論文の概要: Coalition-Aware Skill Reliability for Self-Evolving Agents

• arxiv url: http://arxiv.org/abs/2608.22610v1
• Date: Sun, 23 Aug 2026 21:35:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 13:29:43.801732
• Title: Coalition-Aware Skill Reliability for Self-Evolving Agents
• Title（参考訳）: 自己進化型エージェントの協調型スキル信頼性
• Abstract要約: エージェントのスキルバンクに蓄積したスキルが、実際にポジティブなメカニスティックな貢献をするかどうかを検討する。 銀行レベルが上昇する連立政権の公害は、負の連立政権レベルのスキル貢献を隠蔽し、クロスドメイン・ユーティリティ・リバーサル(クロスドメイン・リヴァーサル)であり、ソース・ベネシカル・スキルが移転後の効果を逆転させることを示している。 これらの知見は, スキル蓄積時の連帯認識スキル選択と, 移行後のラベルフリースキルマスキングの2つの信頼性介入の動機となった。
• 参考スコア（独自算出の注目度）: 49.43736235959317
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Agent skills, structured artifacts distilled from interaction trajectories and dynamically reused from skill banks, have become a central mechanism for enabling large language model (LLM)-based self-evolving agents to learn from past experience. Yet existing work has largely focused on the operational aspects of skills, such as acquisition, evolution, and retrieval, while leaving a more fundamental reliability question unresolved: Do accumulated skills in an agent's skill bank actually make positive mechanistic contributions? We investigate this question through systematic skill-bank audits across alternative bank compositions and deployment domains, measuring the resulting changes in agent behavior. These audits reveal two recurring reliability failures: coalition pollution, where bank-level gains conceal negative coalition-level skill contributions, and cross-domain utility reversal, where source-beneficial skills reverse their effects after transfer. These findings motivate two reliability interventions: coalition-aware skill selection during skill accumulation and label-free skill masking after transfer. Coalition-Aware Skill Selection (CASS) selects more reliable candidate skills for the current bank using sampled Shapley marginals. Unsupervised Skill-Masked Coalition Optimizer (u-SMCO) masks transferred skills whose exclusion improves retrieval quality on unlabeled target-domain data. Agentic experiments on LoCoMo, LongMemEval, HotpotQA, and ALFWorld show that CASS and u-SMCO consistently improve task performance and cross-domain generalization over strong skill-based self-evolving agent baselines. Beyond accuracy, coalition-conditioned reliability modeling reduces sensitivity to noisy outcome-reward fluctuations during reinforcement learning and exposes the limits of isolation-based skill evaluation.
• Abstract（参考訳）: エージェントスキル, 相互作用軌道から抽出され, スキルバンクから動的に再利用される構造化アーティファクトは, 大規模言語モデル(LLM)に基づく自己進化エージェントを過去の経験から学習するための中心的なメカニズムとなっている。 しかし、既存の作業は、取得、進化、検索といったスキルの運用面に重点を置いている一方で、より基本的な信頼性に関する疑問を未解決のまま残している。 本稿では,他の銀行構成や展開領域を横断するシステム的スキルバンク監査を通じて,エージェントの振る舞いの変化を計測し,この問題を考察する。 これらの監査では、連立政権が負の連立政権レベルのスキル貢献を隠蔽する連立政権の公害と、ソース・ベネシカル・スキルが移転後の影響を逆転するクロスドメイン・ユーティリティ・リバーサルの2つの信頼性障害が繰り返されている。 これらの知見は, スキル蓄積時の連帯認識スキル選択と, 移行後のラベルフリースキルマスキングの2つの信頼性介入の動機となった。 Coalition-Aware Skill Selection (CASS)は、サンプルのShapleyマージンを使用して、現在の銀行のより信頼性の高い候補スキルを選択する。 U-SMCO(unsupervised Skill-Masked Coalition Optimizer)マスクは、非ラベルのターゲットドメインデータの検索品質を向上する。 LoCoMo、LongMemEval、HotpotQA、ALFWorldのエージェント実験では、CASSとu-SMCOは、強いスキルベースの自己進化エージェントベースラインよりも、タスクパフォーマンスとクロスドメインの一般化を一貫して改善している。 連立条件付き信頼性モデリングは、強化学習におけるノイズのある結果-回帰変動に対する感度を低減し、孤立に基づくスキル評価の限界を明らかにする。

関連論文リスト

• SkillCommit: Evolving Agent Skills through Behaviorally Validated Scope Expansion [15.498568310060229]
  我々は、経験を再利用可能なスキルの階層的なライブラリに変換するオンラインスキル進化フレームワークであるSkillCommitを提案する。 関連スキルが蓄積されるにつれて、SkillCommitは共通の行動メカニズムを共有するスキルをハイレベルなスキルに抽象化する。 RuleArena、OpenExempt、KOR-Benchの実験では、SkillCommitはさまざまなドメインにわたるエージェントパフォーマンスを一貫して改善している。
  論文  参考訳（メタデータ） (2026-08-15T11:03:07Z)
• 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)
• 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)
• Reinforcement Learning with Metacognitive Feedback Elicits Faithful Uncertainty Expression in LLMs [60.80435138270317]
  本稿では,メタ認知的フィードバックによる強化学習を忠実な校正問題に適用する。 実験により、RLMFは様々なタスクにおいて汎用的で最先端のFCを実現することが示された。 RLMFは標準のRLを最大63%上回り、モデルの性能限界を評価し表現する能力を高めている。
  論文  参考訳（メタデータ） (2026-06-30T17:56:01Z)
• SkillAudit: From Fixed-Suite Benchmarking to Skill-Centered Assessment [10.850946672552277]
  スキル中心アセスメントのためのエンドツーエンドフレームワークであるSkillAuditを紹介します。 実用性、効率/コスト、安全性にまたがる包括的多次元評価レポートを生成する。 トップランクの現実世界のスキルパッケージをスキャンした結果、スキルの7%以上が危険な状態にあることがわかった。
  論文  参考訳（メタデータ） (2026-06-21T17:40:05Z)
• SkillBrew: Multi-Objective Curation of Skill Banks for LLM Agents [71.54500730593263]
  LLMエージェントはますます、キュレートされたスキルバンクに依存している。 既存のアプローチは追加のみの方法でこれらの銀行を拡張する。 本稿では,多目的キュレーションフレームワークであるSkillBrewを紹介する。
  論文  参考訳（メタデータ） (2026-05-28T06:33:52Z)
• SKILLC: Learning Autonomous Skill Internalization in LLM Agents via Contrastive Credit Assignment [4.336665585098371]
  本稿では,このコントラストを内部化のための直接学習信号に変換するContrastive Skill Credit Assignment (CSCA) に基づくフレームワークであるSkillCを提案する。 textscSkillCは、同じポリシー更新内でアクティブなスキルタイプからのタスクに対して、ペア化されたスキル注入とスキルフリーのロールアウトをサンプリングする。 スムーズな検証レベル信号は、帰属強度、ロールアウトアロケーション、単調なアクティブセットプルーニングよりも適応的なカリキュラムを駆動する。
  論文  参考訳（メタデータ） (2026-05-27T03:21:19Z)
• Skill-R1: Agent Skill Evolution via Reinforcement Learning [84.35984979949502]
  Skill-R1は、検証可能な報酬からインスタンスレベルの繰り返しスキル最適化のための強化学習フレームワークである。 オープンソースモデルとクローズドソースモデルの両方とのブラックボックス互換性を維持しつつ、モデルレベルの更新よりも大幅に安価に適応できる。
  論文  参考訳（メタデータ） (2026-05-10T06:19:15Z)
• 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)

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。