論文の概要: Distilling Agentic Systems: A Roadmap across Models, Artifacts, and Harnesses
- arxiv url: http://arxiv.org/abs/2609.36630v1
- Date: Tue, 29 Sep 2026 03:38:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-30 21:28:47.159102
- Title: Distilling Agentic Systems: A Roadmap across Models, Artifacts, and Harnesses
- Title（参考訳）: エージェントシステムの蒸留: モデル、アーティファクト、ハーネスをまたいだロードマップ
- Abstract要約: 現代のエージェントは記憶、ツール、実行ロジックにますます依存しているため、その能力はモデルパラメータを超えて拡張される。
このシフトは、学生モデルが教師モデルをどのように模倣するかを問う、従来の知識蒸留の限界を明らかにする。
我々は,エージェント蒸留を,教師エージェントから学生エージェントへのタスク解決知識の永続的伝達として定義する。
- 参考スコア（独自算出の注目度）: 65.75252275833421
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Modern agents increasingly rely on memories, tools, and execution logic, so their competence extends beyond model parameters. This shift exposes a limitation of conventional knowledge distillation, which asks how a student model imitates a teacher model. We define Agent Distillation as the persistent transfer of task-solving knowledge from a teacher agent to a student agent. Our study organizes the field by where transferred knowledge is retained: within the model, as artifacts, through the execution harness, or across substrates. This perspective separates transfer evidence from its outcome and clarifies how knowledge moves between agent components. We develop an evaluation framework that relates retention to causal contribution and deployed utility. Together, these contributions establish a foundation for the reliable, maintainable, and safe development of increasingly complex agentic systems.
- Abstract（参考訳）: 現代のエージェントは記憶、ツール、実行ロジックにますます依存しているため、その能力はモデルパラメータを超えて拡張される。
このシフトは、学生モデルが教師モデルをどのように模倣するかを問う、従来の知識蒸留の限界を明らかにする。
我々は,エージェント蒸留を,教師エージェントから学生エージェントへのタスク解決知識の永続的伝達として定義する。
本研究は, モデル内, アーティファクトとして, 実行ハーネスを介して, あるいは基板間において, 伝達された知識が保持される分野を整理する。
この観点は、伝達エビデンスとその成果を分離し、エージェントコンポーネント間の知識の移動方法を明確にする。
我々は、維持と因果貢献とデプロイユーティリティを関連付ける評価フレームワークを開発する。
これらの貢献によって、ますます複雑なエージェントシステムの信頼性、保守性、安全な開発の基礎が確立される。
関連論文リスト
- PRAXIS: Graph-Grounded Tacit Knowledge for Domain Code Generation [61.752289169878566]
ドメイン固有のビジネスルール、インターフェース契約、開発者が実践を通じて内部化するが文書化しない運用規約を含む、エージェントの暗黙の知識の欠如の根本原因を特定します。
この知識は、ドメイン・コードの下に深く埋もれており、コード・エンティティとその依存関係にまたがっており、それを持たないエージェントには見えません。
本稿では,ドメインコード生成のための暗黙的知識の抽出,表現,再利用を可能にするフレームワークであるPRAXISを提案する。
論文 参考訳（メタデータ） (2026-08-20T08:28:28Z) - Knowledge-Centric Self-Improvement [28.85741798328687]
自己改善型AIシステムはエージェントを、プロンプト、ハーネス、さらにはエージェント自身のコードを最適化することによって改善するオブジェクトとして扱う。
このエージェント中心のビューは、メンテナンスにコストがかかり、転送が困難になる。
我々は,エージェントが汎用的で使い捨てであるような,知識中心の自己改善という補完的パラダイムについて研究する。
論文 参考訳（メタデータ） (2026-07-21T21:38:39Z) - From Question Answering to Task Completion: A Survey on Agent System and Harness Design [67.8241530947325]
本研究はモデルハーネスレンズを用いてLCMをベースとしたエージェントについて検討する。
まず, LLMをベースとしたエージェントを基礎モデルと実行ハーネスとして, エージェントの機能的定義と実装の視点を明らかにする。
次に、モデル中心のスケーリングの限界を分析し、エージェントエンジニアリングの4つのパラダイムをトレースし、実行ハーネスを6つの結合ランタイム責任に分解する。
論文 参考訳（メタデータ） (2026-06-14T05:40:16Z) - Harnessing Agent Skills: Architectural Patterns and a Reference Architecture for Skill-Mediated LLM Agents [32.839955793172436]
エージェントスキルは、再利用可能なエージェント向け知識とガイダンスを永続的なアーティファクトとして外部化する。
本稿では,スキルアーティファクトからスキル・イン・ユースへの移行を規定するアーキテクチャ責任について考察する。
論文 参考訳（メタデータ） (2026-05-29T02:12:24Z) - Agent-Dice: Disentangling Knowledge Updates via Geometric Consensus for Agent Continual Learning [41.461840578204956]
大言語モデル(LLM)ベースのエージェントは、破滅的な忘れをせずに新しいタスクを学習する。
Agent-Diceは指向性コンセンサス評価に基づくパラメータ融合フレームワークである。
GUIエージェントとツール使用エージェントドメインの実験は、Agent-Diceが優れた連続学習性能を示すことを示した。
論文 参考訳（メタデータ） (2026-01-07T06:43:50Z) - AgentDistill: Training-Free Agent Distillation with Generalizable MCP Boxes [35.504027343665605]
MCP(Model-Context-Protocols)を直接再利用することで,スケーラブルな知識伝達を可能にする,新しいフリーエージェント蒸留フレームワークを提案する。
MCPは教師エージェントによって自律的に生成される再利用可能なタスク解決モジュールである。
バイオメディカルおよび数学的なベンチマーク実験により、我々の蒸留された学生エージェントは、小さな言語モデルで構築され、先進的なシステムに匹敵する性能を達成できることを示した。
論文 参考訳（メタデータ） (2025-06-17T17:08:32Z) - Toward a Theory of Agents as Tool-Use Decision-Makers [89.26889709510242]
真の自律性は、エージェントが、彼らが知っていること、必要なこと、そしてその知識を効率的に獲得する方法を統治する、一貫性のある疫学の枠組みに根ざす必要がある、と我々は主張する。
本研究では,内的推論と外的行動を等価な疫学ツールとして扱う統一理論を提案し,エージェントが内観と相互作用を体系的に調整することを可能にする。
この視点は、エージェントの設計を単なるアクションエグゼクタから知識駆動インテリジェンスシステムにシフトさせ、適応的で効率的でゴール指向の行動が可能な基礎エージェントを構築するための原則化された道筋を提供する。
論文 参考訳（メタデータ） (2025-06-01T07:52:16Z) - Propagating Knowledge Updates to LMs Through Distillation [97.3628651636153]
文脈に基づくアプローチは、エンティティに関する知識を付与し、その知識を広めてより広範な推論を可能にすることができることを示す。
実験により,本手法は,微調整や他の勾配に基づく知識編集手法よりも,知識更新の伝播に有効であることが実証された。
論文 参考訳（メタデータ） (2023-06-15T17:39:50Z) - CMD: Self-supervised 3D Action Representation Learning with Cross-modal
Mutual Distillation [130.08432609780374]
3D行動認識では、骨格のモダリティの間に豊富な相補的な情報が存在する。
本稿では,CMD(Cross-modal Mutual Distillation)フレームワークを提案する。
提案手法は,既存の自己管理手法より優れ,新しい記録を多数設定する。
論文 参考訳（メタデータ） (2022-08-26T06:06:09Z)
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。