論文の概要: SkillCome: Group Contrast Skill Optimization with Dual Memory
- arxiv url: http://arxiv.org/abs/2609.37128v1
- Date: Tue, 29 Sep 2026 09:33:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-30 21:28:47.386866
- Title: SkillCome: Group Contrast Skill Optimization with Dual Memory
- Title（参考訳）: SkillCome: デュアルメモリによるグループコントラストスキル最適化
- Abstract要約: 本稿では,デュアルメモリを用いたグループコントラスト最適化に基づくスキル進化手法であるSkillComeを提案する。
各質問に対して、SkillComeは軌道を生成し、グループコントラスト解析を行う。
デュアルメモリシステムは、異なるグループ間で共有されるパターンを追跡するために、歴史的なステップから証拠を蓄積する。
- 参考スコア（独自算出の注目度）: 61.4363992740827
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Skill evolution improves the capabilities of large language models by analyzing trajectories generated under a given skill and modifying the skill accordingly. Existing approaches typically generate a single trajectory per question. However, this provides insufficient optimization signals since it requires inferring effective skill edits from a solitary path. It is difficult to pinpoint which actions caused the failure in a failed trajectory, or to determine which actions in a successful one should be incorporated into the skill. Furthermore, they rely on a local batch of trajectories for analysis, making the optimization direction susceptible to noisy evidence. To address these, we propose SkillCome, a Skill-evolution method based on group Contrast optimization with dual memory. For each question, SkillCome generates trajectories and performs group contrast analysis to precisely identify key behavioral divergences between successful and failed trajectories, offering reliable optimization signals. The dual memory system further accumulates evidence from historical steps to track patterns shared across different groups, leading to more generalized optimization directions. Together, SkillCome builds a systematic optimization process that transforms experience from observed successful trajectories into reusable skills. Extensive experiments on six benchmarks spanning question answering, reasoning, and agentic tasks demonstrate the effectiveness of our method. SkillCome consistently outperforms baselines across five models of varying families and scales, with gains up to +5.69 points.
- Abstract（参考訳）: スキル進化は、与えられたスキルの下で生成された軌跡を分析し、それに応じてスキルを変更することで、大きな言語モデルの能力を向上させる。
既存のアプローチは通常、質問毎に1つの軌道を生成する。
しかし、これは単独の経路から効果的な技術編集を推測する必要があるため、十分な最適化信号を提供する。
失敗した軌道の失敗の原因となる動作を特定することは困難であり、成功した軌道のどのアクションをそのスキルに組み込むべきかを判断することは困難である。
さらに、彼らは分析のために局所的な軌道のバッチに依存しており、最適化方向はノイズのある証拠に影響を受けやすい。
そこで本研究では,グループコントラスト最適化に基づくスキル進化手法であるSkillComeを提案する。
各質問に対して、SkillComeはトラジェクトリを生成し、グループコントラスト解析を行い、成功したトラジェクトリと失敗したトラジェクトリ間の重要な振る舞いの相違を正確に識別し、信頼性の高い最適化信号を提供する。
デュアルメモリシステムは、異なるグループ間で共有されるパターンを追跡するために、歴史的なステップから証拠を蓄積し、より一般化された最適化の方向性をもたらす。
SkillComeは、観察された軌道から再利用可能なスキルへ、経験を変換する、体系的な最適化プロセスを構築している。
質問応答,推論,エージェントタスクにまたがる6つのベンチマーク実験により,本手法の有効性が示された。
SkillComeは、様々な家族とスケールの5つのモデルのベースラインを一貫して上回り、+5.69ポイントまで上昇する。
関連論文リスト
- V-Gym: Enhancing Agentic Visual Reasoning via Skill-Data Co-Evolution [68.43599428916389]
V-Gymは、手続き的なスキルと実行軌跡からのマルチモーダルな実践データを反復的に進化させる、自律的なフレームワークである。
スキル進化の過程で、V-Gymは軌道を分析して階層的なスキルを蒸留し、洗練し、手続き的なガイダンスと適用性条件を更新する。
結果として得られた実践結果は、その後のスキル更新にフィードバックされ、継続的なスキル改善のループを閉じます。
論文 参考訳（メタデータ） (2026-09-28T09:09:24Z) - Prior Evolution and Task Alignment for Aerial Grasping [8.671231932668926]
航空捕獲は捕食性鳥類によって示される顕著な能力であり、高度に調整された飛行操作によって獲物を捕獲することができる。
本研究の目的は, コスト, 信頼性, 軌道, 把握性能の限界について検討することである。
論文 参考訳（メタデータ） (2026-09-16T05:33:20Z) - COBRA-Skills: Contextual Bandit-Guided Evolution for Agent Skill Optimization [55.60171725587438]
大規模言語モデル(LLM)エージェントは、以前のタスク経験から抽出した再利用可能なスキルの恩恵を受けることができる。
既存のスキル最適化手法は、コストのかかる実行ベースの評価と実質的なタスクデータに依存していることが多い。
動的に進化する候補空間上での予算付き逐次最適化としてスキル最適化を定式化する効率的なフレームワークである textbfCOBRA-Skills を導入する。
論文 参考訳（メタデータ） (2026-09-10T15:12:24Z) - 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) - DIVE: Unlocking Self-Improvement in Frozen Language Models Through Diversity-Driven Skill Evolution [30.082997083095847]
大規模言語モデル(LLM)は、パラメーター更新なしでは、デプロイ後のエクスペリエンスを維持することができない。
課題経験や検証者からのフィードバックを進化させることで、凍結LDMの改善を可能にする多様性駆動型フレームワークであるDIVEを紹介した。
論文 参考訳（メタデータ） (2026-08-12T18:06:41Z) - 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) - Adaptor: Advancing Assistive Teleoperation with Few-Shot Learning and Cross-Operator Generalization [26.90003783245582]
Adaptorは、堅牢なクロスオペレーターインテント認識のためのフレームワークである。
ドメインギャップを、前処理とポリシー学習という2つの段階にブリッジする。
最先端のパフォーマンスを実現し、成功率とベースラインよりも効率を向上します。
論文 参考訳（メタデータ） (2026-04-10T16:19:43Z) - Counteracting Matthew Effect in Self-Improvement of LVLMs through Head-Tail Re-balancing [70.35701681177655]
自己改善は、大きな視覚言語モデルの推論能力を向上するための主流パラダイムとして現れてきた。
本研究では,探索学習による自己改善プロセスにおいて,頭部再バランスを実現するための4つの効率的な戦略を提案する。
我々の手法は視覚的推論能力を常に改善し、バニラ自己改善を平均3.86ポイント上回る。
論文 参考訳（メタデータ） (2025-10-30T13:26:58Z) - HUB: Guiding Learned Optimizers with Continuous Prompt Tuning [45.662334160254176]
学習はメタ学習の重要な要素である。
スケーラブルな学習の最近の進歩は、様々なタスクにおいて手作業よりも優れたパフォーマンスを示している。
本稿では,スケーラブルな学習における一般化問題に対処するため,ハイブリッド更新ベース(HUB)最適化手法を提案する。
論文 参考訳（メタデータ） (2023-05-26T11:08:20Z) - Learning to Optimize for Reinforcement Learning [58.01132862590378]
強化学習(Reinforcement Learning, RL)は、教師付き学習とは本質的に異なり、実際、これらの学習は単純なRLタスクでもうまく機能しない。
エージェント勾配分布は非独立で同一分布であり、非効率なメタトレーニングをもたらす。
おもちゃのタスクでしか訓練されていないが、我々の学習はブラックスの目に見えない複雑なタスクを一般化できることを示した。
論文 参考訳（メタデータ） (2023-02-03T00:11:02Z)
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。