論文の概要: EASE: Behavior-Adaptive Skill Curation for Self-Evolving Agents

• arxiv url: http://arxiv.org/abs/2609.36746v1
• Date: Tue, 29 Sep 2026 05:18:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:47.206231
• Title: EASE: Behavior-Adaptive Skill Curation for Self-Evolving Agents
• Title（参考訳）: EASE: 自己進化型エージェントのための行動適応型スキルキュレーション
• Abstract要約: EASEは1つのキュレーターを学習し、その決定を異なる実行者行動に適応させるフレームワークである。 EASEは、実行者ごとの微調整なしで、強いスキルとメモリベースのベースラインを上回ります。 これらの結果から,自己進化型エージェント構築の効果的な原則として,行動適応型スキルキュレーションが確立された。
• 参考スコア（独自算出の注目度）: 13.51169352952116
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Agent skills provide a lightweight mechanism for self-evolving agents to accumulate reusable procedural knowledge without updating model parameters. However, existing learned skill curators typically optimize curation without explicitly modeling downstream executor behavior. We show that this can cause systematic cross-executor degradation: curators trained with different executors perform best when paired with their own training executor, indicating that effective skill curation is executor-dependent. We formulate behavior-adaptive skill curation and introduce EASE, a framework that learns a single curator that adapts its decisions to different executor behaviors. EASE maintains an online behavioral profile of recent execution patterns and conditions the curator on this profile, the current trajectory, and retrieved skills to add, modify, or remove skills from an evolving repository. We train the shared curator jointly across multiple frozen executors with reinforcement learning, using retrieval-aware and behavior-aware temporal attribution to focus optimization on curation actions with observable downstream influence. Across ALFWorld, ScienceWorld, and WebShop, with executors ranging from Qwen3-8B/32B and GPT-OSS-120B to unseen Kimi K2.6, DeepSeek V4 Flash, and Gemini 3.5 Flash, EASE outperforms strong skill- and memory-based baselines without per-executor finetuning. EASE also maintains 34.5--41.0% fewer skills, improves skill retrieval by 36.3--38.7% and measured edit utility by 51.8--60.0%, and reduces deployment-time inference tokens by 9.1--14.5%. These results establish behavior-adaptive skill curation as an effective principle for building self-evolving agents.
• Abstract（参考訳）: エージェントスキルは、モデルパラメータを更新することなく、自己進化エージェントが再利用可能な手続き的知識を蓄積するための軽量なメカニズムを提供する。 しかし、既存の学習スキルキュレーターは通常、下流のエグゼキュータの振る舞いを明示的にモデル化せずにキュレーションを最適化する。 異なるエグゼクタでトレーニングされたキュレーターは、自身のトレーニングエグゼクタとペアになって、効果的なスキルキュレーションがエグゼクタに依存していることを示す。 我々は,行動適応型スキルキュレーションを定式化し,その決定を異なる実行者行動に適応させる単一のキュレーターを学習するフレームワークであるEASEを導入する。 EASEは、最近の実行パターンと、このプロファイル上のキュレーター、現在の軌道、そして進化するリポジトリからスキルを追加したり、変更したり、削除したりするスキルのオンライン行動プロファイルを維持している。 本研究は,検索意識と行動意識の時間的属性を用いて,複数の冷凍作業者間で共同で学習し,観測可能な下流の影響によるキュレーション行動に焦点をあてる。 ALFWorld、ScienceWorld、WebShop全体では、Qwen3-8B/32B、GPT-OSS-120Bから、Kim K2.6、DeepSeek V4 Flash、Gemini 3.5 Flashまで、実行者ごとの微調整なしに、強力なスキルとメモリベースのベースラインを上回ります。 EASEは、スキルを34.5～41.0%削減し、スキル検索を36.3～38.7%改善し、編集ユーティリティを51.8～60.0%改善し、デプロイメント時の推論トークンを9.1～14.5%削減した。 これらの結果から,自己進化型エージェント構築の効果的な原則として,行動適応型スキルキュレーションが確立された。

関連論文リスト

• Write, Execute, Refine: From Skill Followers to Skill Optimizers via Reinforcement Learning from Execution Feedback [52.78692582507693]
  専門家による自然言語スキルは、ツール使用エージェントを改善することができるが、エージェントによるスキルは、スキルを使用しないよりも8-11ポイント悪い。 本研究では,中間的スキルから実行経験を訓練状態に整理する方法について検討する。
  論文  参考訳（メタデータ） (2026-08-18T09:52:48Z)
• Rethinking Self-Evolution: A Constrained Exploration-Exploitation Process for Mitigating Skill Overfitting [20.811638832981178]
  大規模言語モデル(LLM)エージェントは、過去のインタラクションからの経験を蓄積し再利用する必要がある。 データ駆動のスキル最適化は、実際の環境から収集された限られた軌道に過度に適合する傾向がある。 リスクを緩和する3段階フレームワークであるSkillBoostを提案する。
  論文  参考訳（メタデータ） (2026-07-29T09:05:40Z)
• 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)
• SKILLC: Learning Autonomous Skill Internalization in LLM Agents via Contrastive Credit Assignment [4.336665585098371]
  本稿では,このコントラストを内部化のための直接学習信号に変換するContrastive Skill Credit Assignment (CSCA) に基づくフレームワークであるSkillCを提案する。 textscSkillCは、同じポリシー更新内でアクティブなスキルタイプからのタスクに対して、ペア化されたスキル注入とスキルフリーのロールアウトをサンプリングする。 スムーズな検証レベル信号は、帰属強度、ロールアウトアロケーション、単調なアクティブセットプルーニングよりも適応的なカリキュラムを駆動する。
  論文  参考訳（メタデータ） (2026-05-27T03:21:19Z)
• Harnessing LLM Agents with Skill Programs [58.356514745548026]
  HASPは、実行可能なプログラム関数(PF)にスキルをアップグレードする新しいフレームワークです。 PFは障害が発生しやすい状態を起動し、次のアクションを変更したり、修正コンテキストを注入する実行可能なガードレールとして機能する。 HASPは、Web検索、数学推論、コーディングタスクにおいて、トレーニング不要とトレーニングベースの両方の手法と比較して、大幅に向上している。
  論文  参考訳（メタデータ） (2026-05-18T01:35:11Z)
• EmbodiSkill: Skill-Aware Reflection for Self-Evolving Embodied Agents [28.518726581654743]
  エージェントは、さまざまな環境にわたるオブジェクト検索、アクション実行、状態変更をガイドするスキルの恩恵を受けることができる。 既存のスキル自己進化法は主にデジタル環境で開発されている。 エボディスキル(EmbodiSkill)は、スキルの自己進化を具現化するためのトレーニング不要のフレームワークである。
  論文  参考訳（メタデータ） (2026-05-11T10:33:29Z)
• Evolving LLMs' Self-Refinement Capability via Synergistic Training-Inference Optimization [53.93621974137829]
  自己精製(Self-Refinement)とは、モデルが自身のレスポンスを改訂し、改善された出力を生成する能力を指す。 EVOLVEは、反復的なトレーニングを通じて自己精製の進化を導き、追跡するためのフレームワークである。 固有モデル能力のより広範な自己改善を実現するために自己改善を活用する可能性を実証する。
  論文  参考訳（メタデータ） (2025-02-08T15:21:55Z)
• Augmenting Unsupervised Reinforcement Learning with Self-Reference [63.68018737038331]
  人間は、新しいタスクを学ぶ際に、過去の経験を明確に表現する能力を持っている。 本稿では,歴史情報を活用するためのアドオンモジュールとして,自己参照(SR)アプローチを提案する。 提案手法は,非教師付き強化学習ベンチマークにおけるIQM(Interquartile Mean)性能と最適ギャップ削減の両面から,最先端の成果を実現する。
  論文  参考訳（メタデータ） (2023-11-16T09:07:34Z)

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。