論文の概要: A Wrong Turn Does Not Ruin the Journey: Deviation-Guided Skill Self-Evolution for LLM Agents
- arxiv url: http://arxiv.org/abs/2609.29154v1
- Date: Thu, 24 Sep 2026 07:31:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-25 21:10:09.771843
- Title: A Wrong Turn Does Not Ruin the Journey: Deviation-Guided Skill Self-Evolution for LLM Agents
- Title（参考訳）: LLMエージェントの偏差誘導スキルの自己進化
- Abstract要約: スキルの自己進化は、生産的な問題解決が崩壊し始める場所を特定するべきだ、と私たちは主張する。
本稿では,スキル自己進化のための逸脱点誘導フレームワークであるSkillPivotを提案する。
ToolQA、LogicBench、WildClawBenchの実験は、SkillPivotが競合するスキル進化メソッドよりも一貫して優れていることを示している。
- 参考スコア（独自算出の注目度）: 3.7821992021286306
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Large language model agents increasingly rely on natural-language skills to solve complex tool-use tasks. However, such tasks often admit multiple valid solution paths, making it inappropriate to improve skills by forcing failed trajectories to match a fixed successful trajectory. Moreover, failed trajectories are rarely entirely wrong: an agent may first collect useful evidence and make meaningful progress, but later deviate into an erroneous suffix. We therefore argue that skill self-evolution should identify where productive problem solving begins to break down, rather than reflect coarsely over the entire failure. Based on this insight, we propose SkillPivot, a deviation-point-guided framework for skill self-evolution. SkillPivot detects the transition from a useful prefix to an erroneous suffix using execution validity, goal progress, and action diversity. A stronger teacher then continues from the same prefix and produces a successful alternative under the same interaction history. By contrasting the student's failed suffix with the teacher's successful suffix, SkillPivot generates localized skill updates while preserving already effective guidance. Experiments on ToolQA, LogicBench, and WildClawBench show that SkillPivot consistently outperforms competing skill-evolution methods, improves multiple agent models, and produces compact, transferable skill updates.
- Abstract（参考訳）: 大規模な言語モデルエージェントは、複雑なツール使用タスクを解決するために、自然言語スキルにますます依存している。
しかし、そのようなタスクは複数の有効な解経路を許容することが多く、不適切な軌道を固定された軌道に合わせるように強制することで、スキルを向上させるのが不適切である。
エージェントはまず有用な証拠を集め、意味のある進歩をするが、後に誤った接尾辞へと逸脱する。
したがって、スキルの自己進化は、失敗全体を粗末に反映するのではなく、生産的な問題解決が壊れ始める場所を特定するべきだ、と私たちは主張する。
この知見に基づいて,スキル自己進化のための逸脱点誘導フレームワークであるSkillPivotを提案する。
SkillPivotは、実行の妥当性、ゴールの進捗、アクションの多様性を使用して、有用なプレフィックスから誤ったサフィックスへの遷移を検出する。
その後、より強い教師が同じ接頭辞から続き、同じ相互作用履歴の下で成功した代替語を生成する。
学生の接尾辞と教師の接尾辞を対比することにより、SkillPivotは、既に効果的な指導を保ちながら、局所的なスキル更新を生成する。
ToolQA、LogicBench、WildClawBenchの実験では、SkillPivotは競合するスキル進化メソッドを一貫して上回り、複数のエージェントモデルを改善し、コンパクトで転送可能なスキル更新を生成する。
関連論文リスト
- Demystifying Agent Skills: Why They Work-Until They Don't [58.92875630998418]
既存の評価は、スキルが集約されたタスクの成功を改善するかどうかを主に測定する。
我々は、表現、結果アノテーション、検索難易度、スキルのクロスフレームワークの影響を分離する。
我々はこれらの観察を3つの高レベルカテゴリと12のスキルユースモードの分類に集約する。
論文 参考訳（メタデータ） (2026-08-14T07:26:38Z) - Agent Skills Can Be Harmful: An Empirical Study of Skill-Induced Failures in LLM Agents [9.71657681051469]
本稿では,タスクの失敗とコストの低下を特定の負荷スキルにもたらすことによって,スキルが引き起こすエージェントの失敗を包括的に分析する。
我々はSkillsBenchとSWE-Skills-Benchでこのフレームワークをインスタンス化し、125の機能障害と182の効率低下を含む307のスキル誘発障害を発生させる。
安全で低コストなスキル再利用のための研究トピックとツールの改善を提案する。
論文 参考訳（メタデータ） (2026-08-12T10:15:19Z) - Query-Only Backdoor Attacks on Self-Evolving Skills via Trajectory Poisoning [23.79611349616925]
エージェントスキルは、複雑なタスクの再利用手順をエンコードすることで、大きな言語モデル(LLM)エージェントを改善する。
自己進化型スキルシステムは、実行軌跡からスキルを自動構築および更新するために開発された。
提案するトラジェクティブ・バックドア・アタック(TBA)は,信頼性の高いスキル進化パイプラインをバックドアのスキルを生み出すためのクエリ専用アタックである。
論文 参考訳（メタデータ） (2026-08-08T19:31:19Z) - Progressive Agent Skill Generation via Reinforcement Learning [29.782307460602876]
高品質なエージェントスキルを段階的に生成する強化学習手法であるSkill-$を提案する。
具体的には、スキル構築を個別に評価可能な編集に分解するシーケンシャルな編集プロセスとして、スキル生成を定式化する。
実験によると、Skill-$はパイプラインスタイルの統合に基づく手法よりも効果的なスキルを生み出す。
論文 参考訳（メタデータ） (2026-08-03T04:14:59Z) - 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) - SkillAudit: Ground-Truth-Free Skill Evolution via Paired Trajectory Auditing [81.51044612408793]
SkillAuditは、地味なフィードバックなしにエージェントスキルを進化させるフレームワークである。
行動の違いを編集指導に変換するために、SkillAuditはProcess-Aligned Contrastive Evaluationを使用する。
Refineはノイズや無関係なガイダンスを広く有用なスキルから取り除き、修復はタスクと競合するパスを置き換える。
論文 参考訳（メタデータ） (2026-06-12T08:20:09Z) - 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) - SkillOS: Learning Skill Curation for Self-Evolving Agents [67.94374107466957]
本稿では,自己進化エージェントのスキルキュレーションを学習するための,経験駆動型RLトレーニングレシピであるSkillOSを提案する。
SkillOSは、凍結したエージェントエグゼキュータとトレーニング可能なスキルキュレーターを組み合わせて、蓄積したエクスペリエンスから外部SkillRepoを更新する。
SkillOSは、メモリフリーと強力なメモリベースラインを、有効性と効率の両方で一貫して上回っていることを示す。
論文 参考訳（メタデータ） (2026-05-07T17:31:50Z) - From Context to Skills: Can Language Models Learn from Context Skillfully? [56.5857437218136]
Ctx2Skillは、コンテキスト固有のスキルを自律的に発見、洗練、選択する自己進化フレームワークである。
より良い文脈学習能力を得るために、どんな言語モデルにもプラグインできる。
論文 参考訳（メタデータ） (2026-04-30T09:53:15Z)
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。