論文の概要: SkillAdam: Stable and Efficient Skill Evolution for Agents

• arxiv url: http://arxiv.org/abs/2609.08944v1
• Date: Tue, 08 Sep 2026 16:04:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.689843
• Title: SkillAdam: Stable and Efficient Skill Evolution for Agents
• Title（参考訳）: SkillAdam: エージェントの安定的で効率的なスキル進化
• Abstract要約: エージェントスキルは、凍結した言語モデルエージェントにドメイン知識と手続き的ガイダンスを与えるための軽量な方法を提供するが、高品質なスキルを得るにはコストがかかり、スケールが難しい。 最近のスキル自己進化手法は、実行フィードバックを使ってスキルを更新する反復ループを自動化するが、その更新戦略は不安定な最適化と低いイテレーション効率をもたらすことが多い。 我々はAdamにインスパイアされたSkillAdamを紹介した。
• 参考スコア（独自算出の注目度）: 27.073611429416303
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Agent skills provide a lightweight way to equip frozen language-model agents with domain knowledge and procedural guidance, yet obtaining high-quality skills remains costly and difficult to scale. Expert-written skills require substantial human effort. Recent skill self-evolution methods automate an iterative loop that uses execution feedback to revise skills, but their heuristic update strategies often yield unstable optimization and low iteration efficiency. We identify two challenges in realizing stable and efficient skill self-evolution. Direction Stability requires effective corrections to accumulate rather than be overwritten by iteration-local feedback. Update Adaptivity requires the scope of each revision to reflect the consistency of recent case-level improvements. We introduce SkillAdam, an Adam-inspired framework for optimizing discrete and non-differentiable skill documents. As a functional analogue of Adam's first moment, an optimization memory records identified problems and the outcomes of prior solution attempts to stabilize the update direction. As a functional analogue of Adam's second moment, a volatility-driven edit budget tracks the history-weighted variation of recent case-level improvements and adaptively controls the update magnitude. Across seven benchmarks that span short- and long-horizon tasks, SkillAdam achieves state-of-the-art performance with more stable optimization dynamics. It also obtains stronger skills with substantially fewer optimization iterations and lower cost than prior methods. Code repository: https://github.com/ruc-datalab/SkillAdam
• Abstract（参考訳）: エージェントスキルは、凍結した言語モデルエージェントにドメイン知識と手続き的ガイダンスを与えるための軽量な方法を提供するが、高品質なスキルを得るにはコストがかかり、スケールが難しい。 専門家によるスキルの習得には相当な努力が必要だ。 最近のスキル自己進化手法は、実行フィードバックを使ってスキルを改良する反復ループを自動化するが、そのヒューリスティックな更新戦略はしばしば不安定な最適化と低いイテレーション効率をもたらす。 安定的で効率的なスキルの自己進化を実現するための2つの課題を特定します。 方向性の安定性には、イテレーションローカルなフィードバックによって上書きされるのではなく、効果的な修正が必要である。 更新適応性は、最近のケースレベルの改善の一貫性を反映するために、各リビジョンの範囲を必要とする。 我々はAdamにインスパイアされたSkillAdamを紹介した。 アダムの最初の瞬間の関数的な類似として、最適化メモリは問題の特定と事前ソリューションの結果が更新方向を安定させようと試みていることを記録した。 アダムの第二の瞬間の機能的な類似として、ボラティリティ駆動の編集予算は、最近のケースレベルの改善の履歴重み付けされたバリエーションを追跡し、更新の規模を適応的に制御する。 短期タスクと長期タスクにまたがる7つのベンチマークで、SkillAdamはより安定した最適化ダイナミックスで最先端のパフォーマンスを達成する。 また、最適化のイテレーションが大幅に少なく、従来の方法よりも低コストで、より強力なスキルを得ることができる。 コードリポジトリ:https://github.com/ruc-datalab/SkillAdam

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)
• Write, Execute, Refine: From Skill Followers to Skill Optimizers via Reinforcement Learning from Execution Feedback [52.78692582507693]
  専門家による自然言語スキルは、ツール使用エージェントを改善することができるが、エージェントによるスキルは、スキルを使用しないよりも8-11ポイント悪い。 本研究では,中間的スキルから実行経験を訓練状態に整理する方法について検討する。
  論文  参考訳（メタデータ） (2026-08-18T09:52:48Z)
• SkillGrad: Optimizing Agent Skills Like Gradient Descent [30.781132643932338]
  エージェントスキルは、構造化ファイルに再利用可能な手続き的知識を格納することで、特殊なドメインにLLMエージェントを適用するための軽量な方法を提供する。 既存のスキル進化法はしばしば、明示的な定式化なしに反射を通してこれらの欠陥に対処する。 エージェントスキルを最適化するための勾配に着想を得たフレームワークであるSkillGradを提案する。
  論文  参考訳（メタデータ） (2026-05-26T23:18:43Z)
• SkillOpt: Executive Strategy for Self-Evolving Agent Skills [39.94802218531371]
  SkillOptはエージェントスキルのためのコントロール可能なテキストスペースである。 別々のモデルでは、スコアの付いたロールアウトを1つのスキルドキュメントのバウンダリされた追加/削除/リプレースに切り替える。 学習速度の予算、拒否編集バッファ、エポックワイド/メタアップデートは、スキルトレーニングを安定させる。
  論文  参考訳（メタデータ） (2026-05-22T17:59:50Z)
• 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)
• AdaExplore: Failure-Driven Adaptation and Diversity-Preserving Search for Efficient Kernel Generation [59.964989458924585]
  AdaExploreは、パフォーマンスクリティカルなカーネルコード生成のための蓄積された実行フィードバックによる自己改善を可能にするエージェントフレームワークである。 適応段階では、エージェントはタスクを合成し、繰り返し発生する障害を有効ルールの再利用可能なメモリに変換する。 探索段階では、候補核を木として整理し、小さな局所精製とより大きな構造再生を交互に行う。
  論文  参考訳（メタデータ） (2026-04-17T18:25:03Z)
• EffiSkill: Agent Skill Based Automated Code Efficiency Optimization [18.68243664364758]
  EffiSkillは、LCMベースのエージェントのためのポータブルな最適化ツールボックスを構築する、コード効率最適化のためのフレームワークである。 EffiSkillは2段階の設計を採用しており、Stage IはOperatorとMeta Skillsを大規模で遅いプログラムペアからマイニングし、スキルライブラリを構築する。 ステージIIはこのライブラリを、実行不要の診断、スキル検索、計画構成、候補生成を通じて、未確認プログラムに適用する。
  論文  参考訳（メタデータ） (2026-03-29T20:09:57Z)
• EvoSkill: Automated Skill Discovery for Multi-Agent Systems [6.319876096746374]
  エージェントスキルを自動的に発見・洗練する自己進化型フレームワークである textbfEvoSkill を紹介する。 EvoSkillは実行障害を分析し、新しいスキルや既存のスキルへの編集を提案し、それらを構造化された再利用可能なスキルフォルダに実体化する。 われわれはEvoSkillを米国財務データの根拠となる推論ベンチマークであるOfficeQAと、ノイズの多い検索ベンチマークであるSealQAの2つのベンチマークで評価した。
  論文  参考訳（メタデータ） (2026-03-03T09:07:22Z)
• SkillRL: Evolving Agents via Recursive Skill-Augmented Reinforcement Learning [83.98129545309277]
  生経験と政策改善のギャップを埋めるフレームワークであるSkillRLを提案する。 本手法では,階層型スキルライブラリであるSkillBankを構築するために,経験に基づく蒸留機構を導入する。 ALF、WebShop、および7つの検索強化タスクの実験結果は、SkillRLが最先端のパフォーマンスを達成することを示す。
  論文  参考訳（メタデータ） (2026-02-09T03:17:17Z)
• ROOT: Robust Orthogonalized Optimizer for Neural Network Training [47.05662448082334]
  大規模言語モデル(LLM)は、特にモデルのスケーリングがインプレクションやトレーニングの不安定性に対する感受性を悪化させるため、依然として重要な課題である。 我々は,特定の行列サイズに合わせた反復によるロバスト性を高める次元ロバスト化手法を開発した。 第2に,有意な方向を保ちながら外周雑音を抑制する最適化ロバスト化フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-25T18:48:05Z)
• Efficient Few-Shot Object Detection via Knowledge Inheritance [62.36414544915032]
  Few-shot Object Detection (FSOD) は、未確認のタスクに少ないトレーニングサンプルで適応できるジェネリック検出器を学習することを目的としている。 計算量の増加を伴わない効率的なプレトレイン・トランスファー・フレームワーク(PTF)のベースラインを提案する。 また,予測された新しいウェイトと事前訓練されたベースウェイトとのベクトル長の不整合を軽減するために,適応長再スケーリング(ALR)戦略を提案する。
  論文  参考訳（メタデータ） (2022-03-23T06:24:31Z)
• Tasks, stability, architecture, and compute: Training more effective learned optimizers, and using them to train themselves [53.37905268850274]
  我々は、自動正規化を実現するために、バリデーション損失などの追加機能にアクセス可能な、階層的で階層的なニューラルネットワークパラメータ化を導入した。 ほとんどの学習は単一のタスク、あるいは少数のタスクでトレーニングされています。 何千ものタスクをトレーニングし、桁違いに計算量を増やし、その結果、目に見えないタスクよりも優れたパフォーマンスの一般化を実現します。
  論文  参考訳（メタデータ） (2020-09-23T16:35:09Z)

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。