論文の概要: Omni-IO Skills: Harnessing Your Agent Omni-Native

• arxiv url: http://arxiv.org/abs/2609.31847v1
• Date: Fri, 25 Sep 2026 18:00:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 05:17:10.734105
• Title: Omni-IO Skills: Harnessing Your Agent Omni-Native
• Title（参考訳）: Omni-IOスキル:Omni-Nativeを悪用する
• Abstract要約: 汎用エージェントは、長い地平線を計画し、推論し、行動することができる。 生産能力はテキスト、画像、オーディオ、ビデオ、ドキュメント、3Dアセット、コードで断片化されている。 Omni-IO Skillsは,既存のエージェントをオムニティブにするプラグイン・アンド・プレイエージェントのHarnessを提供する。
• 参考スコア（独自算出の注目度）: 44.39194142852739
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: General-purpose agents can plan, reason, and act over long horizons, yet their production capabilities remain fragmented across text, images, audio, video, documents, 3D assets, and code. Extending a foundation model to additional modalities ties capability growth to costly model updates, while assembling specialist models and tools leaves unresolved how procedures, dependencies, intermediate assets, and cross-turn revisions should be coordinated. We present Omni-IO Skills, a plug-and-play Agent Harness that makes existing agents omni-native through hierarchical Skills, a standardized multimodal execution interface, dependency-aware orchestration, and a persistent Asset Registry. Multi-asset workflows are represented as Declare Execution Graphs, which schedule independent operations concurrently and register successful outputs for downstream and cross-turn reuse across replaceable execution backends. Its 27 Skills cover 38 representative tasks spanning seven artifact modalities and four capability families: understanding, generation, reasoning, and retrieval. On UniM-90, the harness raises the input-support rates of GPT-5.6 Sol and Claude Sonnet 5 from 40.00% and 38.89% to 100%, while increasing relative Semantic--Quality Coupled Score from 26.99 to 74.94 and from 27.82 to 77.78, respectively; Strict Structure Score reaches 100.00 and 99.78. These results establish harness-level capability composition as a practical route to broad, evolvable Omni systems without changing the host agent's reasoning core.
• Abstract（参考訳）: 汎用エージェントは長期にわたって計画、理性、行動を行うことができるが、その生産能力はテキスト、画像、オーディオ、ビデオ、ドキュメント、3Dアセット、コードで断片化されている。 ファンデーションモデルを追加のモダリティに拡張することは、コストのかかるモデル更新に機能拡張を結び、一方で、専門的なモデルとツールの組み立ては、手順、依存関係、中間資産、そしてターンの修正をどのように調整するかを未解決のまま残している。 我々はOmni-IO Skills、Herarchical Skillsを通じて既存のエージェントをOmni-nativeにするHerness、標準化されたマルチモーダル実行インターフェース、依存性認識オーケストレーション、永続的なアセットレジストリを提供する。 マルチアセットワークフローはDeclare Execution Graphsとして表現され、独立した操作を並行してスケジュールし、ダウンストリームとクロスターンの再利用で成功した出力を置換可能な実行バックエンド間で登録する。 27のスキルは、7つのアーティファクトモダリティと4つの能力ファミリー(理解、生成、推論、検索)にまたがる38の代表的なタスクをカバーしている。 UniM-90 では GPT-5.6 Sol と Claude Sonnet 5 の入力支持率を 40.00% から 38.89% から 100% に引き上げ、Semantic-Quality Coupled Score は 26.99 から 74.94 に、Strict Structure Score は 27.82 から 77.78 に、Strict Structure Score は 100.00 から 99.78 に上昇した。 これらの結果は、ホストエージェントの推論コアを変更することなく、広範で進化可能なOmniシステムへの実用的な経路として、ハーネスレベルの能力構成を確立する。

関連論文リスト

• GIFT: Guided Intermediate Feature Training via Action-Oriented Structural Supervision for Robotic Manipulation [60.95802802905149]
  GIFT(Guided Intermediate Feature Training)は,中間機能学習のためのアーキテクチャフレキシブルなフレームワークである。 我々は、各モデルのアクション定式化を維持しつつ、ビジョンランゲージ・アクション(VLA)ポリシー、ダイレクトアクション・ワールド・アクション・モデル(WAM)、逆ダイナミクスWAMでGIFTをインスタンス化する。 RoboCasaでは3つのGIFTバージョンが61.4%、83.6%、82.3%に達し、それぞれ12.6、9.0、8.4ポイントを上回っている。
  論文  参考訳（メタデータ） (2026-09-03T17:59:03Z)
• Omni-modal decomposition autoencoders learn full-stack wearable disentangled representations [26.975035794955208]
  分散表現の学習は、ウェアラブルコンピューティングにおいて汎用的で汎用的で持続可能なモデルを開発する上で重要な要件である。 多目的表現を効率的に学習するフレームワークであるOmni-modal Variational Decomposition Autoencoders (OmniDecVAEs)を紹介する。 OmniDecVAEは、インテリジェントエッジウェアラブルと臨床医療に適した軽量モデルとしての可能性を強調した。
  論文  参考訳（メタデータ） (2026-08-07T16:32:17Z)
• AgentOmnia: Scaling Agentic Models for Full-Scenario Applications [36.656762500581216]
  大規模言語モデルエージェントは急速に進歩しているが、ドメイン、機能、タスクの難しさ、インタラクション設定にはまだ進歩が断片化されている。 これはTo-Consumer(ToC)、To-Business(ToB)、To-Employee(ToE)アプリケーション間でタスク空間の定義、データ合成、ポストトレーニング、評価、改善を調整するフレームワークです。
  論文  参考訳（メタデータ） (2026-07-25T09:58:24Z)
• Swarm Skills: A Portable, Self-Evolving Multi-Agent System Specification for Coordination Engineering [50.72456732323037]
  textbfSwarm Skillsは、マルチエージェントのセマンティクスを用いて、Arthhropic Skills標準を拡張したポータブル仕様である。 Swarm Skillsはマルチエージェントを、役割、実行バウンダリ、自己進化のためのビルトインセマンティック構造からなる、一級の分散可能なアセットに変える。 我々は,Swarm Skillsがプログレッシブ開示を通じて,ゼロアダプタのクロスエージェントポータビリティを実現する方法を示す。
  論文  参考訳（メタデータ） (2026-05-11T06:26:58Z)
• Towards a Science of Scaling Agent Systems [79.64446272302287]
  エージェント評価の定義を定式化し,エージェント量,コーディネーション構造,モデル,タスク特性の相互作用として,スケーリング法則を特徴付ける。 協調指標を用いて予測モデルを導出し,R2=0をクロスバリデーションし,未知のタスク領域の予測を可能にする。 ツールコーディネーショントレードオフ: 固定的な計算予算の下では, ツールヘビータスクはマルチエージェントのオーバーヘッドから不均衡に悩まされ, 2) 能力飽和: 調整が減少または負のリターンを, 単一エージェントのベースラインが45%を超えると達成できる。
  論文  参考訳（メタデータ） (2025-12-09T06:52:21Z)
• Agent-Omni: Test-Time Multimodal Reasoning via Model Coordination for Understanding Anything [12.274140974616747]
  MLLM(Multimodal large language model)は強力な能力を示すが、固定されたモダリティペアに限られる。 本稿では,既存の基盤モデルをマスタエージェントシステムで協調するエージェント-オムニフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-04T18:59:09Z)
• OmniEAR: Benchmarking Agent Reasoning in Embodied Tasks [52.87238755666243]
  OmniEARは,言語モデルが身体的相互作用やツールの使用,マルチエージェントの協調にどう影響するかを評価するためのフレームワークである。 我々は、家庭と工業領域にまたがる1500のシナリオにおける連続的な物理的特性と複雑な空間的関係をモデル化する。 我々の体系的な評価は、モデルが制約から推論しなければならない場合、厳しい性能劣化を示す。
  論文  参考訳（メタデータ） (2025-08-07T17:54:15Z)

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。