論文の概要: Optimal Skill Selection for LLM Agents with Provable Bicriteria Guarantees

• arxiv url: http://arxiv.org/abs/2608.19993v1
• Date: Thu, 20 Aug 2026 13:08:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-21 20:28:51.568668
• Title: Optimal Skill Selection for LLM Agents with Provable Bicriteria Guarantees
• Title（参考訳）: Bicriteria Guarantees を用いたLCMエージェントの最適選択
• Abstract要約: 現在のエージェントは独立してスキルを獲得し、セットをトップ$kまたはgreedyパッキングで組み立てる。 最適化問題として,選択したスキルセットの実行結果とキャストスキルの選択方法の第一モデルを提案する。 我々は単調な時間アルゴリズムであるBest Prefix Selection(BPS)を開発し、スキル選択における最初の性能保証である知識を証明する。
• 参考スコア（独自算出の注目度）: 36.31894794808421
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Loading reusable skill documents into a bounded context window is now the primary way large language model (LLM) agents acquire task-specific capabilities, which makes skill selection a first-order determinant of task performance and token cost. Yet current agents score skills independently by semantic relevance and assemble the set by top-$k$ or greedy packing, with no quality guarantee or cost awareness on the selected set. As a result, redundant or poorly chosen skills waste scarce context tokens and can even degrade performance. We give the first model of how the selected skill set shapes execution outcomes and cast skill selection as an optimization problem: choose a skill set under a hard token budget to maximize a monotone submodular benefit minus context penalty. For this problem, we develop Best Prefix Selection (BPS), a polynomial-time algorithm, and prove, to our knowledge, the first performance guarantee for skill selection: a bicriteria $(1-1/e,1)$ approximation whose benefit coefficient is optimal in polynomial time. On a contamination-controlled BigCodeBench variant, BPS outperforms all the baselines, reaching $0.73$ measured task success versus $0.20$--$0.52$ for released skill routers, text retrievers, and the executor's own selection, on $28\%$ fewer tokens than the strongest released router.
• Abstract（参考訳）: 再利用可能なスキルドキュメントを境界付きコンテキストウィンドウにロードすることは、大きな言語モデル(LLM)エージェントがタスク固有の機能を取得する主要な方法となり、タスクパフォーマンスとトークンコストの1次決定要因となる。 しかし、現在のエージェントは、セマンティックな関連性によって独立してスキルを獲得し、選択したセットに対する品質保証やコスト認識なしに、トップ$やgreedyパッキングによってセットを組み立てます。 その結果、冗長または不適切な選択されたスキルはコンテキストトークンを無駄にし、パフォーマンスを低下させる可能性がある。 選択したスキルセットが実行結果をどのように形成し、キャスティングスキル選択を最適化問題として、ハードトークン予算の下で設定されたスキルを選択して、モノトーン部分モジュラーベネフィットを最小限の文脈ペナルティとする。 この問題に対して、多項式時間アルゴリズムであるBest Prefix Selection (BPS)を開発し、我々の知る限り、スキル選択における最初の性能保証を証明した: a bicriteria $(1-1/e,1)$ 多項式時間において利益係数が最適である近似。 汚染制御されたBigCodeBenchの派生版では、BPSはすべてのベースラインを上回り、0.73$のタスク成功に対して0.20$--0.52$のスキルルータ、テキストレトリバー、実行者自身の選択に対して、最強のリリースルータよりも28\%低いトークンで0.20$を達成した。

関連論文リスト

• COBRA-Skills: Contextual Bandit-Guided Evolution for Agent Skill Optimization [55.60171725587438]
  大規模言語モデル(LLM)エージェントは、以前のタスク経験から抽出した再利用可能なスキルの恩恵を受けることができる。 既存のスキル最適化手法は、コストのかかる実行ベースの評価と実質的なタスクデータに依存していることが多い。 動的に進化する候補空間上での予算付き逐次最適化としてスキル最適化を定式化する効率的なフレームワークである textbfCOBRA-Skills を導入する。
  論文  参考訳（メタデータ） (2026-09-10T15:12:24Z)
• SkillSelect-Serve: QoS-Aware Budgeted Skill Service Recommendation for LLM Agents [22.742669807735254]
  再利用可能なエージェントスキルは、Large Language Model (LLM)エージェントのサービス指向機能レイヤとして登場しています。 既存のTop-kメソッドは、テキスト関連性によってスキルをランク付けし、要求満足度、納品可能性、運用上の制約を見落としている。 予算制約のあるスキルサービスレコメンデーションフレームワークであるSkillSelect-Serveを紹介します。
  論文  参考訳（メタデータ） (2026-05-08T09:36:14Z)
• SkillMOO: Multi-Objective Optimization of Agent Skills for Software Engineering [9.008257157319271]
  SkillMOOはパスレートを最大131%改善し、最適化オーバーヘッドの低いタスク毎の最高のベースラインに対して、コストを最大32%削減する。 LLMによる編集とNSGA-IIサバイバルセレクションを用いて,自動でスキルバンドルを進化させる多目的最適化フレームワークであるSkillMOOを提案する。 3つのSkillsBenchソフトウェアエンジニアリングタスクでは、SkillMOOはパスレートを最大131%改善し、最適化オーバーヘッドの低いタスク毎の最高のベースラインに対して最大32%のコスト削減を実現している。
  論文  参考訳（メタデータ） (2026-04-10T13:08:01Z)
• Multiple-play Stochastic Bandits with Prioritized Arm Capacity Sharing [52.124267908936396]
  このモデルは、$M$armと$K$playで構成されている。 各アームには複数の能力があり、各ユニットの能力は報酬関数に関連付けられている。 複数のプレーがアームキャパシティを競う場合、アームキャパシティは第1の優先重みで割り当てられる。
  論文  参考訳（メタデータ） (2025-12-25T11:19:09Z)
• One-Stage Top-$k$ Learning-to-Defer: Score-Based Surrogates with Theoretical Guarantees [6.792743621449621]
  最初の1段階のTop-k$ Learning-to-Deferフレームワークを紹介します。 我々は、最もコスト効率の良いエンティティラベルや専門家1人当たりのインプットを$k$で選択するスコアベースの共有モデルを学ぶ。 CIFAR-10とSVHNの実験により、我々の1段階のTop-$k$法がTop-1deferralを厳密に上回っていることを確認した。
  論文  参考訳（メタデータ） (2025-05-15T10:41:16Z)
• Efficient Prompt Optimization Through the Lens of Best Arm Identification [50.56113809171805]
  この作業は、明示的な予算制約の下でプロンプト選択を効率的に行うための、原則化されたフレームワークであるTRIPLEを提供する。 マルチアームバンディット(MAB)における即時最適化と固定予算ベストアーム識別(BAI-FB)の間に確立された新しい接続上に構築されている。
  論文  参考訳（メタデータ） (2024-02-15T05:31:13Z)
• Combinatorial Stochastic-Greedy Bandit [79.1700188160944]
  我々は,選択した$n$のアームセットのジョイント報酬以外の余分な情報が観測されない場合に,マルチアームのバンディット問題に対する新規グリーディ・バンディット(SGB)アルゴリズムを提案する。 SGBは最適化された拡張型コミットアプローチを採用しており、ベースアームの大きなセットを持つシナリオ用に特別に設計されている。
  論文  参考訳（メタデータ） (2023-12-13T11:08:25Z)
• 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。