論文の概要: SkillSandbox: Skill Verification via Dynamic Scenario Synthesis
- arxiv url: http://arxiv.org/abs/2610.10088v1
- Date: Wed, 07 Oct 2026 13:48:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 21:58:22.947454
- Title: SkillSandbox: Skill Verification via Dynamic Scenario Synthesis
- Title（参考訳）: SkillSandbox:動的シナリオ合成によるスキル検証
- Abstract要約: 自己進化型エージェントは、経験を将来の再利用のためのスキルに蒸留するが、これらのスキルは誤った手順や非伝達可能な知識を符号化することができる。
したがって、それぞれのスキルの再利用性を検証することが重要であり、そのガイダンスが蒸留された経験を超えて有用であるかどうかである。
SkillSandboxは,スキル関連の新しいスキルごとに動的にタスクとその環境を合成するフレームワークである。
- 参考スコア（独自算出の注目度）: 19.59280350757542
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Self-evolving agents distill task-solving experience into skills for future reuse, but these skills can encode incorrect procedures or non-transferable knowledge. It is therefore critical to verify each skill's reusability: whether its guidance remains useful beyond the experience from which it was distilled. Such verification requires observing how a skill affects execution in new tasks, yet existing tasks may not expose the situations where the target skill can actually be exercised. To construct such situations, we propose SkillSandbox, a framework that dynamically synthesizes a task and its environment for each skill that are skill-relevant yet novel. A Proposer specifies the conditions to preserve and the source-specific details to vary, a Builder constructs an executable scenario, and a Verifier compares executions with and without the skill. The Verifier assesses executability, utility, and efficiency to assign a Keep or Reject verdict, determining whether the skill enters the library. Across ALFWorld and WebShop with three models, SkillSandbox consistently yields the strongest downstream performance and improved execution efficiency. Further analyses examine whether these gains reflect accurate assessment of skill reusability and identify which components of SkillSandbox contribute to them.
- Abstract（参考訳）: 自己進化型エージェントは、タスク解決の経験を将来の再利用のためのスキルに蒸留するが、これらのスキルは誤った手順や非伝達可能な知識を符号化することができる。
したがって、それぞれのスキルの再利用性を検証することが重要であり、そのガイダンスが蒸留された経験を超えて有用であるかどうかである。
このような検証では、新しいタスクの実行にスキルがどのように影響するかを観察する必要があるが、既存のタスクは、ターゲットスキルが実際に実行可能である状況を公開することはない。
このような状況を構築するために,スキル関連で斬新なスキルごとにタスクとその環境を動的に合成するフレームワークであるSkillSandboxを提案する。
Proposerは、保存すべき条件と、ソース固有の詳細を変更すべき条件を定義し、Builderは実行可能なシナリオを構築し、Verifierは、そのスキルの有無を比較します。
Verifierは、実行可能性、ユーティリティ、効率を評価して、KeepまたはRejectの判断を割り当て、そのスキルがライブラリに入るかどうかを決定する。
ALFWorldとWebShopに3つのモデルがあり、SkillSandboxは一貫して最強のダウンストリームパフォーマンスと実行効率の改善を実現している。
さらに,これらの成果がスキル再利用可能性の正確な評価を反映しているかどうかを検証し,SkillSandboxのどのコンポーネントが寄与するかを同定する。
関連論文リスト
- Prompt2Skill: Unsupervised Skill Optimization From Natural Language Instructions [82.71984300701065]
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。
論文 参考訳（メタデータ） (2026-09-29T21:53:56Z) - 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) - SkillEval: Decomposing Agent Skill Quality into Interpretable Signals [27.757569384137767]
textttSKILL.mdドキュメントの一般的な性質は、スキル品質において重要な役割を果たす。
SkillEvalは、制御された正負のスキルペアから、各品質特性の解釈可能な方向を学習する。
SkillEvalのスコアは下流のタスクのパフォーマンスをよく反映しており、エージェントがタスクを完了するのにスキルが役立つかどうかを早期に示す。
論文 参考訳（メタデータ） (2026-08-07T07:25:17Z) - SkillAligner: Treating Retrieved Skills as Adaptable Drafts at Execution Time [14.34844805305673]
汎用スキルは、言語エージェントのための再利用可能な手続き的知識を約束する。
しかし、セマンティックな関連性は実行ユーティリティを保証しません。
トレーニング不要な実行時スキル適応フレームワークであるSkillAlignerを提案する。
論文 参考訳（メタデータ） (2026-08-07T07:05:53Z) - Task Decomposition-Guided Reranking for Adaptive Agent Skill Retrieval [16.270741233471107]
本稿では,適応型スキル選択のための推論時間更新フレームワークであるSkillRerankerを提案する。
我々は、SkillRerankerがタスク性能を効果的に改善し、環境相互作用のステップを減らし、トークン消費を減らすことを示す。
論文 参考訳（メタデータ） (2026-07-07T13:49:08Z) - SkillAudit: From Fixed-Suite Benchmarking to Skill-Centered Assessment [10.850946672552277]
スキル中心アセスメントのためのエンドツーエンドフレームワークであるSkillAuditを紹介します。
実用性、効率/コスト、安全性にまたがる包括的多次元評価レポートを生成する。
トップランクの現実世界のスキルパッケージをスキャンした結果、スキルの7%以上が危険な状態にあることがわかった。
論文 参考訳（メタデータ） (2026-06-21T17:40:05Z) - 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) - 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) - SkillGen: Verified Inference-Time Agent Skill Synthesis [60.927977774369516]
SkillGenは、ベースエージェントによって生成されたトラジェクトリから単一の監査可能なスキルを合成するフレームワークである。
再利用可能な成功パターン、繰り返し発生する障害モード、そして近くの成功に現れるが失敗に欠ける行動を特定する。
SkillGenの重要な特徴は、エージェントスキルを、全体的なパフォーマンスに対するスキルのネット効果を実証的に検証するための介入としてモデル化することです。
論文 参考訳（メタデータ） (2026-05-09T19:24:11Z) - 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) - SkillCraft: Can LLM Agents Learn to Use Tools Skillfully? [67.69996753743129]
SkillCraftは、高レベルのツールコンポジションの生成と再利用を可能にする、明示的にストレステストエージェントのベンチマークである。
SkillCraftは、定量次元と構造次元の両方に沿ってスケールする困難を伴う、現実的で、構成性の高いツール使用シナリオを特徴としている。
本稿では,エージェントがアトミックツールを実行可能なスキルに自動生成し,タスク内およびタスク間のキャッシュと再利用を可能にする軽量な評価プロトコルを提案する。
論文 参考訳（メタデータ） (2026-02-28T15:44:31Z)
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。