論文の概要: Where Natural Language Ends in Agents: Executable Skill Composition with MetaSkill
- arxiv url: http://arxiv.org/abs/2610.24723v1
- Date: Sat, 17 Oct 2026 14:34:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-22 16:45:31.170272
- Title: Where Natural Language Ends in Agents: Executable Skill Composition with MetaSkill
- Title（参考訳）: 自然言語がエージェントに終止符を打つ:メタスキルによる実行可能なスキル構成
- Abstract要約: Agent Skillsは自然言語でオープンなタスク知識を表現しますが、それらを構成するには永続的な実行順序と上流出力のハンドオフが必要です。
本稿では,安定参照と機械チェック可能な制約との協調関係が実行可能となる,スキル境界における選択的形式化を提案する。
本稿では,完全なSkillパッケージとローカル命令を保存するハイブリッド表現であるMetaSkillを紹介する。
- 参考スコア（独自算出の注目度）: 26.132857840163112
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Agent Skills express open-ended task knowledge in natural language, but composing them requires persistent execution order and upstream-output handoffs. We propose selective formalization at Skill boundaries: coordination relations with stable references and machine-checkable constraints become executable, while substantive task judgments remain within Skills. We introduce MetaSkill, a hybrid representation that preserves complete Skill packages and local instructions while making invocation dependencies and predecessor-text bindings executable through a directed acyclic graph (DAG) runtime. This interface supports explicit coordination without prescribing how each Skill performs its local task. Across 20 multi-Skill artifact tasks and two LLMs, we compare natural-language procedures, prompt-visible graphs, and MetaSkill derived from a common frozen plan per task, using the same designated Skill packages. Additional comparisons evaluate AgentSkillOS with the same available Skill packages as MetaSkill, as well as agent systems using their configured tools. Blinded artifact judgments yield favorable preference point estimates across all reported comparisons, with 95% task-bootstrap intervals excluding parity against Prompt Graph under DeepSeek-V4-Flash and OpenClaw under GLM-5.2. In audited GLM-5.2 execution traces, all planned nodes complete and all declared precedence constraints are satisfied. Together, these findings support MetaSkill as a practical interface for composing open-ended Skills, combining local linguistic flexibility with executable dependencies, explicit predecessor-text bindings, and auditable coordination. Code is available at: https://github.com/TokenRhythm/opensquilla/tree/paper/metaskill-lp4fm-2026
- Abstract（参考訳）: Agent Skillsは自然言語でオープンなタスク知識を表現しますが、それらを構成するには永続的な実行順序と上流出力のハンドオフが必要です。
安定参照と機械チェック可能な制約との協調関係が実行可能となる一方で、実質的なタスク判断はスキル内に留まる。
本稿では,完全なSkillパッケージとローカル命令を保持するハイブリッド表現であるMetaSkillを紹介する。
このインターフェースは、各Skillのローカルタスクの実行方法を記述することなく、明示的なコーディネーションをサポートする。
20のマルチスキル・アーティファクトタスクと2つのLLMを比較し、同じ指定されたSkillパッケージを用いて、自然言語プロシージャ、プロンプト可視グラフ、タスク毎の共通凍結計画から派生したメタスキルを比較した。
追加比較では、AgentSkillOSとMetaSkillと同じ利用可能なSkillパッケージと、設定されたツールを使用したエージェントシステムを評価している。
ブラインドされたアーティファクト判断は、GLM-5.2の下でのDeepSeek-V4-FlashおよびOpenClawの下でのPrompt Graphに対するパリティを除く95%のタスクブートストラップ間隔で、報告されたすべての比較で好意的な選好点推定が得られる。
監査されたGLM-5.2実行トレースでは、すべての計画されたノードが完了し、全ての宣言された優先順位制約が満たされる。
これらの知見は、オープンエンドスキルを構成するための実践的なインターフェースとしてMetaSkillをサポートし、局所的な言語的柔軟性と実行可能な依存関係、明示的な事前テキストバインディング、監査可能なコーディネーションを組み合わせている。
https://github.com/TokenRhythm/opensquilla/tree/paper/metaskill-lp4fm-2026
関連論文リスト
- EmbodiedSkills: A Unified Framework for Orchestrating, Training, and Deploying VLA Agents [56.25120535601186]
視覚言語アクション(VLA)モデルは、視覚観察と言語指示を直接ロボットアクションにマッピングする。
本稿では,各スキル決定を実行提案として扱うフレームワークであるEmbodiedSkillsを提案する。
共有可能スキルインタフェースは、ハイレベルスキル選択、バウンドローレベルVLA実行、ポストアクション検証を接続する。
論文 参考訳（メタデータ） (2026-09-01T14:14:47Z) - HiSkill: Empowering LLM Agents with Hierarchical Skill Graphs [27.33052401264838]
HiSkillは階層的なスキルグラフフレームワークで、インタラクショントラジェクトリを、スキルノード、AtomicOpノード、型付きエッジを備えた有向グラフに整理する。
再利用可能な高レベルのスキルと実行可能なアクションテンプレートを接続し、分解、時間的遷移、互換性、サポート、リカバリの関係をキャプチャする。
実験によると、HiSkillは推論トークンの消費を減らしながら、最先端のベースラインを上回っている。
論文 参考訳（メタデータ） (2026-07-28T15:25:47Z) - 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) - OmniContact: Chaining Meta-Skills via Contact Flow for Generalizable Humanoid Loco-Manipulation [66.98820543497212]
鍵体軌道と時系列二値接触信号からなるコンパクトな表現であるtextbfcontact Flow (CF) を中心にした階層型フレームワークを提案する。
また,Humanoid loco-manipulationのためのMOCapベースのHOIコーパスであるOmniContactデータセットを収集した。
これにより、堅牢な実行、自律的な障害回復、長期タスクのための柔軟なメタスキルの構成が可能になる。
論文 参考訳（メタデータ） (2026-06-24T16:28:23Z) - 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) - 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) - SkillSmith: Compiling Agent Skills into Boundary-Guided Runtime Interfaces [6.384302247811717]
既存のフレームワークでは、一度ランタイムタスクにマッチしたコンテキストガイダンスとして、通常、スキルがエージェント推論ループに注入されます。
この実行パラダイムは、無関係なコンテキスト注入と、スキル固有の推論と計画の2つの主要な冗長性源を導入している。
我々は,スキルパッケージをオフラインで最小限の実行可能なインターフェースにコンパイルする,境界優先のコンパイラランタイムフレームワークであるSkillSmithを提案する。
論文 参考訳（メタデータ） (2026-05-12T09:25:25Z) - Skilldex: A Package Manager and Registry for Agent Skill Packages with Hierarchical Scope-Based Distribution [0.0]
エージェントスキルパッケージ用のパッケージマネージャとレジストリであるSkilldexを紹介します。
このシステムは、Hono/Supabaseレジストリバックエンドを備えたTypeScript CLI(skillpm / spm)として実装されている。
論文 参考訳（メタデータ） (2026-04-18T08:42:11Z) - WebXSkill: Skill Learning for Autonomous Web Agents [104.76374637691212]
WebXSkillは、コードベースのスキルと自然言語ガイダンスのギャップを埋めるフレームワークである。
WebArenaとWebVoyagerでは、WebXSkillはタスク成功率をベースラインで最大9.8と12.9ポイント改善する。
論文 参考訳（メタデータ） (2026-04-14T21:48:15Z) - SoK: Agentic Skills -- Beyond Tool Use in LLM Agents [6.356997609995175]
エージェントシステムは、より確実にロングホライゾンを実行するために、再利用可能な手続き能力、すなわちエージェントスキルに依存している。
本論文は,全ライフサイクルのスキルレイヤ(発見,実践,蒸留,貯蔵,構成,評価,更新)をマッピングする。
我々は、スキルベースのエージェントのセキュリティとガバナンスの影響を分析し、サプライチェーンのリスク、スキルペイロードによるインジェクションの促進、信頼度の高い実行をカバーします。
論文 参考訳（メタデータ） (2026-02-24T13:11:38Z)
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。