論文の概要: Evo2Team: When Do Evolved Skills Transfer? From Selection to Deployment
- arxiv url: http://arxiv.org/abs/2609.34135v1
- Date: Mon, 28 Sep 2026 02:14:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-04 06:39:50.98141
- Title: Evo2Team: When Do Evolved Skills Transfer? From Selection to Deployment
- Title（参考訳）: Evo2Team: 進化したスキルの移行はいつ行われるか?
- Abstract要約: ソースの進化は16設定中14で、共同品質、コスト、モデルレベル、そして確認目標を満たす。
Evo2Teamはターゲットチームのソーススキルを選択し、適応し、確認する。
AgentsNetの7つのポジティブな結果により、デプロイコストは6.1-14.6%削減され、移行スキルは15タスクのうち3～6タスクに限られる。
- 参考スコア（独自算出の注目度）: 4.22076453609911
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: A skill bank that helps one multi-agent system may leave another's behavior unchanged. A transferred rule helps only when target agents act on it successfully. We study this path for routing and communication skills in Count-Frequency and AgentsNet, using teams of 4--32 agents and GPT and Qwen model ladders. Source evolution meets a joint quality, cost, model-tier, and confirmation goal in 14 of 16 settings. We then evaluate Evo2Team, which selects, adapts, and confirms source skills for the target team, alongside six frozen selectors across 28 transfer directions. Evo2Team's target-side exploration cost is below that of evolving a new target bank in every direction, even when reused reference evaluations are charged once. Twenty of 28 held-out outcomes meet the positive-transfer criterion, including three saved diagnostic tests. Selection alone does not explain these outcomes: KNN and CORAL choose different banks in two AgentsNet directions but produce identical recorded executions. When Evo2Team changes execution, gains can reach many tasks, as in a Count-Frequency direction that improves 28 of 32 tasks over KNN. Seven positive AgentsNet outcomes save 6.1--14.6\% in deployment cost while using transferred skills on only three to six of fifteen tasks. In five earlier accepted directions, all 22 task records using transferred skills pass three fixed-graph confirmations, but four fail in recorded executions on new graphs. Graphs and model responses change together in this comparison. These results show that skill transfer must be assessed through the actions agents take, the tasks those actions reach, and the quality and cost of the final deployment.
- Abstract（参考訳）: あるマルチエージェントシステムを支援するスキルバンクは、他のエージェントの振る舞いをそのままにしておくことができる。
転送されたルールは、ターゲットエージェントが正常に動作する場合にのみ有効である。
我々は4--32エージェントとGPTおよびQwenモデルラグのチームを用いて、周波数数とエージェントネットにおけるルーティングと通信能力について検討した。
ソースの進化は16設定中14で、共同品質、コスト、モデルレベル、そして確認目標を満たす。
次に、28の転送方向の6つの凍結セレクタとともに、ターゲットチームのソーススキルを選択し、適応し、確認するEvo2Teamを評価する。
Evo2Teamの目標側探査コストは、再利用された基準評価が一度充電されたとしても、あらゆる方向に新しいターゲットバンクを進化させるコストよりも低い。
28例中20例は3例の保存診断検査を含む陽性転移基準を満たした。
KNNとCoRALは異なる銀行を2つのエージェントネット方向で選択するが、同じ記録された実行を生成する。
Evo2Teamが実行を変更すると、KNN上の32タスクのうち28タスクを改善したCount-Frequency方向のように、ゲインは多くのタスクに到達できる。
エージェントネットの7つのポジティブな結果により、配置コストは6.1--14.6\%削減され、15タスクのうち3～6タスクで移行スキルを使用する。
より早期に認められた5つの方向では、転送されたスキルを使用した22のタスクレコードは全て3つの固定グラフの確認をパスするが、4つの新しいグラフで記録された実行に失敗する。
この比較では、グラフとモデル応答が一緒に変化する。
これらの結果は、エージェントが取るアクション、それらのアクションが到達するタスク、最終的なデプロイメントの品質とコストを通じて、スキル移行を評価する必要があることを示している。
関連論文リスト
- CodeActionBench: Evaluating Agentic Code-as-Policy for Embodied Manipulation [55.1660787557339]
CodeActionBenchは、エージェント的なCode-as-Policyを通じてこの機能を評価する25の操作タスクのベンチマークである。
共有ロボットAPIは、RGB観測、校正された幾何学的操作、ロボットのフィードバック、および有界運動を提供し、タスク依存の判断を評価対象に残す。
9つの構成と675の試行で大規模な評価が行われ、成功率は2.7%から73.3%である。
最も強力な構成であるGPT-6 Astra with Codex CLIは、3回の試行で少なくとも25タスクのうち22タスクを解決した。
論文 参考訳（メタデータ） (2026-09-27T17:59:31Z) - When Does a Skill Add Value? Task-Conditional Gain Prediction for Selective Skill Use [17.223944060637535]
SkillDeltaは、同じエージェントのペア実行によるタスク条件スキルのゲインを、スキルなしで予測するためのフレームワークである。
ローカル予測器は、エージェントを再訓練することなく、これらの歴史的利益を新しいタスクに転送する。
一致したスキル使用率では、SkillDeltaは15設定すべてでランダムなアクティベーションよりも成功し、平均4.3%の絶対的なゲインとなる。
論文 参考訳（メタデータ） (2026-09-26T06:03:54Z) - Automatic Harness Evolution for Hardware Design Verification: Can LLMs Consolidate Gains Across Discovered Harnesses? [0.5371337604556311]
固定対象モデルの周辺における自動ハーネスの進化を,12の独自設計検証根本位置化タスクを用いて検討した。
タスク毎の5回の試行で、自動的に進化したハーネスは、完了した試行を71-76%増加させ、非ヒットなタスクカバレッジを80-100%増加させた。
CVDPのクロスベンチマークケーススタディでは、自動的に進化した定義幅の修理ハーネスが142タスクの基準ベースラインよりも35.6%機能的なパスを生成した。
論文 参考訳（メタデータ） (2026-09-24T01:41:01Z) - Reward Hacking Challenges Oversight of Autonomous Research Agents [104.38175629103235]
自律的な研究エージェントは実験を設計し、結果を評価し、レポートを書き、科学的結果とそれを支持する証拠の両方を制御できる。
これは、意図した目標を達成することなく、報酬基準を満たす、報酬ハックのリスクを生み出す。
そこで本研究では,ハッキングが許可された場合,その方法がいかに効果的かつ検出可能か,LCMレビューパネルが意思決定と理由を返却した場合にどのように適応するか,などについて検討する。
論文 参考訳（メタデータ） (2026-09-23T17:54:01Z) - Self-Organizing Agent Teams Learn to Reason Together [52.45199430212268]
私たちは、以前のコラボレーションから再利用可能な戦略を学び、役割、会話フェーズ、参加、情報の流れを整理する、AIエージェントの固定チームである、自己組織化エージェントチーム(SAT)を紹介します。
これらの戦略は、私たちがコラボレーティブ計算と呼ぶものを可能にします。エージェントの交換、チャレンジ、修復、そして、メンバーが独立して生成しないソリューションへの部分的推論を合成します。
論文 参考訳（メタデータ） (2026-09-19T01:27:40Z) - TRACE: A Self-Evolving Skill Bank for Consistent, Limit-Aware LLM Agents [41.82249291285459]
TRACEは、モデルウェイトを変更することなく、スキルベースのエージェントの行動知識を反復的に改善する。
GPT-5.5では、TRACEは一貫性(Pass3)を34.6ポイント改善し、59.9%から94.5%に改善した。
これらの結果から,TRACEは高モデルポテンシャルを安定かつ一貫した性能向上に変換することを示した。
論文 参考訳（メタデータ） (2026-08-24T04:36:03Z) - DarwinX: Evolving Agent Harnesses Through Natural Selection [48.64258219266629]
ダーウィンXは自己進化を、モデルが凍結されたハーネスの集団の選択として扱う。
一般的なエージェント能力はベンチマーク固有のパッチではなく、タスク、検証、ベースモデルの変更を生き残る。
論文 参考訳（メタデータ） (2026-07-31T05:34:02Z) - Rethinking Self-Evolving Agent Skills: Feedback Dynamics over Multiple Rounds [43.5891705224868]
自己進化型スキルシステムは、基礎となるモデルを変更することなく、実行フィードバックを永続的なスキル更新に変換することでエージェントを改善することを約束する。
5つのベンチマークと3つのモデルで制御された評価フレームワークを提案する。
全体として、永続的なスキルの自己進化は、モデル依存リターンとベンチマーク依存リターンを備えたスパース、バリデーションフィルタリング検索として理解されている。
論文 参考訳（メタデータ） (2026-07-31T04:02:51Z) - Under the Hood of SKILL.md: Semantic Supply-chain Attacks on AI Agent Skill Registry [49.83108591873481]
SKILL.md - エージェントスキルライフサイクルの3つのステージを対象とするアタックのみを調査する。
SKILL.mdは受動的ドキュメントではなく、サードパーティのエージェントが発見し、信頼し、使用する機能を形成する運用テキストであることを示す。
論文 参考訳（メタデータ） (2026-05-12T02:11:54Z) - Claw-Eval: Toward Trustworthy Evaluation of Autonomous Agents [66.97968363332465]
エージェントベンチマークの3つのギャップに対処するエンドツーエンド評価スイートであるClaw-Evalを紹介した。
Claw-Evalは3つのグループにまたがる9つのカテゴリにまたがる300の人間検証タスクで構成されている。
すべてのエージェントアクションは、3つの独立したエビデンスチャネルを通じて記録される。
論文 参考訳（メタデータ） (2026-04-07T17:43:18Z)
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。