論文の概要: Knowledge-as-Skill: A Structural Design for Autonomous Knowledge-Base Use by LLM Agents

• arxiv url: http://arxiv.org/abs/2609.25991v1
• Date: Tue, 22 Sep 2026 10:44:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 18:04:04.335664
• Title: Knowledge-as-Skill: A Structural Design for Autonomous Knowledge-Base Use by LLM Agents
• Title（参考訳）: 知識としてのスキル: LLMエージェントによる自律的知識ベースのための構造設計
• Abstract要約: 従来の知識ベースは、ドキュメントを匿名のテキストチャンクとして公開し、スコープ、目的、証明、関係に関する限られた情報を持つ。 本稿では,知識ベースを発見可能,ナビゲート可能,自己記述的とする組織的手法であるナレッジ・アズ・スキル(Knowledge-as-Skill)を提案する。 また、PDF、Wordファイル、Webエクスポート、ノートなどの異種コレクションをこの構造に変換するためのパイプラインであるナレッジ・アズ・スキルも提供しています。
• 参考スコア（独自算出の注目度）: 0.8240940039119696
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Retrieval-augmented generation (RAG) gives large language models (LLMs) access to external knowledge, but its conventional retrieve-concatenate-generate pipeline makes retrieval decisions on behalf of the model. As tool use and agent loops become more reliable, an agent can decide whether to retrieve, what to inspect, and when to stop. This shift exposes a new bottleneck: the agent may not know what a knowledge base contains. Traditional knowledge bases expose documents as anonymous text chunks with limited information about scope, purpose, provenance, or relations. We propose Knowledge-as-Skill, an organization scheme that makes a knowledge base discoverable, navigable, and self-descriptive. It has three layers: a discovery layer centered on SKILL.md; a navigation layer with one index.md per directory; and a knowledge layer containing documents with YAML frontmatter for topic, type, provenance, and lifecycle. The design follows the Open Knowledge Format (OKF) and the Skill protocol without modifying the agent framework. We also provide knowledge-as-skill, a pipeline for converting heterogeneous collections of PDFs, Word files, web exports, and notes into this structure. In a preliminary evaluation on the WixQA enterprise customer-support benchmark, our setup obtains 0.889 Factuality and 0.816 Context Recall, compared with reported Corpus2Skill values of 0.767 and 0.708. It obtains slightly lower Faithfulness, lower Context Precision, and more interaction turns. Because the models, prompts, and knowledge-package construction differ, these results are directional cross-work evidence rather than a controlled comparison.
• Abstract（参考訳）: Retrieval-augmented Generation (RAG) は、外部知識への大きな言語モデル(LLM)アクセスを提供するが、従来の検索-連結-生成パイプラインは、モデルに代わって検索決定を行う。 ツールの使用やエージェントループの信頼性が向上するにつれて、エージェントは検索するかどうか、検査するかどうか、停止するタイミングを決定することができる。 このシフトは、新しいボトルネックを露呈する。エージェントは、知識ベースが何を含んでいるのかを知らないかもしれない。 従来の知識ベースは、ドキュメントを匿名のテキストチャンクとして公開し、スコープ、目的、証明、関係に関する限られた情報を持つ。 本稿では,知識ベースを発見可能,ナビゲート可能,自己記述的とする組織的手法であるナレッジ・アズ・スキル(Knowledge-as-Skill)を提案する。 SKILL.mdを中心とする発見層、ディレクトリ毎に1つのインデックス.mdを持つナビゲーション層、トピック、タイプ、証明、ライフサイクルのためのYAMLフロントマッターを備えたドキュメントを含む知識層である。 設計は、エージェントフレームワークを変更することなく、Open Knowledge Format (OKF)とSkillプロトコルに従っている。 また、PDF、Wordファイル、Webエクスポート、ノートなどの異種コレクションをこの構造に変換するためのパイプラインであるナレッジ・アズ・スキルも提供しています。 WixQAエンタープライズカスタマーサポートベンチマークの予備評価では、報告されたCorpus2Skillの0.767と0.708と比較して0.889のFactalityと0.816のContext Recallが得られた。 忠実度をわずかに低くし、文脈精度を低くし、相互作用をより多く得る。 モデル、プロンプト、知識パッケージ構築が異なるため、これらの結果は制御された比較ではなく、方向性のクロスワークエビデンスである。

関連論文リスト

• Don't Retrieve, Navigate: Distilling Enterprise Knowledge into Navigable Agent Skills for QA and RAG [7.558933130117637]
  Corpus2Skillはドキュメントコーパスを階層的なスキルディレクトリにオフラインで蒸留する。 コンパイルパイプラインは、文書を反復的にクラスタリングし、各レベルでLCMで書かれた要約を生成し、ナビゲート可能なスキルファイルのツリーとして結果を実体化する。 サービス時には、エージェントは、コーパスの鳥眼ビューを受け取り、徐々に細かな要約を通してトピックブランチにドリルし、IDによって全文書を検索する。
  論文  参考訳（メタデータ） (2026-04-16T03:05:37Z)
• Structured Knowledge Representation through Contextual Pages for Retrieval-Augmented Generation [53.768256130061765]
  PAGERは、RAGのためのページ駆動の自律的知識表現フレームワークである。 関連文書を反復的に検索して洗練し、各スロットをポップアップさせ、最終的にコヒーレントなページを構成する。 実験の結果、PAGERはすべてのRAGベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2026-01-14T11:44:31Z)
• Prompting is not Enough: Exploring Knowledge Integration and Controllable Generation [89.65955788873532]
  オープンドメイン質問応答(OpenQA)は自然言語処理(NLP)の基盤である。 我々は,知識統合と制御可能生成を探求し,OpenQAの性能向上を目的としたGenKIという新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-05-26T08:18:33Z)
• KnowledgeHub: An end-to-end Tool for Assisted Scientific Discovery [1.6080795642111267]
  本稿では、知識Hubツール、科学文献情報抽出(IE)および質問回答(QA)パイプラインについて述べる。 これはPDF文書がテキストや構造化表現に変換されるのをサポートすることで達成される。 ブラウザベースのアノテーションツールは、オントロジーに従ってPDF文書の内容に注釈を付けることができる。 これらのエンティティと関係トリプルから知識グラフを構築し、データから洞察を得るためにクエリすることができる。
  論文  参考訳（メタデータ） (2024-05-16T13:17:14Z)
• How Large Language Models Encode Context Knowledge? A Layer-Wise Probing Study [27.23388511249688]
  本稿では,知識を符号化する大規模言語モデルのレイヤーワイド能力について検討する。 探索データセットの構築にはChatGPTの強力な生成能力を活用する。 矛盾する知識と新たに獲得した知識の実験は、LLMが上位層でより多くのコンテキスト知識をエンコードすることを好んでいることを示している。
  論文  参考訳（メタデータ） (2024-02-25T11:15:42Z)
• Merging Generated and Retrieved Knowledge for Open-Domain QA [72.42262579925911]
  COMBOは、より良いオープンドメインQAフレームワークのための互換性指向の知識の融合である。 COMBOは4つのテスト済みオープンドメインQAベンチマークのうち3つで競合ベースラインを上回っていることを示す。
  論文  参考訳（メタデータ） (2023-10-22T19:37:06Z)
• KILT: a Benchmark for Knowledge Intensive Language Tasks [102.33046195554886]
  知識集約型言語タスク(KILT)のベンチマークを示す。 KILTのすべてのタスクはウィキペディアのスナップショットと同じだ。 共有密度ベクトル指数とSeq2seqモデルとの結合が強いベースラインであることが分かる。
  論文  参考訳（メタデータ） (2020-09-04T15:32:19Z)

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。