論文の概要: One Skill Too Many: How Co-Installed Skills Conflict in Coding Agents

• arxiv url: http://arxiv.org/abs/2610.11647v2
• Date: Tue, 13 Oct 2026 07:28:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-14 23:39:49.78831
• Title: One Skill Too Many: How Co-Installed Skills Conflict in Coding Agents
• Title（参考訳）: 1つのスキルが多すぎる: エージェントのコーディングにどのように競合するか
• Abstract要約: SKILL.mdは、いつ、どのようにタスクを実行するかをモデルに伝える。 コンフリクトは、どのファイルも変更される前に、最初のスキルリードで決定され、リードのプレツールフックは、排他的コア関数の忠実性を、インストールされたスキルを最初に開くランのレベルに復元する。
• 参考スコア（独自算出の注目度）: 26.254645477354504
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Coding agents are extended with agent skills, directories whose SKILL.md tells the model when and how to perform a task. Because skills come from independent sources (teams, developers, plugins, copied collections), an installed skill can be co-installed with a similar skill doing the same job, and the model picks between them by name and description alone. In a conflict, the installed skill loses core functions (e.g., a ban on touching git) because the similar skill runs instead or changes what it does. The task still passes, so benchmarks that check only task completion miss such cases. We present the first empirical study of such conflicts. From snapshots of 20,947 repositories, we mine 822,109 candidate similar-skill pairs, have an LLM judge a stratified sample of 3,754, and run 312 confirmed pairs on three models (6,368 runs, 169,294 tool calls, 542 agent-hours). We report five findings. (1) Conflict-prone skills are common: nearly one in four installed skills is co-installed with one that does the same job, and 37% of judged skills sit inside copied collections. (2) Most such pairs involve normative skills, then capability skills. (3) Without lowering task completion, a similar skill takes one in five runs from the installed skill, and runs that open the similar skill first lose over a third of the exclusive core functions that only the installed skill fulfills. (4) Install location decides which skill runs, listing order barely matters, and the final reply names the skill used in only 0.9% of substituted runs. (5) Conflicts are decided at the first skill read, almost always before any file is changed, and a pre-tool hook at that read restores fidelity on exclusive core functions to the level of runs that open the installed skill first. Benchmarks should thus score exclusive core functions, and platforms should guard the first read and show which skill ran.
• Abstract（参考訳）: SKILL.mdは、いつ、どのようにタスクを実行するかをモデルに伝える。 スキルは独立したソース(チーム、開発者、プラグイン、コピーされたコレクション)から来るので、インストールされたスキルと、同じ仕事をする同様のスキルが同時にインストールされ、モデルが名前と記述だけでそれらを選択する。 競合では、インストールされたスキルがコア機能(gitのタッチ禁止など)を失う。 タスクはまだパスしているので、タスク完了のみをチェックするベンチマークはそのようなケースを見逃します。 このような紛争に関する最初の実証的研究を提示する。 20,947のリポジトリのスナップショットから、822,109の類似スキルペアをマイニングし、3,754の階層化サンプルをLCMに判断させ、3つのモデルで312の確認ペアを実行する(6,368ラン、169,294ツールコール、542エージェント時間)。 5つの発見を報告する。 1)紛争発生スキルが一般的で、4人に1人近い設置スキルが同じ仕事をするスキルと同時設置され、判定されたスキルの37%が複写コレクションの中に置かれている。 2)このようなペアのほとんどは規範的スキルを伴い,能力的スキルを持つ。 (3) タスク完了を低下させることなく、同様のスキルは、インストールされたスキルから5分の1のランを受け取り、インストールされたスキルのみを満たす排他的コア機能の3分の1以上を失う。 (4) 設置場所は、どのスキルを走らせるかを決め、注文の一覧は、ほとんど重要ではなく、最後の応答は、置換されたランのわずか0.9%で使用されるスキルを名付ける。 (5) コンフリクトは、ファイルが変更される前に、ほぼ常に最初のスキルリードで決定され、リードのプリツールフックは、排他的コア関数の忠実性を、インストールされたスキルを最初に開くランのレベルに復元する。 ベンチマークは排他的なコア関数をスコアし、プラットフォームは最初に読み出し、どのスキルが実行されたかを示す必要がある。

関連論文リスト

• Do Self-Evolving Skills Generalize to Held-Out Tasks? [8.124709503410354]
  6つのベンチマークで自己進化スキルメソッドとワンショットスキルをテストする。 トレーニングタスクを改善する21のスキルのうち、5つは、テストタスクのすべての改善を保ち、13は、その一部を保持し、3は、その改善を保ちます。 本稿では,汎用スキル最適化(Generalizable Skill Optimization, GSO)について述べる。
  論文  参考訳（メタデータ） (2026-09-30T07:14:35Z)
• Toward Skill-Native LLMs: Skill Entropy for Benchmarking and Training Long-Horizon Reasoning [72.09826781730662]
  ロングホライゾン推論は、モデルが推論チェーン内の異なるスキルを切り替えることを要求する。 スキル・エントロピー(Skill Entropy)とは、あるスキルから別のスキルに切り替えることの難しさを測る尺度である。 本稿では,RLフレームワークであるSkill-Entropy RLを提案する。
  論文  参考訳（メタデータ） (2026-08-05T17:57:16Z)
• Skill-Use: Can LLMs Actually Use Skills in Agentic Harnesses? [38.776828282073865]
  プログレッシブな開示下でのスキル使用を評価するベンチマークであるSkill-Useを紹介する。 トリガーは、エージェントが関連するスキルを起動するかどうかを計測し、コンプライアンスは、それが所定の手順に従うかを忠実に測定し、バウンダリは、それが禁止された操作を避けるかどうかを計測する。 スキル・ユース(SU)スコアは、スキルが起動された後にのみ3つとクレジットの実行を組み合わせる。
  論文  参考訳（メタデータ） (2026-08-05T13:29:16Z)
• Generative Skill Composition for LLM Agents [58.47191648555256]
  LLMエージェントは複雑なタスクを解決するためのスキルの恩恵を受ける。 スキルライブラリが成長するにつれて、適切なスキル構成を選択することが中心的なボトルネックとして現れている。 本稿では,タスク条件付きスキルシーケンス予測として構造化されたスキルコンポジションをインスタンス化するSkillComposerを提案する。
  論文  参考訳（メタデータ） (2026-06-30T17:53:09Z)
• VISUALSKILL: Multimodal Skills for Computer-Use Agents [63.79539541125141]
  ターゲットアプリケーション毎に調整された階層型マルチモーダルスキルであるVISUALSKILLを提案する。 著者によるドキュメンテーションとライブアプリケーションUI探索を組み合わせた2段階のパイプラインで、それぞれのスキルを構築します。 2つのCUAベンチマークでは、Claude Code CLIエージェントがClaude Opus 4.6によって支援され、VISUALSKILLで平均スコア0.456に達した。
  論文  参考訳（メタデータ） (2026-06-16T19:57:07Z)
• 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)
• 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)
• SkillsBench: Benchmarking How Well Agent Skills Work Across Diverse Tasks [61.89812116484928]
  エージェントスキルは、LLMエージェントを推論時に増強する手続き的知識の構造化パッケージである。 SkillsBenchは、11のドメインにわたる86のタスクのベンチマークであり、キュレートされたスキルと決定論的検証との組み合わせを示す。 キュレートされたスキルは平均パスレートを16.2ポイント(pp)上昇させるが、効果は領域によって大きく異なる。 自己生成スキルは平均的に何の利益も与えず、モデルが消費から得られる手続き的な知識を確実に説明できないことを示している。
  論文  参考訳（メタデータ） (2026-02-13T07:06:06Z)

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。