クエリ表現における能力推論の内在化を促進させる。
ステージIIでは、検索誘導目的のGRPOは、自身の能力により適し、検索により効果的であるように、モデルにトラジェクトリーの推論を奨励する。
推論では、SkillReasonは自動回帰CoT生成なしでORig-inalクエリを直接エンコードする。
SkillReason-Bench、SkillRet、SRA-Benchに関する大規模な実験は、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。
関連論文リスト
- Imagine Before Retrieval: Prospective Skill Retrieval for LLM Agents [19.57498769577715]
本稿では,QSM(Query-Skill Misalignment)問題の負の影響を軽減する新しいフレームワークであるSkillDreamerを提案する。
簡単に言うと、SkillDreamerはタスク実行に必要な機能を推測し、擬似スキルを生成してこれらの能力を実現する方法を想像する。
SkillRetとSkillUsageの大規模な実験は、スキル検索とエンドツーエンドタスク実行の両方において、SkillDreamerの有効性を証明する。
論文 参考訳（メタデータ） (2026-08-28T13:19:50Z) - 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) - Search2Skill: Skill Distillation Beyond Knowledge Boundaries Via Rubric-Based Reinforcement Learning [38.331356573409884]
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。
論文 参考訳（メタデータ） (2026-08-05T15:09:07Z) - Rethinking Self-Evolution: A Constrained Exploration-Exploitation Process for Mitigating Skill Overfitting [20.811638832981178]
大規模言語モデル(LLM)エージェントは、過去のインタラクションからの経験を蓄積し再利用する必要がある。
データ駆動のスキル最適化は、実際の環境から収集された限られた軌道に過度に適合する傾向がある。
リスクを緩和する3段階フレームワークであるSkillBoostを提案する。
論文 参考訳（メタデータ） (2026-07-29T09:05:40Z) - 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) - 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) - SkillRet: A Large-Scale Benchmark for Skill Retrieval in LLM Agents [8.628588436048952]
LLMエージェントにおけるスキル検索のための大規模ベンチマークであるSkillRetを紹介する。
63,259のトレーニングサンプルと,相容れないスキルプールを備えた4,997のアセスメントクエリを提供する。
オフザシェルフモデルは現実的な大規模スキルライブラリに苦しむが、以前のスキル検索モデルは依然として相当なヘッドルームを残している。
論文 参考訳（メタデータ） (2026-05-07T06:18:11Z) - 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) - Skill Retrieval Augmentation for Agentic AI [28.71123853744993]
既存のエージェントシステムでは、スキルを取り入れるための主要な戦略は、コンテキストウィンドウ内で利用可能なスキルを列挙することである。
本稿では,SRA(Skill Retrieval Augmentation, SRA)を定式化し, エージェントが要求に応じて外部スキルコーパスから適切なスキルを動的に取得し, 取り入れ, 適用する新しいパラダイムについて述べる。
SRA-Benchは、完全なSRAパイプラインの評価のための最初のベンチマークであり、スキル検索、スキルの取り込み、エンドタスクの実行をカバーしている。
論文 参考訳（メタデータ） (2026-04-27T15:19:59Z) - 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) - DeepRAG: Thinking to Retrieve Step by Step for Large Language Models [92.87532210660456]
我々はマルコフ決定過程(MDP)として検索強化推論をモデル化するDeepRAGを提案する。
クエリを反復的に分解することで、DeepRAGは外部知識を取得するか、あるいは各ステップでパラメトリック推論に依存するかを動的に決定する。
実験の結果,DeepRAGは検索効率を向上し,回答精度を26.4%向上させ,検索強化推論の有効性を示した。
論文 参考訳（メタデータ） (2025-02-03T08:22:45Z) - Skill-Based Reinforcement Learning with Intrinsic Reward Matching [77.34726150561087]
Intrinsic Reward Matching (IRM) を提案する。
IRMにより、従来のスキル選択方法よりもはるかに効果的に事前訓練されたスキルを活用できる。
論文 参考訳（メタデータ） (2022-10-14T00:04:49Z)
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。