論文の概要: Learning Meta-Skills for Agent Harness Design in Test-Time AI4AI

• arxiv url: http://arxiv.org/abs/2609.38143v2
• Date: Thu, 01 Oct 2026 05:12:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:23.529728
• Title: Learning Meta-Skills for Agent Harness Design in Test-Time AI4AI
• Title（参考訳）: テストタイムAI4AIにおけるエージェントハーネス設計のためのメタスキルの学習
• Abstract要約: 我々は、テストタイムのAI-for-AIを研究し、ビルダーがターゲットのためのより良い実行環境を構築することを学べるかを尋ねる。 メタスキル(Meta-Skill): サポートがいつ必要か、提供すべきリソースを指定する原則。 ハーネス・ベンチとニュートン・ベンチ全体では、フルバンクのメタスキルがマクロ平均性能を8.95ポイント改善した。
• 参考スコア（独自算出の注目度）: 51.93917399748162
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Agent performance depends on both reasoning ability and the environment in which it acts. We study test-time AI-for-AI, asking how a Builder can learn to construct better execution environments for a Target while both models' weights remain fixed. To make the Builder's experience reusable, we introduce Meta-Skill: principles specifying when support is needed and what resources to provide. The Builder learns these principles from Target's execution feedback on the development set, then uses the frozen skill bank to construct harnesses for unseen tasks. Across Harness-Bench and NewtonBench, full-bank meta-skills improve macro-average performance by 8.95 percentage points over no-skill construction, and 12.02 points over direct delivery of the same bank to the Target. These results highlight the value of translating experience into executable support. Gains when the same model serves both roles further suggest a path to system level self-improvement through learning to build better environments.
• Abstract（参考訳）: エージェントのパフォーマンスは、推論能力とそれが作用する環境の両方に依存します。 我々は、テストタイムのAI-for-AIを研究し、両方のモデルの重みが固定されている間、ビルダーがターゲットのためのより良い実行環境を構築することを学べるかを尋ねる。 ビルダーの経験を再利用するために、メタスキル(Meta-Skill)を紹介します。 ビルダーは、Targetによる開発セットの実行フィードバックからこれらの原則を学び、凍結したスキルバンクを使用して、目に見えないタスクのためのハーネスを構築します。 ハーネス・ベンチとニュートン・ベンチの全体で、フルバンクのメタスキルは、非スキル構築でマクロ平均性能を8.95ポイント改善し、同じ銀行のターゲットへの直接配送で12.02ポイント向上した。 これらの結果は、経験を実行可能なサポートに変換することの価値を強調している。 同じモデルが両方の役割を果たす場合、より良い環境を構築するための学習を通じて、システムレベルの自己改善への道がさらに示唆されます。

関連論文リスト

• CoSkill: Joint Reinforcement Learning of Reasoning and Meta-Skill Agents for Hierarchical Skill Evolution [12.48020149385294]
  CoSkillは、静的メタスキルワークフローを学習可能なメタスキルエージェントとして再キャストする統合マルチエージェントRLフレームワークである。 ReasoningとMeta-Skill Agentsを単一のバックボーンを共有する協力チームとしてモデル化することで、CoSkillはエンドツーエンドのコ適応を可能にする。
  論文  参考訳（メタデータ） (2026-09-04T08:25:30Z)
• SPADE: Self-Play in Adaptive Synthetic Executable Environments [110.80471334001574]
  1つのLLMが2つの役割を演じるセルフプレイのRLフレームワークであるSPADEを紹介する。 Environment Designerは、OpenAI Gymスタイルのreset()/step()インターフェイスで実行可能なコードとして、完全な長距離トレーニング環境を記述する。 環境デザイナは,大規模な事前学習コーパスから採取した文書に基づいて構築し,蓄積した環境記憶を与える。
  論文  参考訳（メタデータ） (2026-08-19T17:58:56Z)
• 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)
• MetaSkill-Evolve: Recursive Self-Improvement of LLM Agents via Two-Timescale Meta-Skill Evolution [24.78476085778134]
  自己改善エージェントは、実行トレースから自身のスキルファイルを書き換えることで、この問題に対処する。 MetaSkill-Evolveはエージェントスキルの改善を再帰的に行う2段階のフレームワークである。 タスクスキルは高速ループで進化し、メタスキルは自分自身に適用される同じパイプラインの下で遅いループで進化する。 5つのパイプラインエージェントが1つの凍結バックボーンを共有しているため、MetaSkill-Evolveは、ノスキル、スタティックスキル、シングルレベルの進化ベースラインよりも優れています。
  論文  参考訳（メタデータ） (2026-07-06T16:40:23Z)
• MMG2Skill: Can Agents Distill In-the-Wild Guides into Self-Evolving Skills? [36.863282825853645]
  MMG2Skillは、ワイルドガイドをエージェント実行可能なスキルに変換するためのフレームワークである。 MMG2Skillは、モデルドメイン設定毎にバニラベースラインエージェントを一貫して上回る。
  論文  参考訳（メタデータ） (2026-06-01T09:50:40Z)
• AgentPRM: Process Reward Models for LLM Agents via Step-Wise Promise and Progress [71.02263260394261]
  大規模言語モデル(LLM)は、マルチターン意思決定タスクにおいて依然として課題に直面している。 プロセス報酬モデル(PRM)を構築し、各意思決定を評価し、エージェントの意思決定プロセスを導く。 AgentPRMは、シーケンシャルな決定と最終的な目標への貢献の間の相互依存の両方をキャプチャする。
  論文  参考訳（メタデータ） (2025-11-11T14:57:54Z)
• One Model to Critique Them All: Rewarding Agentic Tool-Use via Efficient Reasoning [54.580646706013965]
  リワードモデル(RM)は、大きな言語モデルと人間の嗜好の整合において重要な役割を果たす。 一般的なツール使用シナリオに適した軽量な生成型RMのファミリーであるToolRMを紹介する。 これらのモデルを構築するために,ルールベースのスコアリングと多次元サンプリングを用いたペアワイズ選好データを構築するパイプラインを提案する。
  論文  参考訳（メタデータ） (2025-10-30T06:08:27Z)
• BuilderBench -- A benchmark for generalist agents [25.95740507109988]
  BuilderBenchはエージェント事前トレーニングの研究を加速するベンチマークである。 訓練中、エージェントは環境に関する一般的な原則を探求し、学ぶ必要がある。 評価中、エージェントはタスクスイートから見えないターゲット構造を構築する必要がある。
  論文  参考訳（メタデータ） (2025-10-07T04:23:48Z)
• Tool-R1: Sample-Efficient Reinforcement Learning for Agentic Tool Use [50.02614257515131]
  大規模言語モデル(LLM)は、言語理解と推論において強力な能力を示している。 本稿では,LLMの汎用的,構成的,多段階的なツール使用を可能にする強化学習フレームワークであるTool-R1を提案する。
  論文  参考訳（メタデータ） (2025-09-16T09:22:21Z)
• AIBench Training: Balanced Industry-Standard AI Training Benchmarking [26.820244556465333]
  新しいAIアーキテクチャ/システムのアーリーステージ評価には、安価なベンチマークが必要だ。 私たちは現実世界のベンチマークを使って、学習力学に影響を与える要因をカバーしています。 私たちは、最も包括的なAIトレーニングベンチマークスイートにコントリビュートしています。
  論文  参考訳（メタデータ） (2020-04-30T11:08:49Z)

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。