論文の概要: KUPAS MASTER: Distilling the Tacit Expertise of Master Practitioners into Agent-Ready Experience Corpora

• arxiv url: http://arxiv.org/abs/2609.37673v1
• Date: Tue, 29 Sep 2026 14:27:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:47.623825
• Title: KUPAS MASTER: Distilling the Tacit Expertise of Master Practitioners into Agent-Ready Experience Corpora
• Title（参考訳）: KUPAS MASTER: エージェント・レディ・エクスペリエンス・コーパスにマスター・実践者の暗黙の専門知識を注ぐ
• Abstract要約: KUPAS MASTERは9層認知コーパス構築を中心に構築された経験工学プラットフォームである。 ヘテロジニアスな仕事の記録と実践者のインタビューを、エージェントのための追跡可能で再利用可能な体験コーパスに変える。 プラットフォームはこれらの資産を明示的な入力、ステップ、依存関係、停止条件で呼び出し可能なスキルにパッケージする。
• 参考スコア（独自算出の注目度）: 45.692488398289356
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Experienced professionals know more than just facts and conclusions. They know which cues matter, why a judgment is reasonable, and which action to take. Routine work records often leave out this tacit knowledge, making it difficult for Large Language Model (LLM) agents to use professional experience effectively. We introduce KUPAS MASTER, an experience engineering platform built around nine-layer cognitive corpus construction. It turns heterogeneous work records and practitioner interviews into traceable, reusable experience corpora for agents. Six case elements preserve the task process: context, cues, judgment, action, boundaries, and outcomes. Nine-layer cognitive corpus construction organizes tacit experience along nine extraction dimensions and stores the resulting assets in six libraries: rules, constraints, best practices, negative examples, corner cases, and skills. Semantic alignment, individual experience distillation, organizational consolidation, and cross-review preserve source evidence, conditions of use, and unresolved disagreements. The platform packages these assets into callable skills with explicit inputs, steps, dependencies, and stopping conditions, connecting experience collection to task execution and evaluation feedback. Using authorized samples from 20 randomly selected practitioners, the platform processed 1,576 source files into 23,024 individual experience records and 13,113 organizational assets. The evaluation spans multiple professional domains. Under common task inputs and scoring criteria, the base model, raw corpus retrieval-augmented generation (RAG), and KUPAS MASTER agent scored 70.63, 79.75, and 89.58, respectively. The KUPAS MASTER agent improved on raw-corpus RAG in all seven scoring dimensions. The platform provides a practical path from individual tacit experience to organizational knowledge and agent capabilities.
• Abstract（参考訳）: 経験豊富な専門家は、事実や結論以上のことを知っています。 彼らはどれが重要か、なぜ判断が妥当か、どの行動をとるかを知っている。 ルーチンの作業記録は、しばしばこの暗黙の知識を欠いているため、Large Language Model (LLM)エージェントがプロフェッショナルな経験を効果的に利用することは困難である。 9層認知コーパス構築を中心に構築された経験工学プラットフォームであるKUPAS MASTERを紹介する。 ヘテロジニアスな仕事の記録と実践者のインタビューを、エージェントのための追跡可能で再利用可能な体験コーパスに変える。 6つのケース要素は、コンテキスト、キュー、判断、アクション、バウンダリ、結果といったタスクプロセスを保存する。 9層認知コーパスの構築は、9つの抽出次元に沿って暗黙的な経験を整理し、その結果の資産を6つのライブラリ(ルール、制約、ベストプラクティス、ネガティブな例、コーナーケース、スキル)に格納する。 セマンティックアライメント、個人経験蒸留、組織統合、相互レビューは、証拠、使用条件、未解決の意見の相違を保存している。 プラットフォームはこれらの資産を明示的なインプット、ステップ、依存関係、停止条件で呼び出し可能なスキルにパッケージし、エクスペリエンスコレクションをタスク実行と評価フィードバックに接続する。 ランダムに選択された20人の実践者による承認されたサンプルを使用して、プラットフォームは1,576のソースファイルを23,024の個人経験記録と13,113の組織資産に処理した。 評価は複数の専門分野にまたがる。 共通タスク入力と評価基準では、ベースモデル、生コーパス検索増強世代(RAG)、KUPAS MASTERエージェントはそれぞれ70.63、79.75、89.58と評価された。 KUPASMASTER剤は7次元すべてで生コーパスRAGを改善した。 このプラットフォームは、個々の暗黙の経験から組織的知識やエージェント能力への実践的なパスを提供する。

関連論文リスト

• Efficient Test-Time Adaptation through Human-AI Interaction [112.5131603022122]
  我々は,ヒト-エージェント間相互作用(TAHI)によるテスト時間適応を提案する。 エージェントを2つの高ユーティリティドメイン(書き込みと視覚的創造)の30人に適応させ、合計600のタスクをこなします。 エージェントは10タスク以内の単独作業の成功率を4.5-20.9%向上させる。
  論文  参考訳（メタデータ） (2026-09-03T17:33:18Z)
• Demystifying Agent Skills: Why They Work-Until They Don't [58.92875630998418]
  既存の評価は、スキルが集約されたタスクの成功を改善するかどうかを主に測定する。 我々は、表現、結果アノテーション、検索難易度、スキルのクロスフレームワークの影響を分離する。 我々はこれらの観察を3つの高レベルカテゴリと12のスキルユースモードの分類に集約する。
  論文  参考訳（メタデータ） (2026-08-14T07:26:38Z)
• PATH-Bench: Path-Dependent Evaluation of Lifelong Agents [27.837334107109786]
  PATH-Benchは、生涯エージェントのパス依存評価のためのベンチマークである。 SEU(Selective Experience Use)は,経路蓄積経験が各タスクにどのように影響するかを制御するエージェントハーネスである。
  論文  参考訳（メタデータ） (2026-08-02T11:00:04Z)
• SkillAudit: Ground-Truth-Free Skill Evolution via Paired Trajectory Auditing [81.51044612408793]
  SkillAuditは、地味なフィードバックなしにエージェントスキルを進化させるフレームワークである。 行動の違いを編集指導に変換するために、SkillAuditはProcess-Aligned Contrastive Evaluationを使用する。 Refineはノイズや無関係なガイダンスを広く有用なスキルから取り除き、修復はタスクと競合するパスを置き換える。
  論文  参考訳（メタデータ） (2026-06-12T08:20:09Z)
• SkillJuror: Measuring How Agent Skill Organization Changes Runtime Behavior [23.11308948097101]
  現在のベンチマークでは、スキルがどのように組織化されているのかを区別することは滅多にありません。 我々は、この区別をプログレッシブ・開示(Progressive Disclosure)を通じて研究し、簡潔なルートファイルが要求に応じてリソースを支援するためにエージェントを指示する。 本稿では,スキル記述パラダイムを評価するフレームワークであるSkillJurorを紹介する。
  論文  参考訳（メタデータ） (2026-06-10T01:11:50Z)
• COLLEAGUE.SKILL: Automated AI Skill Generation via Expert Knowledge Distillation [58.84646485020439]
  人為的なAIスキルを生成するための自動トレース・ツー・スキル蒸留システムを提案する。 COLLEAGUE.SKILLは、実践、メンタルモデル、意思決定のための能力トラックと、コミュニケーションスタイル、インタラクションルール、修正履歴のための有界な行動トラックの2つのトラックを持つバージョン付きのスキルパッケージを生成する。
  論文  参考訳（メタデータ） (2026-05-29T12:59:08Z)
• SkillEvolBench: Benchmarking the Evolution from Episodic Experience to Procedural Skills [31.23929961213889]
  大規模言語モデル(LLM)エージェントは、現実世界のタスクを解きながら豊富なエピソード軌道を蓄積する。 SkillEvolBenchは、経験の再利用からスキル形成まで、このステップを評価するための診断ベンチマークである。 現在のエージェントは、しばしばローカルに適応するが、堅牢な再利用可能なスキルを形成することは滅多にない。
  論文  参考訳（メタデータ） (2026-05-22T18:23:31Z)
• Rethinking Experience Utilization in Self-Evolving Language Model Agents [51.10420305280499]
  自己進化剤は過去の相互作用から経験を蓄積し再利用することで改善する。 本稿では,自己進化型エージェントの重要設計次元としての利用経験について考察する。
  論文  参考訳（メタデータ） (2026-05-08T02:48:49Z)

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。