論文の概要: FedSkillGit: Federated Skill Evolution via Version Control
- arxiv url: http://arxiv.org/abs/2610.21348v1
- Date: Thu, 15 Oct 2026 06:29:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-16 19:13:16.22131
- Title: FedSkillGit: Federated Skill Evolution via Version Control
- Title（参考訳）: FedSkillGit: バージョン管理によるフェデレーションスキル進化
- Abstract要約: 大規模な言語モデルエージェントは、実行経験から再利用可能な自然言語スキルを進化させることで、その能力を向上させることができる。
実際のデプロイメントでは、このエクスペリエンスは、生データをプールできないデータ所有者に分散されます。
我々は、フルドキュメント更新をコミットに置き換えるフェデレーションされたスキル進化フレームワークであるFedSkillGitを提案する。
- 参考スコア（独自算出の注目度）: 11.299757048110514
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Large language model agents can improve their capabilities by evolving reusable natural-language skills from execution experience. In real-world deployments, this experience is distributed across data owners who cannot pool their raw data, which motivates federated skill evolution. The natural first design lets each client evolve the whole skill document and upload the result for server-side aggregation. That design is poorly matched to skill evolution for three reasons. An evolved document can still carry client-specific content distilled from private traces, repeated transmission of a nearly unchanged document spends communication on knowledge that the population already holds and the contribution of a single client is buried in a document that the server cannot meaningfully attribute. We propose FedSkillGit, a federated skill evolution framework that replaces full-document updates with commits. Each participating client submits a bounded set of patches over named rules together with its local experience, which summarizes what the round taught it, and the pair passes a two-stage privacy filter before it leaves the client. The server deduplicates the submitted patches and the local experience of all participants, updates a global experience document that only the optimizers read, and merges the surviving patches into a candidate skill. The candidate is distributed to the clients, which score it on their own validation sets and report the results, and it is published only when the reported scores improve on the current version. Experiments on three datasets and three language model families show that FedSkillGit outperforms state-of-the-art baselines by up to 22% and approaches centralized evolution without sharing raw client data.
- Abstract（参考訳）: 大規模な言語モデルエージェントは、実行経験から再利用可能な自然言語スキルを進化させることで、その能力を向上させることができる。
実世界のデプロイメントでは、このエクスペリエンスは生データをプールできないデータ所有者に分散しています。
自然なファーストデザインにより、各クライアントはスキルドキュメント全体を進化させ、その結果をサーバ側のアグリゲーションにアップロードできる。
その設計は3つの理由から、スキルの進化に適していない。
進化したドキュメントは、プライベートトレースから抽出されたクライアント固有のコンテンツを運ぶことができ、ほとんど変化のないドキュメントの繰り返し送信は、既に人口が保持している知識と、サーバが有意に属性付けできないドキュメントに単一のクライアントの貢献が埋もれていることのコミュニケーションに費やされる。
我々は、フルドキュメント更新をコミットに置き換えるフェデレーションされたスキル進化フレームワークであるFedSkillGitを提案する。
参加する各クライアントは、名前付きルールに対する一連のパッチを、そのローカルエクスペリエンスとともに送信し、ラウンドが教えたものを要約し、クライアントを離れる前に2段階のプライバシフィルタを通過させる。
サーバは、提出されたパッチとすべての参加者のローカルエクスペリエンスを分離し、オプティマイザのみを読み取るグローバルエクスペリエンスドキュメントを更新し、生き残ったパッチを候補スキルにマージする。
候補はクライアントに配布され、クライアントが自身の検証セットで評価し、その結果を報告し、報告されたスコアが現在のバージョンで改善された場合にのみ公開される。
3つのデータセットと3つの言語モデルファミリーの実験によると、FedSkillGitは最先端のベースラインを最大22%上回り、生のクライアントデータを共有せずに集中的な進化にアプローチしている。
関連論文リスト
- EvolveNet: Collaborative Harness Evolution for Agent Self-Improvement [70.68218215070745]
既存のアプローチでは、すべての実行エクスペリエンスを単一のハーネスにルーティングできると仮定している。
EvolveNetは、経験抽出をデータに移動させるハーネス進化のパラダイムである。
論文 参考訳（メタデータ） (2026-08-05T15:37:18Z) - SkillCAT: Contrastive Assessment and Topology-Aware Skill Self-Evolution for LLM Agents [42.30624901249764]
現在のパイプラインはタスク毎の1つのトラックから学び、チェックする前に候補スキルパッチをマージし、推論前にフルスキルコーパスをロードする。
トレーニング不要のフレームワークであるSkillCATを提案し,このプロセスを3段階に分けた。
SpreadsheetBench,WikiTableQuestions,DocVQAなど,一般的なエージェントベンチマーク上でSkillCATを評価する。
論文 参考訳（メタデータ） (2026-06-11T13:12:10Z) - FederatedSkill: Federated Learning for Agentic Skill Evolution [39.72176610642482]
我々は、協調エージェント進化のためのプライバシー保護フレームワークであるFederatedSkillを紹介した。
FederatedSkillは、セマンティックスキルの差分、ローカルライブラリ上の構造化パッチをコミュニケーションの基本単位として利用する。
サーバ側では、進化エージェントがこれらのパッチを集約し、クライアント固有の機能境界を動的にモデル化します。
論文 参考訳（メタデータ） (2026-06-02T04:38:05Z) - COLLEAGUE.SKILL: Automated AI Skill Generation via Expert Knowledge Distillation [58.84646485020439]
人為的なAIスキルを生成するための自動トレース・ツー・スキル蒸留システムを提案する。
COLLEAGUE.SKILLは、実践、メンタルモデル、意思決定のための能力トラックと、コミュニケーションスタイル、インタラクションルール、修正履歴のための有界な行動トラックの2つのトラックを持つバージョン付きのスキルパッケージを生成する。
論文 参考訳（メタデータ） (2026-05-29T12:59:08Z) - ClawArena: Benchmarking AI Agents in Evolving Information Environments [61.664633997138004]
ClawArenaは、進化する情報環境におけるAIエージェントの評価のためのベンチマークである。
それぞれのシナリオは、エージェントをノイズ、部分的、時には矛盾するトレースだけに露呈しながら、完全に隠された地上の真実を維持します。
評価は、マルチソースコンフリクト推論、動的信念修正、暗黙のパーソナライゼーションという3つの複合的な課題に基づいて構成される。
論文 参考訳（メタデータ） (2026-04-05T17:55:23Z) - Efficient Federated Unlearning under Plausible Deniability [1.795561427808824]
機械学習は、特定のデータポイントが重みに与える影響を忘れるため、MLパラメータを変更することでこの問題に対処する。
最近の文献では、データポイント(s)からのコントリビューションが、確率が1に近いデータセット内の他のデータポイントで鍛えられることが強調されている。
本稿では、FLサーバがクライアントの参加を確実に否定できるプライバシーモデルを用いて、フェデレートされたアンラーニングを実現する効率的な方法を提案する。
論文 参考訳（メタデータ） (2024-10-13T18:08:24Z) - Federated Face Forgery Detection Learning with Personalized Representation [63.90408023506508]
ディープジェネレータ技術は、区別がつかない高品質のフェイクビデオを制作し、深刻な社会的脅威をもたらす可能性がある。
従来の偽造検出手法は、データを直接集中的に訓練する。
本稿では,個人化表現を用いた新しいフェデレーション顔偽造検出学習を提案する。
論文 参考訳（メタデータ） (2024-06-17T02:20:30Z) - Prototype Helps Federated Learning: Towards Faster Convergence [38.517903009319994]
Federated Learning(FL)は、複数のクライアントが協力して、生データを交換することなく、共有モデルをトレーニングする分散機械学習技術である。
本稿では,従来のフェデレーション学習プロセスの最後のグローバルイテレーションにわずかな変更を加えるだけで,推論性能を向上する,プロトタイプベースのフェデレーション学習フレームワークを提案する。
論文 参考訳（メタデータ） (2023-03-22T04:06:29Z) - Federated Unsupervised Representation Learning [56.715917111878106]
フェデレート非教師表現学習(FURL)と呼ばれるフェデレーション学習における新しい問題を定式化し、教師なしの共通表現モデルを学習する。
FedCAは2つの主要なモジュールで構成されている: 辞書モジュールは、各クライアントからのサンプルの表現を集約し、表現空間の整合性のためにすべてのクライアントと共有し、アライメントモジュールは、公開データに基づいてトレーニングされたベースモデル上で各クライアントの表現を整合させる。
論文 参考訳（メタデータ） (2020-10-18T13:28:30Z) - Abstractive Summarization of Spoken and Written Instructions with BERT [66.14755043607776]
本稿では,BERTSumモデルの最初の対話型言語への応用について述べる。
我々は多種多様な話題にまたがるナレーションビデオの抽象要約を生成する。
我々は、これをインテリジェントな仮想アシスタントの機能として統合し、要求に応じて文字と音声の両方の指導内容の要約を可能にすることを想定する。
論文 参考訳（メタデータ） (2020-08-21T20:59:34Z)
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。