論文の概要: AtomSearch: Evidence-Grounded Tree Search for Agent Skill Optimization
- arxiv url: http://arxiv.org/abs/2610.19951v1
- Date: Wed, 14 Oct 2026 10:33:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-15 21:06:16.104217
- Title: AtomSearch: Evidence-Grounded Tree Search for Agent Skill Optimization
- Title（参考訳）: AtomSearch:エージェントスキル最適化のためのエビデンスを取り巻くツリー検索
- Abstract要約: エージェントスキルは、編集可能な外部命令を通じて凍結モデルに適応する。
AtomSearchは、後続のスキルステートを使用して検索をガイドしながら、リビジョンアクションをローカルに保持する。
Skill-State Tree Search (STS) は短い編集構成を評価し、再編集や拡張が可能な実行可能な状態として選択的に保持する。
- 参考スコア（独自算出の注目度）: 2.479612767321118
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Agent skills adapt frozen models through editable external instructions. Revising several rules at once makes changes difficult to inspect, while judging each local edit only by its immediate score can discard useful intermediate states. We introduce AtomSearch, which keeps revision actions local while using subsequent skill states to guide search. Contrastive atomic editing links each primitive rule edit to failed and successful executions, a behavioral hypothesis, and an intended scope. Skill-State Tree Search (STS) evaluates short edit compositions and selectively retains them as executable states that can be revisited and extended. Outcome memory supplies later proposals with observed repair and regression statistics. We evaluate AtomSearch across four tasks and five target models. With deepseek-v4-flash, it exceeds SkillOpt on three of four tasks, including a 9.68-percentage-point gain on LiveMathematicianBench, and SkillOpt's final skills contain 2.3-19.7 times as many characters. In 67% of completed searches, the best validation state passes through an ancestor that was not highest-scoring at its depth. These results show how local rule edits can support the exploration of useful revision paths and yield compact skills, with additional offline evaluations used to explore alternative states.
- Abstract（参考訳）: エージェントスキルは、編集可能な外部命令を通じて凍結モデルに適応する。
いくつかのルールを一度に修正することは、各ローカル編集を即時スコアで判断することで、有用な中間状態を破棄する一方で、検査を難しくする。
AtomSearchは、後続のスキルステートを使用して検索をガイドしながら、リビジョンアクションをローカルに保持する。
対照的にアトミックな編集は、プリミティブなルールの編集を失敗して成功した実行、行動仮説、意図されたスコープにリンクする。
Skill-State Tree Search (STS) は短い編集構成を評価し、再編集や拡張が可能な実行可能な状態として選択的に保持する。
アウトカムメモリは、後に観測された修復と回帰統計を備えた提案を提供する。
AtomSearchは4つのタスクと5つのターゲットモデルで評価します。
Deepseek-v4-flashでは、LiveMathematicianBenchの9.68ポイントゲインを含む3つのタスクでSkillOptを上回り、SkillOptの最終スキルは2.3-19.7倍である。
完了した検索の67%では、最高の検証状態が、その深さで最高のスコアが付けられていない祖先を通過する。
これらの結果は、ローカルルールの編集が有用なリビジョンパスの探索とコンパクトなスキルの獲得にどのように役立つかを示し、代替状態の探索にさらにオフライン評価が用いられる。
関連論文リスト
- Make Every Expansion Count: Learning to Search Efficiently in LLM Code Repair [63.277419653843594]
修正プログラムの生成とテストの前に編集を優先する学習ポリシであるCodeTriageを紹介する。
ホールドアウトの修理タスクでは、CodeTriageは、各メトリックで最強のベースラインよりも21%少ないプログラム修正と12%少ないアウトプットトークンの修正を見つける。
論文 参考訳（メタデータ） (2026-10-11T20:19:05Z) - Trajectory-Guided Fault Localization for Agent Skill Evolution [10.235089248238108]
エージェントスキルにおける軌道誘導故障の局所化に基づくスキル進化手法であるSkillMorphを提案する。
その中核となる考え方は、実行証拠を特定のスキルの内容にリンクし、リビジョンを生成することである。
SWE-Skills-BenchとCannBotの実験は、SkillMorphによって進化したスキルが、元のスキルよりも高い試行レベルの精度と実行一貫性を一貫して達成していることを示している。
論文 参考訳（メタデータ） (2026-10-08T12:38:51Z) - SkillFocus: Evolving Agent Skills via Capability Decomposition [18.85087084904681]
エージェントスキルの進化は、反復的なリビジョンを通じて、大きな言語モデル(LLM)エージェントに対する再利用可能な手続き的ガイダンスを改善することを目指している。
SkillFocusを紹介します。これは、繰り返し発生するタスク要求を、スキルが進化するにつれて固定されたままの機能空間に分解します。
論文 参考訳（メタデータ） (2026-09-28T06:11:08Z) - Reward Hacking Challenges Oversight of Autonomous Research Agents [104.38175629103235]
自律的な研究エージェントは実験を設計し、結果を評価し、レポートを書き、科学的結果とそれを支持する証拠の両方を制御できる。
これは、意図した目標を達成することなく、報酬基準を満たす、報酬ハックのリスクを生み出す。
そこで本研究では,ハッキングが許可された場合,その方法がいかに効果的かつ検出可能か,LCMレビューパネルが意思決定と理由を返却した場合にどのように適応するか,などについて検討する。
論文 参考訳（メタデータ） (2026-09-23T17:54:01Z) - Apodex Discovery: Reality Benchmarks and Environments for Evaluating and Building Discoverative Artificial Intelligence [86.61561123749011]
Apodex Discovery(アポデックスディスカバリー)は、重度解法を用いて発見的AIを構築し評価するためのフレームワークである。
まず16のセクターで511の業界を調査し、423の高価値現実問題を集め、最初のリリースで20を選定した。
第二に、共通の環境-タスク-エピソード抽象化は、データ、ツール、制約、フィードバック、軌跡記録、中間成果物と最終提出物の検証を提供する。
論文 参考訳（メタデータ） (2026-08-11T18:48:40Z) - BOUND: Brief-Guided Corrective Preference Distillation at Search-Control Boundaries [82.41764922522565]
BOUNDは、永続的な探索ドリフトのための短いガイド付き修正選好蒸留フレームワークである。
Trajectory SFT は Bamboogle で 5.6 EM 、BrowseComp-Plus で 4.8 の精度で上回っている。
論文 参考訳（メタデータ） (2026-08-09T15:32:16Z) - Contrastive Reflection for Iterative Prompt Optimization [0.6533652962118279]
エージェントIRの反復的プロンプト最適化フレームワークであるContrastive Reflectionを提案する。
フレームワークをツリーベースのスライスセレクタでインスタンス化するが、コントリビューションはツリー自体よりもコントラストループである。
論文 参考訳（メタデータ） (2026-06-29T19:16:07Z) - 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) - SkillHone: A Harness for Continual Agent Skill Evolution Through Persistent Decision History [4.682850246574405]
SkillHoneは、永続的な意思決定履歴に基づく継続的エージェントスキル進化のためのハーネスである。
SkillHoneは、フィードバックを提供する評価側の証拠とスキルリビジョンをペアリングする。
我々は、エージェントが統合検索スタックを与えられない生のオープンウェブ環境で、SkillHoneをディープ検索ベンチマークで評価する。
論文 参考訳（メタデータ） (2026-06-07T15:21:08Z) - DocTER: Evaluating Document-based Knowledge Editing [53.14000724633775]
本稿では,手作業で3つの文書をラベル付けするのではなく,簡単にアクセスできる文書を用いた知識編集について検討する。
総合的な4つのパースペクティブ評価: 編集成功、局所性、推論、言語間移動。
一般的な知識編集手法の実験は、文書による編集が三重項を使用するよりもはるかに大きな課題を示すことを示した。
論文 参考訳（メタデータ） (2023-08-19T09:17:19Z)
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。