Fugu-MT 論文翻訳(概要): Report: Progressive Disclosure of Agent Skills

論文の概要: Report: Progressive Disclosure of Agent Skills

arxiv url: http://arxiv.org/abs/2609.35692v1
Date: Mon, 28 Sep 2026 17:38:37 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-01 19:37:26.268046
Title: Report: Progressive Disclosure of Agent Skills
Title（参考訳）: エージェントスキルの進歩的開示
Abstract要約: エージェントのスキルライブラリが成長するにつれて、エージェントの運用コストも増大する。必要なスキルのプログレッシブな開示は、運用コストを削減できるが、全体的なレイテンシとスキルの検索品質への影響は、まだ不明である。
参考スコア（独自算出の注目度）: 9.808167245285468
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Users of Workday's deployed LLM-based agents often request features which can be addressed by defining named procedures, also known as skills, in the LLM context, effectively augmenting agents' capabilities. However, as an agent's skills library grows in size, so does the agent's operational cost. Progressive disclosure (lazy-loading) of skills as needed may reduce operational costs, but its impact on overall latency and skill-retrieval quality remains unclear. In this report, we investigate the impact empirically and find that progressive disclosure improves skill-retrieval quality but marginally degrades overall latency.
Abstract（参考訳）: WorkdayのデプロイされたLLMベースのエージェントのユーザは、LLMコンテキストにおいて、名前付きプロシージャ(スキルとしても知られる)を定義することで対処可能な機能を要求することが多い。しかし,エージェントのスキルライブラリのサイズが大きくなるにつれ,エージェントの運用コストも増大する。必要なスキルのプログレッシブな開示(遅延ローディング)は運用コストを削減できるが、全体的なレイテンシとスキルの検索品質への影響は明確ではない。本報告では, 影響を実証的に検討し, プログレッシブ開示により, スキル検索の質は向上するが, 全体の遅延は極端に低下することがわかった。

関連論文リスト

AgentLeak: Cloning Stronger LLM Agent Capabilities onto Weaker Agents Beyond Skill Stealing [18.52239289354215]
より弱いエージェントは、同じスキルを持っているかもしれないが、より強いエージェントによって暗黙的に認識される手続き的行動が欠けているため、失敗する可能性がある。私たちの重要な洞察は、スキル実行ギャップ自体が、欠落した振る舞いが露呈する漏洩面を形成していることです。我々は,これらの実行の違いから,機能クリティカルな動作を識別し,攻撃側のスキルに組み込むブラックボックス機能閉鎖攻撃であるAgentLeakを提案する。
論文参考訳（メタデータ） (2026-09-07T07:30:02Z)
Coalition-Aware Skill Reliability for Self-Evolving Agents [49.43736235959317]
エージェントのスキルバンクに蓄積したスキルが、実際にポジティブなメカニスティックな貢献をするかどうかを検討する。銀行レベルが上昇する連立政権の公害は、負の連立政権レベルのスキル貢献を隠蔽し、クロスドメイン・ユーティリティ・リバーサル(クロスドメイン・リヴァーサル)であり、ソース・ベネシカル・スキルが移転後の効果を逆転させることを示している。これらの知見は, スキル蓄積時の連帯認識スキル選択と, 移行後のラベルフリースキルマスキングの2つの信頼性介入の動機となった。
論文参考訳（メタデータ） (2026-08-23T21:35:22Z)
Skill Retrieval Augmentation for Agentic AI [28.71123853744993]
既存のエージェントシステムでは、スキルを取り入れるための主要な戦略は、コンテキストウィンドウ内で利用可能なスキルを列挙することである。本稿では,SRA(Skill Retrieval Augmentation, SRA)を定式化し, エージェントが要求に応じて外部スキルコーパスから適切なスキルを動的に取得し, 取り入れ, 適用する新しいパラダイムについて述べる。 SRA-Benchは、完全なSRAパイプラインの評価のための最初のベンチマークであり、スキル検索、スキルの取り込み、エンドタスクの実行をカバーしている。
論文参考訳（メタデータ） (2026-04-27T15:19:59Z)
How Well Do Agentic Skills Work in the Wild: Benchmarking LLM Skill Usage in Realistic Settings [29.3744517703302]
本研究は,段階的に挑戦的な現実的な環境下でのスキルユーティリティの総合的研究である。その結果、設定がよりリアルになるにつれて、パフォーマンスは一貫して低下することがわかった。クエリ固有の改善は、初期スキルが合理的な妥当性と品質を持つ場合に、性能を著しく回復することを示す。
論文参考訳（メタデータ） (2026-04-06T00:10:30Z)
Safe In-Context Reinforcement Learning [19.11554873825587]
In-context reinforcement learning (ICRL) は、エージェントが事前訓練の後にパラメータを更新せずに配布外テストタスクに適応できる新しいRLパラダイムである。本稿では,ICRLの適応プロセスの安全性を制約付きマルコフ決定プロセスの枠組みで促進する手法を提案する。
論文参考訳（メタデータ） (2025-09-29T23:07:32Z)
WebSailor-V2: Bridging the Chasm to Proprietary Agents via Synthetic Data and Scalable Reinforcement Learning [73.91893534088798]
WebSailorは、この重要な機能を組み込むように設計された、完全なポストトレーニング方法論である。我々のアプローチは、構造化サンプリングと情報難読化によって、新しい、不確実なタスクを生成することである。 WebSailorは複雑な情報検索タスクにおいて、すべてのオープンソースエージェントを著しく上回る。
論文参考訳（メタデータ） (2025-09-16T17:57:03Z)
The Real Barrier to LLM Agent Usability is Agentic ROI [110.31127571114635]
大規模言語モデル(LLM)エージェントは、人間とAIの相互作用において有望な変化を示す。我々は、需要の高いマスマーケットアプリケーションにおいて、重要なユーザビリティギャップを強調します。
論文参考訳（メタデータ） (2025-05-23T11:40:58Z)
Re-TASK: Revisiting LLM Tasks from Capability, Skill, and Knowledge Perspectives [54.14429346914995]
CoT(Chain-of-Thought)は、大規模言語モデル(LLM)による複雑な問題を解決する重要な方法となっている。本稿では,LLMタスクを能力,スキル,知識の観点から再考する理論モデルであるRe-TASKフレームワークを紹介する。多様な領域にわたる実験は、Re-TASKの有効性を示す。
論文参考訳（メタデータ） (2024-08-13T13:58:23Z)
Thrust: Adaptively Propels Large Language Models with External Knowledge [69.50273822565363]
大規模事前学習言語モデル(PTLM)は、モデルパラメータの豊富な知識を符号化する。 PTLMの固有の知識は不透明または静的であり、外部の知識を必要とする。本稿では,外部知識のインスタンスレベル適応推進(IAPEK)を提案する。
論文参考訳（メタデータ） (2023-07-19T20:16:46Z)

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。