論文の概要: Better, Faster, Stronger: Programmatic Skill Learning Best Reduces Agent Cost

• arxiv url: http://arxiv.org/abs/2608.11338v1
• Date: Tue, 11 Aug 2026 18:42:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-13 19:07:54.335854
• Title: Better, Faster, Stronger: Programmatic Skill Learning Best Reduces Agent Cost
• Title（参考訳）: より良く、より速く、より強く:プログラム的なスキル学習がエージェントコストを削減
• Abstract要約: さまざまなスキル学習手法の中で,スキルをプログラムとみなす者は,最高のコスト削減を実現することができる,と我々は主張する。 SpeedRunnerは、将来のタスクのパフォーマンスを改善するために、軌道とスキルを分析するコーディングエージェントである。
• 参考スコア（独自算出の注目度）: 31.000338964323248
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recently, the practice of augmenting LLM agent capability with skills has gained prevalence. We explore the cost effective adaptation of agents to novel domains by means of learning skills. Existing works focus on performance gain over cost effectiveness. As a result, little is known about what skill learning strategies save cost. We argue that among all the different skill learning methods, those that view skills as programs can achieve the best cost reduction. By executing sequences of actions deterministically, a program-augmented agent can reliably and cheaply achieve goals that would otherwise require trial and error and risk degenerate behavior over long horizons. An agent can learn at inference time by incrementally discovering these programs and equipping them for future tasks. We hypothesize that past trajectories contain enough signal to guide skill learning, even without replay or validation, provided the agent can learn to analyze them. To test our claims, we propose SpeedRunner, a coding agent that analyzes trajectories and refactors skills for better performance on future tasks. Across three different embodied environments, we show that SpeedRunner consistently achieves the frontier in learning and cost reduction while remaining robust against distribution shifts and environmental randomness.
• Abstract（参考訳）: 近年,LLMエージェントの能力向上の取り組みが盛んに行われている。 本稿では,新しいドメインへのエージェントの費用対効果を学習技術を用いて検討する。 既存の作業は、コスト効率よりもパフォーマンスの向上に重点を置いています。 その結果、どのようなスキル学習戦略がコストを削減できるかはほとんど分かっていない。 さまざまなスキル学習手法の中で,スキルをプログラムとみなす者は,最高のコスト削減を実現することができる,と我々は主張する。 プログラム拡張されたエージェントは、決定論的に一連のアクションを実行することで、試行錯誤やリスクの悪化といった長い地平線上の行動を必要とする目標を確実かつ安価に達成することができる。 エージェントは、これらのプログラムを段階的に発見し、将来のタスクに備えることで、推論時に学習することができる。 リプレイやバリデーションがなくても,過去の軌跡にはスキル学習を指導するための十分な信号が含まれている,という仮説を立てる。 クレームをテストするために,将来的なタスクのパフォーマンス向上のために,トラジェクトリを分析し,スキルをリファクタリングするコーディングエージェントであるSpeedRunnerを提案する。 3つの異なる環境にまたがって、SpeedRunnerは、分散シフトや環境ランダム性に対して頑健でありながら、学習とコスト削減のフロンティアを一貫して達成していることを示す。

関連論文リスト

• Agent Skills Can Be Harmful: An Empirical Study of Skill-Induced Failures in LLM Agents [9.71657681051469]
  本稿では,タスクの失敗とコストの低下を特定の負荷スキルにもたらすことによって,スキルが引き起こすエージェントの失敗を包括的に分析する。 我々はSkillsBenchとSWE-Skills-Benchでこのフレームワークをインスタンス化し、125の機能障害と182の効率低下を含む307のスキル誘発障害を発生させる。 安全で低コストなスキル再利用のための研究トピックとツールの改善を提案する。
  論文  参考訳（メタデータ） (2026-08-12T10:15:19Z)
• SkillCoach: Self-Evolving Rubrics for Evaluating and Enhancing Agentic Skill-Use [21.05387636058484]
  SkillCoachは、エージェントのスキル使用を評価し、強化するための自己進化フレームワークである。 実際のロールアウトから熟練したプロセスルーブリックを導き、四次元に沿って軌道を評価する。 外部検証器を別個の結果信号として保持し、プロセス品質を偶然のタスク成功と区別できるようにする。
  論文  参考訳（メタデータ） (2026-07-02T08:28:51Z)
• Harnessing LLM Agents with Skill Programs [58.356514745548026]
  HASPは、実行可能なプログラム関数(PF)にスキルをアップグレードする新しいフレームワークです。 PFは障害が発生しやすい状態を起動し、次のアクションを変更したり、修正コンテキストを注入する実行可能なガードレールとして機能する。 HASPは、Web検索、数学推論、コーディングタスクにおいて、トレーニング不要とトレーニングベースの両方の手法と比較して、大幅に向上している。
  論文  参考訳（メタデータ） (2026-05-18T01:35:11Z)
• 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)
• SkillMaster: Toward Autonomous Skill Mastery in LLM Agents [27.651128308229378]
  SkillMasterは、エージェントに新しいスキルを作り、既存のスキルを洗練させ、タスク解決中に蓄積したスキルを選択する訓練フレームワークである。 第一に、私たちは、軌道インフォームドスキルレビューを通じてエージェントを訓練し、完成したエピソードの証拠に基づいて、提案、更新、保持するためのエージェントを指導する。 第2に、各候補スキル編集は、関連するプローブタスクに対する対実的ユーティリティによって評価され、スキル編集決定を訓練するための直接学習信号を提供する。 第3に、DualAdv-GRPOを導入し、タスク解決行動とスキル編集決定の利点を個別に推定し、タスク解決における共同トレーニングを安定化する。
  論文  参考訳（メタデータ） (2026-05-09T05:03:00Z)
• 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)
• Unsupervised Learning of Efficient Exploration: Pre-training Adaptive Policies via Self-Imposed Goals [0.0]
  教師なし事前学習は、強化学習エージェントに事前知識を付与し、下流タスクでの学習を加速することができる。 本稿では,文脈内学習者と対向目標生成戦略を組み合わせた教師なしメタ学習手法ULEEを提案する。
  論文  参考訳（メタデータ） (2026-01-27T17:10:29Z)
• 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)
• Basis for Intentions: Efficient Inverse Reinforcement Learning using Past Experience [89.30876995059168]
  逆強化学習(IRL) - エージェントの報酬関数をその振る舞いを観察することから推測する。 本稿では、エージェントの報酬関数を観察することのできないIRLの問題に対処する。
  論文  参考訳（メタデータ） (2022-08-09T17:29:49Z)
• Emergent Real-World Robotic Skills via Unsupervised Off-Policy Reinforcement Learning [81.12201426668894]
  報奨関数を使わずに多様なスキルを習得し,これらのスキルを下流のタスクに再利用する効率的な強化学習手法を開発した。 提案アルゴリズムは学習効率を大幅に向上させ,報酬のない実世界のトレーニングを実現する。 また,学習スキルは,目標指向ナビゲーションのためのモデル予測制御を用いて,追加のトレーニングを伴わずに構成可能であることも実証した。
  論文  参考訳（メタデータ） (2020-04-27T17:38:53Z)

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。