論文の概要: Prompt2Skill: Unsupervised Skill Optimization From Natural Language Instructions

• arxiv url: http://arxiv.org/abs/2609.38593v1
• Date: Tue, 29 Sep 2026 21:53:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:26.776637
• Title: Prompt2Skill: Unsupervised Skill Optimization From Natural Language Instructions
• Title（参考訳）: Prompt2Skill: 自然言語命令による教師なしスキル最適化
• Abstract要約: 本稿では、自然言語によるタスク記述だけでスキルを構築するフレームワークであるPrompt2Skillを紹介する。 質問応答、理解、スプレッドシート操作、数学的推論の4つの領域にまたがって、Prompt2Skillは、ダイレクトプロンプトベースラインを一貫して上回っている。
• 参考スコア（独自算出の注目度）: 82.71984300701065
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Skills are external artifacts that Large Language Models (LLMs) consume at inference time to improve their performance on specialized domains by incorporating relevant procedural and domain knowledge. Expert-authored skills are expensive to produce, and the resulting artifacts are not optimized for the specific model that consumes them, whose failure modes can vary with version, scale and training. In addition, emerging tasks may fall outside the scope of existing skill libraries, creating a need to develop new skills before curated training data become available. Recent works have explored automated skill optimization through reflection, but they require a curated, in-distribution training set, which users might not always have. To address these limitations, we present Prompt2Skill, a framework that builds skills from natural-language task description alone. From the prompt, the system derives a task specification, discovers or synthesizes datasets, and refines the skill in a closed loop of reflective editing. Across four domains spanning question answering, reading comprehension, spreadsheet manipulation, and mathematical reasoning, Prompt2Skill consistently outperforms the direct prompting baseline, achieving an average improvement of 10.8 across open-source and frontier models.
• Abstract（参考訳）: スキル(英: Skills)とは、言語モデル(LLM)が推論時に消費する外部の成果物であり、関連する手続きやドメインの知識を取り入れることで、特定のドメインにおけるパフォーマンスを向上させる。 専門家が作成するスキルは高価で、結果のアーティファクトは、それらを使用する特定のモデルに最適化されていない。 さらに、新しいタスクは既存のスキルライブラリの範囲外になり、キュレートされたトレーニングデータが利用可能になる前に新しいスキルを開発する必要が生じる可能性がある。 最近の研究は、リフレクションを通じて自動スキル最適化を探求しているが、それは、ユーザーが常に持っているとは限らない、キュレートされたインディストリビューショントレーニングセットを必要とする。 これらの制限に対処するため、自然言語によるタスク記述だけでスキルを構築するフレームワークであるPrompt2Skillを紹介します。 プロンプトから、システムはタスク仕様を導き、データセットを発見し、合成し、反射編集のクローズドループでそのスキルを洗練する。 Prompt2Skillは、質問応答、理解、スプレッドシート操作、数学的推論の4つの領域にまたがっており、オープンソースモデルとフロンティアモデルで平均10.8の改善を実現している。

関連論文リスト

• Retrieval-Augmented Skill Optimization via Cross-Harness Adaptation [38.330638706297215]
  エージェントスキルは、エージェントが与えられたハーネスの下で効果的にタスクを実行するように誘導する再利用可能な、行動可能な自然言語アーティファクトである。 近年、エージェントスキルの最適化について研究され、公開スキルの収集に寄与している。 我々は、スキル最適化を通じて事前知識として外部スキルコーパスを活用するフレームワークである textbfRetrieval-Augmented Skill Optimization (RASO) を提案する。
  論文  参考訳（メタデータ） (2026-09-29T17:06:43Z)
• SkillAlchemy: Open-World Agent Skill Creation [11.836010370630568]
  エージェントスキルは、言語エージェントを特殊化、ツール規約、推論時のドメイン動作で拡張する再利用可能な手続き的アーティファクトである。 信頼できるスキルを作るには、人間のオーサシップ、モデルの事前、実行トレースに大きく依存します。 本稿では,SkillAlchemyを提案する。
  論文  参考訳（メタデータ） (2026-08-24T15:58:57Z)
• SkillComposer: Learning to Evolve Agent Skills for Specification and Generalization [99.18305770138677]
  エージェントスキルは、エージェントの推論とアクションをガイドする再利用可能な戦略である。 現在の技術構築手法は、問題を一発抽出として扱う。 本稿では,スキル構築を3つの学習可能な操作に分解するフレームワークであるSkillComposerを紹介する。
  論文  参考訳（メタデータ） (2026-06-04T12:16:08Z)
• SkillsInjector: Dynamic Skill Context Construction for LLM Agents [16.631471381875816]
  既存の方法では、静的なステップとしてスキルインジェクションを扱い、一定の基準でスキルを選択し、事前に予算を固定し、説明をそのまま残します。 本稿では,これらの決定に共同で対処する2段階適応手法であるSkillsInjectorを提案する。 Tau2-bench、SkillsBench、ALFWorldで、SkillsInjectorは最強のベースラインを3.9点、6.1点、7.3ポイント改善した。
  論文  参考訳（メタデータ） (2026-05-28T11:44:32Z)
• SkillGraph: Skill-Augmented Reinforcement Learning for Agents via Evolving Skill Graphs [70.1970574147839]
  有向グラフのノードとして再利用可能なスキルを表現するフレームワークであるSKILLGRAPHを提案する。 SKILLGRAPHは個々のスキルだけでなく、多段階意思決定をガイドできる順序付きスキルサブグラフも取得する。 実験により,SKILLGRAPHはメモリ拡張RL法に対して最先端の性能を実現することが示された。
  論文  参考訳（メタデータ） (2026-05-12T12:21:49Z)
• From Context to Skills: Can Language Models Learn from Context Skillfully? [56.5857437218136]
  Ctx2Skillは、コンテキスト固有のスキルを自律的に発見、洗練、選択する自己進化フレームワークである。 より良い文脈学習能力を得るために、どんな言語モデルにもプラグインできる。
  論文  参考訳（メタデータ） (2026-04-30T09:53:15Z)
• SKILL0: In-Context Agentic Reinforcement Learning for Skill Internalization [61.37478254738943]
  推論時のスキル向上は基本的に制限されている。 SKILL0は,スキル内部化のためのコンテキスト内強化学習フレームワークである。 SKILL0は標準のRLベースラインよりも大幅に改善されている。
  論文  参考訳（メタデータ） (2026-04-02T17:03:05Z)

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。