論文の概要: CausalEvo: Causal Skill Self-Evolution for Health LLM Agents
- arxiv url: http://arxiv.org/abs/2610.21016v1
- Date: Wed, 14 Oct 2026 23:23:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-16 19:13:16.103581
- Title: CausalEvo: Causal Skill Self-Evolution for Health LLM Agents
- Title（参考訳）: CausalEvo:健康 LLM エージェントのための因果スキルの自己進化
- Abstract要約: CausalEvoは因果スキルの自己進化の方法である。
意図的に変化するスキルセットの相対効果を推定する。
タスクフィードバックを、スキルの保持と置き換えに関するコントロールされた決定に変換する。
- 参考スコア（独自算出の注目度）: 5.500670215690767
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Large language model (LLM) agents for health can accumulate reusable textual skills from task feedback, such as calculation criteria, measurement time points, and formula units. Deciding which skills to retain is consequential: useful rules improve later answers, while faulty generalizations propagate errors. We propose CausalEvo, a method for causal skill self-evolution that estimates the relative effects of deliberately changed skill sets while holding the model weights, feedback cases, and rule count fixed. At each evolution step, a frozen LLM proposes candidate rules, which are pooled with the incumbent skills so that the current skill set remains a feasible choice. Paired skill replacements against shared background rules are scored on the same feedback cases; least squares converts the score differences into relative skill values, and the top-ranked rules are retained, favoring incumbents on ties. A decision-loss bound separates candidate support, approximation, and estimation errors. On six MedCalc-Bench-Verified tasks with 120 held-out cases, CausalEvo achieves 60.00% accuracy, compared with 55.83% for SkillOpt and 51.67% without skills. Across the recorded training configurations, which use different optimization budgets, it consumes 55.6% fewer training tokens than SkillOpt. Gains concentrate in particular calculations alongside regressions on others, and paired accuracy intervals include zero. CausalEvo turns task feedback into controlled decisions about skill retention and replacement. Project repository: https://github.com/txbrook/CausalEvo
- Abstract（参考訳）: 健康のための大規模言語モデル(LLM)エージェントは、計算基準、測定時間ポイント、公式単位などのタスクフィードバックから再利用可能なテキストスキルを蓄積することができる。
有効なルールは後続の回答を改善し、欠点のある一般化はエラーを伝播させる。
モデル重み、フィードバックケース、ルールカウントを固定したまま、意図的に変化するスキルセットの相対効果を推定する因果スキル自己進化法であるCausalEvoを提案する。
各進化段階において、凍結されたLLMは、現在のスキルセットが実行可能な選択のままであるように、既存のスキルでプールされた候補ルールを提案する。
共有背景ルールに対するペアドスキル置換は、同じフィードバックケースでスコアされ、少なくとも2乗はスコア差を相対的なスキル値に変換し、上位のルールは保持され、関係上の既存のルールが好まれる。
決定損失境界は、候補のサポート、近似、推定誤差を分離する。
6つのMedCalc-Bench認証タスクと120のホールトアウトケースでは、CausalEvoは60.00%の精度で、SkillOptは55.83%、スキルなしは51.67%である。
異なる最適化予算を使用する記録されたトレーニング設定全体で、SkillOptよりも55.6%少ないトレーニングトークンを消費する。
ゲインは他の回帰と共に計算に集中し、ペア化された精度区間はゼロを含む。
CausalEvoはタスクフィードバックを、スキルの維持と置き換えに関するコントロールされた決定に変換する。
プロジェクトリポジトリ:https://github.com/txbrook/CausalEvo
関連論文リスト
- SkillScaffold: Scaffolding Agentic Reinforcement Learning with Policy-Adaptive Skill Credit Assignment and Selective Injection [48.173384811583844]
エージェント強化学習(RL)により、大規模言語モデルでは、検証可能な結果とのマルチターン相互作用から学習することができる。
SkillScaffoldは、低コストのスキルユーティリティ推定と選択的スキルインジェクションを組み合わせた、ポリシー適応型トレーニングスキャフォールドである。
ALFWorld、WebShop、ScienceWorld、および2ドルのBenchの実験は、強力なエージェントRLとスキルベースのRLベースラインよりも優れていることを示している。
論文 参考訳（メタデータ） (2026-10-13T17:46:25Z) - 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) - Skill-V: Verifiable Self-Evolving Skill Library for Interactive Agents [52.62594580060118]
検証可能な自己進化型スキルライブラリであるSkill-Vを紹介する。
我々は,図書館の進化を促進するために環境成果を用いており,特に,タスク失敗はスキル追加を動機付けている。
我々は、現在のタスクに確実に適用できないと判断された候補を除外するために、適用性に配慮したフィルタを用いる。
論文 参考訳（メタデータ） (2026-10-08T11:59:42Z) - Demystifying Agent Skills: Why They Work-Until They Don't [58.92875630998418]
既存の評価は、スキルが集約されたタスクの成功を改善するかどうかを主に測定する。
我々は、表現、結果アノテーション、検索難易度、スキルのクロスフレームワークの影響を分離する。
我々はこれらの観察を3つの高レベルカテゴリと12のスキルユースモードの分類に集約する。
論文 参考訳（メタデータ） (2026-08-14T07:26:38Z) - Not All Skills Help: Measuring and Repairing Agent Knowledge [47.498075849595374]
ASSAYは、生成をキュレーションから分離するフレームワークである。
スキルごとの因果属性を小さな開発セットで計算する。
ライブラリをオフラインで再構築し、各テストタスクに対して負の効果でスキルを抑圧する。
論文 参考訳（メタデータ） (2026-06-13T16:37:38Z) - 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) - SkillOpt: Executive Strategy for Self-Evolving Agent Skills [39.94802218531371]
SkillOptはエージェントスキルのためのコントロール可能なテキストスペースである。
別々のモデルでは、スコアの付いたロールアウトを1つのスキルドキュメントのバウンダリされた追加/削除/リプレースに切り替える。
学習速度の予算、拒否編集バッファ、エポックワイド/メタアップデートは、スキルトレーニングを安定させる。
論文 参考訳（メタデータ） (2026-05-22T17:59:50Z) - Skill-R1: Agent Skill Evolution via Reinforcement Learning [84.35984979949502]
Skill-R1は、検証可能な報酬からインスタンスレベルの繰り返しスキル最適化のための強化学習フレームワークである。
オープンソースモデルとクローズドソースモデルの両方とのブラックボックス互換性を維持しつつ、モデルレベルの更新よりも大幅に安価に適応できる。
論文 参考訳（メタデータ） (2026-05-10T06:19:15Z) - SkillLens: Adaptive Multi-Granularity Skill Reuse for Cost-Efficient LLM Agents [6.293920920196533]
SkillLensは階層的なスキル進化フレームワークで、スキルをポリシー、戦略、手順、プリミティブの4層グラフにまとめる。
セマンティックなスキルシードを検索し、スキルグラフの次数補正されたランダムウォークを通じて拡張し、各訪問したユニットが受け入れられ、分解され、書き直され、スキップされるかどうかを検証器を使って決定する。
MuLocbenchとALFWorld全体で、SkillLensは、強いスキルベースのベースラインよりも一貫して改善されている。
論文 参考訳（メタデータ） (2026-05-08T18:48:04Z)
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。