論文の概要: SkillZip Pro: Execution-Aware Dynamic Compression of Progressively Loaded Skills for Self-Evolving Agents

• arxiv url: http://arxiv.org/abs/2608.30785v1
• Date: Mon, 31 Aug 2026 13:41:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:31.422837
• Title: SkillZip Pro: Execution-Aware Dynamic Compression of Progressively Loaded Skills for Self-Evolving Agents
• Title（参考訳）: SkillZip Pro: 自己進化型エージェントのための段階的負荷型スキルの動的圧縮
• Abstract要約: 完全かつ段階的に装填されたスキルバンドルのための評価フリー圧縮機である。 メソッドはファイルを圧縮し、ルートや宣言された環境契約がすでに提供している場合、参照またはサブスキルからコンテンツを削除する。 ルーティングを保存するため、必要なファイルと直接呼び出し可能なエントリは書き直し後も到達可能である。
• 参考スコア（独自算出の注目度）: 48.36946103539268
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Production agent skills are directory bundles, not isolated prompts. The root is loaded at activation; references, schemas, scripts, assets, and nested subskills are loaded only when an execution path needs them. Compressing only the root misses most deployment cost and may move branch-specific details into the always-loaded context. Flattening instead destroys progressive-loading boundaries. We introduce \method, an evaluation-free compressor for complete, progressively loaded skill bundles. It leaves the agent harness unchanged and emits an ordinary directory. The method combines two safeguards. First, it compresses \emph{across files}, removing content from a reference or subskill when the root or a declared environment contract already provides it. Second, it preserves routing, so every required file and directly callable entry remains reachable after rewriting. Users can configure \method along two independent axes. \emph{One-Shot} mode rebuilds the full bundle; \emph{Continual} mode reuses state and applies Zip-on-Write after each evolution patch. \emph{Persistent} compression rewrites the shipped bundle to reduce storage and runtime context. \emph{Transient} compression keeps that bundle byte-identical and builds a task-specific view, reducing only per-run context after build cost. Entry contracts mark private, public, and conditional resources; a multi-entry audit preserves standalone public subskills. On a production content-moderation skill evaluated by our industrial multi-round harness, \method removes \hl{38\%} of skill bundle tokens and \hl{10.4\%} of end-to-end per-run tokens with no quality loss, while an unprotected 71\% configuration loses up to 26 accuracy points to one-sided false positives. On a multi-entry bundle, \method effeciently reduces token cost while near-perfectly preserving every route and public entry.
• Abstract（参考訳）: Production Agentのスキルはディレクトリバンドルであり、独立したプロンプトではない。 ルートはアクティベーション時にロードされる。参照、スキーマ、スクリプト、アセット、ネストされたサブスキルは、実行パスが必要なときにのみロードされる。 ルートのみを圧縮することで、ほとんどのデプロイメントコストを逃し、ブランチ固有の詳細を常にロードされたコンテキストに移すことができる。 フラット化はプログレッシブローディング境界を破壊する。 完全かつ段階的に装填されたスキルバンドルのための評価フリー圧縮機である \method を紹介する。 エージェントはそのままにして、通常のディレクトリを出力する。 この方法は2つの保護具を組み合わせる。 まずは \emph{across file} を圧縮し、ルートや宣言された環境契約がすでに提供している場合、参照またはサブスキルからコンテンツを削除する。 第二に、ルーティングを保存するため、必要なファイルと直接呼び出し可能なエントリは書き直し後も到達可能である。 ユーザーは2つの独立した軸に沿って \method を設定することができる。 emph{One-Shot}モードはフルバンドルを再構築する; \emph{Continual}モードは状態を再利用し、各進化パッチの後にZip-on-Writeを適用する。 emph{Persistent}圧縮は、ストレージとランタイムコンテキストを減らすために、出荷されたバンドルを書き換える。 emph{Transient}圧縮は、バンドルをバイト単位に保ち、タスク固有のビューを構築し、ビルドコストの後に実行中のコンテキストだけを削減する。 エントリー契約は、プライベート、パブリック、コンディショナルのリソースであり、マルチエンゲージ監査はスタンドアロンの公開サブスキルを保存する。 産業用マルチラウンドハーネスで評価した生産用コンテンツモデレーション技術では, エンド・ツー・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・ツー・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・ツー・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・ツー・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・エンド・・ マルチエントリーバンドルでは,すべてのルートと公開エントリをほぼ完全に保存しながら,トークンコストを効果的に削減する。

関連論文リスト

• TRACE: Trajectory-robust Admission with Evidence Ordering for Efficient GUI Agents [54.88208747581851]
  トレーニング不要のビジュアルトークンプルーニングは、このコストを削減することができるが、キャッシュ再利用には基本的な制約が伴う。 我々は,emphtextbfTrajectory-textbfrobust textbfAdmission と textbfCoverage-aware textbfEvidence ordering のためのトレーニング不要フレームワーク textbfmethod を提案する。
  論文  参考訳（メタデータ） (2026-09-09T15:12:48Z)
• SkillZip: Evaluation-Free Skill Compression for Self-Evolving Agents by Discovering Reusable Structure [13.304443478478134]
  自己進化エージェントは、成功手順と失敗修正を追加することで、再利用可能なスキルを蓄積する。 素早い圧縮は、スキルが平らなパスではないため、この設定に不適である。 本稿では、最短の忠実な構造的説明を見出すことにより、スキルを圧縮する評価自由な手法であるSkillZipを提案する。
  論文  参考訳（メタデータ） (2026-08-11T15:41:19Z)
• SkillZip: Contract-Preserving Graph Compression for Scalable Agent Skill Libraries [23.125090024964674]
  大規模言語モデル(LLM)は、手続き的知識が再利用可能なスキルパッケージに格納され、推論時にロードされるエージェントとしてますます機能する。 既存のシステムは、全体的なスキルレベル以下でのルーチンの再利用に苦労し、圧縮中の手続き的契約を維持し、圧縮されたルーチンを実行可能かつ拡張可能にし、スキルが進化するにつれて圧縮されたライブラリを更新する。 本稿では,SkillZipを提案する。SkillZipは,部分レベルグラフ上でコントラクト保存圧縮を行う,実行対応プロシージャ抽象化フレームワークである。
  論文  参考訳（メタデータ） (2026-08-06T05:03:31Z)
• ShortOPD: Recovering Pruned LLMs with Short-to-Long On-Policy Distillation [72.54604107217669]
  textscpass@$k$は圧縮後にほぼ消滅するが、textscpass@$k$は繰り返しサンプリングの下でほぼ回復する。 回復は、密集したトークンレベルの監督の下で、圧縮されたモデル自身のオン政治状態で訓練すべきである。 我々は,教師が確認した反復接尾辞を検知する短時間のOPDスケジュールであるtextbfshortopdを提案する。
  論文  参考訳（メタデータ） (2026-07-14T17:50:50Z)
• Taming the Drift: Context-aware Repair of Dockerfile Drift during Software Evolution [52.50730821321986]
  Cadreは、Dockerfileの自動ドリフト修復のためのコンテキスト認識フレームワークである。 CDGは、各Dockerfile命令をファイルレベルとインストラクション間の依存関係にマップする。 DodeXはGitHub Actions CIログから現実のDockerfileドリフトインスタンスをマイニングする。
  論文  参考訳（メタデータ） (2026-07-14T09:12:26Z)
• OxyMake: A Formally-Specified, Content-Addressable Workflow Engine [0.0]
  Rustエンジンはプロキシをcontent-addressedキャッシュキーに置き換える。 仕様は宣言的かつ静的に解析可能であり、Makeルールモデルを保ち、Snakemakeパイプラインを直接ポートする。 実行は、協調的なクレーム/リコールプロトコルを介してデーモンフリーである。
  論文  参考訳（メタデータ） (2026-06-18T23:45:52Z)
• SoftSkill: Behavioral Compression for Contextual Adaptation [45.10778084241114]
  本稿では、自然言語スキルがコンパクトな連続コンテキストオブジェクトを初期化できるかどうかを問う。 そこで本研究では,凍結したバックボーン法であるSoftSkillを提案する。 Skillとは対照的に、SoftSkillはSearchQAでは5.2ポイント、LiveMathでは12.5ポイントの精度向上を実現している。
  論文  参考訳（メタデータ） (2026-06-18T15:04:47Z)
• Enhancing Software Engineering Through Closed-Loop Memory Optimization [50.418699819003486]
  ソフトウェア工学 (SE) エージェントにおけるメモリ拡張のためのクローズドループフレームワークである ours を紹介する。 タスクに依存しない textbf ベンチマークとアノテーションのない textbf 最適化信号としての有用性を確立する。 その結果、SEエージェントは設定によって常に改善され、成功率で$uparrow5.25%、解決効率で$uparrow4.63%という絶対的なゲインが得られることが示された。
  論文  参考訳（メタデータ） (2026-06-04T03:17:21Z)
• Leyline: KV Cache Directives for Agentic Inference [0.11099872871193028]
  レイラインはエージェント編集のためのサーブサイドプリミティブである。 宣言的ディレクティブ4タプルは、編集対象と位置正当性を維持する方法とを分離する。 同じインターフェースを介してルーティングされる10行のトランケーション規則は、デバッグジャムにおいてエージェントの解率+14.3 ppを上昇させる。
  論文  参考訳（メタデータ） (2026-05-31T07:13:15Z)
• When to Think, When to Speak: Learning Disclosure Policies for LLM Reasoning [60.714416943748866]
  シングルストリームの自己回帰インターフェースでは、同じトークンがモデル状態を更新し、不可逆的な公約を構成する。 そこで我々は,Side-by-Side (SxS) Interleaved Reasoningを導入する。
  論文  参考訳（メタデータ） (2026-05-05T02:59:58Z)
• Compiling Activation Steering into Weights via Null-Space Constraints for Stealthy Backdoors [48.881343993730844]
  安全性に整合した大規模言語モデル(LLM)は、現実世界のパイプラインにますますデプロイされている。 敵は通常の評価では動作しないバックドアのチェックポイントを配布することができる。 最近のポストホック重み付け法は、そのようなバックドアを注入するための効率的なアプローチを提供する。
  論文  参考訳（メタデータ） (2026-04-14T06:48:33Z)

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。