論文の概要: Compile Once, Run Cheap: Frozen, Portable Skills for Embodied Agents, and What Recursive Self-Improvement Adds

• arxiv url: http://arxiv.org/abs/2610.25114v1
• Date: Sun, 18 Oct 2026 08:46:13 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:01:38.214827
• Title: Compile Once, Run Cheap: Frozen, Portable Skills for Embodied Agents, and What Recursive Self-Improvement Adds
• Title（参考訳）: ランニングチープで一度コンパイルすると、凍結、体調改善剤のポータブルスキル、そして再帰的な自己改善がもたらすもの
• Abstract要約: Embodied AIは、言語モデルにエージェントとスキルを与えるデータ豊富な事前トレーニングを欠いているため、新たな操作能力には、各エピソードにおけるタスク毎のデモやフロンティアモデルが費やされる。 強力な汎用モデルは、凍結後のレイアウトの試験に合格するまで、シミュレーションの操作スキルを書き、実行し、診断し、修復するオフラインの著者としてのみ機能する。 私たちはこのスキルレベルの自己フィードバックSkill-RSIと呼び、コンパイルプロトコル(分離された監査済みの著者、隠れレイアウト、非改善と継承のみのコントロール、タンパの明確な台帳)と、実行中の再利用プロトコルを指定する。
• 参考スコア（独自算出の注目度）: 4.289335484469464
• License:
• Abstract: Embodied AI lacks the data-rich pretraining that gave language models their agents and skills, so new manipulation capability costs demonstrations per task or a frontier model in every episode. We study a third route: a strong general model acts only as an offline author that writes, runs, diagnoses and repairs a manipulation skill in simulation until it passes an exam on layouts drawn after freezing; the frozen skill then runs as code alone or under a cheap caller that reads only its description. We call this skill-level recursive self-improvement Skill-RSI and specify a compile protocol (isolated, audited author; hidden validation layouts; no-feedback and inherit-only controls; tamper-evident ledger) and a reuse protocol that runs the identical files with executors from another model family. On 7 RoboTwin 2.0 tasks with cluttered tables, Claude Code compiled 4 tasks into 7 frozen skills, 5 from a first draft needing only qualification, at USD 4.29-8.22 of author cost each (USD 55 per skill counting the 13 failed campaigns). The other three tasks did not compile in 18 campaigns, including five with GPT-6 and a pre-registered 150-layout run: on the hardest task every campaign scored 78-95 of 100 but had 3-16 safety aborts, failing the gate of 95% success with zero aborts; a 100-episode exam bounds an abort rate only to 3.6%. On hidden layouts, repair that inherits the previous version beat from-scratch rewriting in 8 of 8 controlled campaigns (sign test p = 0.004); an inherit-only lineage attributes most of the gap to inheritance, with development feedback adding a little (3 of 3, p = 0.125). Write-once campaigns found no detectable first-draft effect of practice (minimum detectable effect 14 points). The frozen skills kept 148/150 successes on new layouts with no model and 147/150 with a DeepSeek-flash caller at USD 0.00028-0.00054 per episode; no direct-control baseline was run.
• Abstract（参考訳）: Embodied AIは、言語モデルにエージェントとスキルを与えるデータ豊富な事前トレーニングを欠いているため、新たな操作能力には、各エピソードにおけるタスク毎のデモやフロンティアモデルが費やされる。 フリーズ後のレイアウトの試験に合格するまで、シミュレーションの操作スキルを書き込み、実行し、診断し、修復するオフライン作者としてのみ動作する強力な汎用モデル。 我々は、このスキルレベルの再帰的自己改善Skill-RSIと呼び、コンパイルプロトコル(分離、監査済みの著者、隠れバリデーションレイアウト、フィードバックと継承専用コントロール、タンパーエビデント台帳)と、他のモデルファミリのエグゼクタと同一のファイルを実行する再利用プロトコルを指定する。 乱雑なテーブルを持つ7つのRoboTwin 2.0タスクにおいて、Claude Codeは4つのタスクを7つのフリーズスキルにまとめた。 他の3つのタスクは18のキャンペーンにまとめられておらず、GPT-6で5回、登録済み150回のランニングを含む、最も難しいタスクでは、すべてのキャンペーンが78-95で100回中3～16回中絶し、95%の成功の門はゼロ中絶で失敗し、100回中絶試験は3.6%に制限された。 隠れレイアウトでは、以前のバージョンを継承したリライトが8つのコントロールされたキャンペーンのうち8つ(サインテスト p = 0.004)でリライトされ、継承のみの系統が継承のギャップの大部分を占め、開発フィードバックが少し追加される(3、3 p = 0.125)。 書き込み・オンス・キャンペーンでは、検出可能な第1ドラフト効果(最小検出可能な効果14点)は見つからなかった。 フリーズスキルは新レイアウトで148/150、モデルなしで147/150、DeepSeek-flashコールで1回当たり0.00028-0.00054で成功し、直接コントロールのベースラインは実行されなかった。

関連論文リスト

• Reconstruct, Practice, Go Real: Guided Self-Improvement for Embodied Agents [50.03584684933779]
  本稿では,ロボット実行システムの自律的改善のためのフレームワークであるReconstruct, Practice, Go Real(RPG)を紹介する。 RPGはオフラインデータセットの操作機能を特定し、シミュレーションで関連するプラクティスタスクを構築する。 新しい再利用可能なシンボリックスキルを開発し、既存のスキルを洗練させ、これらの診断に基づいてシステムプロンプトを改訂する。
  論文  参考訳（メタデータ） (2026-10-01T17:59:50Z)
• Maat: Independent Deterministic Contract-Based Governance for Multi-Agent LLM Workflows [0.0]
  私たちは、バージョン管理されたワークフロー契約アンカーに対してエージェントからエージェントへのハンドオフを検証するランタイムガバナンス層であるMaatを紹介します。 データレベルの欠陥を注入した6つの制御ドメイン(6～15エージェント、522トライアル)と決定論的7チェックルーブリックで評価した。
  論文  参考訳（メタデータ） (2026-09-27T23:23:52Z)
• 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)
• Agora: Git as Shared Memory for Collective AutoResearch [54.31992252587096]
  別々のセッションで作業する調査エージェントは、他の人が試したことと、構築可能な結果を知る必要がある。 各コミットは結果、洞察、仮説、検証、報告を記録し、それを以前の作業とリンクする。 約12日間に渡り,13人の言語モデル労働者がアゴラを重み移動問題の解決に利用したことを報告した。
  論文  参考訳（メタデータ） (2026-09-16T04:00:54Z)
• SkillSeam: Six Principles for Auditing Agent Skill Collections [0.0]
  SkillSeamは個々のスキルファイルがシステムになる関係を監査する。 それぞれのコレクションレベルの原則を、障害メカニズム、最強の可観測性、制御された摂動テストにマッピングする。 私たちは、他のスキルシステムが同じ障害チャンネルを計測できるように、バイト差のバリエーション、タスクスライス、ロールアップ、ワンスクリーンデザインチェックリストをリリースします。
  論文  参考訳（メタデータ） (2026-09-10T19:59:07Z)
• SkillGLoW: Procedural-Family Skill Consolidation for Self-Improving Agents on Long-Horizon Task Streams [55.90739575113059]
  再利用の欠如は、関連するタスクのクラスタによって共有される解決手順であり、その周りでSkillGLoWを構築している、と我々は主張する。 4つのベンチマーク(数学的推論、端末の自動化、ソフトウェア修復、実施制御)と3つのモデルで、前者は平均17.2ポイント(ハード)を獲得している。
  論文  参考訳（メタデータ） (2026-09-02T07:31:18Z)
• Think Only When Needed: Prompt-Authority Control for Selective Slow-Path Intervention in Vision-Language-Action Manipulation [4.910253409228634]
  ToWN-VLA(英語版)は、ポリシー入力を変更するために、候補生成を許可から分離するプロンプトオーソリティインタフェースである。 525のルートは、一致するハッシュでベースを回復し、375の承認されたプロンプトは全て、タスクシグネチャを保存する。 凍ったピロフィブチェックポイントを持つ物理のPiPERアームでは、成功率は52.7%から、150回の試験で78.7%に上昇する。
  論文  参考訳（メタデータ） (2026-08-24T13:18:01Z)
• Judging Is Not Enumerating: Silent Omissions in LLM-Authored Acceptable Sets [13.85834524293015]
  私たちは、ロールが想定する能力を測定し、通常、ロールが配置されるプロトコルの下でそれを欠いていることを見つけます。 モデルは、その候補がセット自体の作者よりもはるかに優れているかどうかを判断する。
  論文  参考訳（メタデータ） (2026-08-02T05:00:44Z)
• Output Vector Editing for Memorization Mitigation in Large Language Models [68.30351930772788]
  大規模な言語モデルは、トレーニングデータからシーケンスを記憶し、再現し、プライバシ、著作権、セキュリティリスクを生み出す。 既存のニューロンレベルの緩和方法は、ニューロンの活性化をゼロにすることで編集を等しくするが、活性化はニューロンが関与するかどうかのみを制御する。 記憶継続に責任を負うニューロンの小さな集合を探索する制約最適化編集である出力ベクトル編集を提案する。
  論文  参考訳（メタデータ） (2026-06-17T07:29:18Z)
• Mapping the Exploitation Surface: A 10,000-Trial Taxonomy of What Makes LLM Agents Exploit Vulnerabilities [0.0]
  ツールアクセスを持つLLMエージェントは、セキュリティ脆弱性を悪用することができる。 不明なのは、システムのどの機能がこの振る舞いをトリガーし、どれがそうでないかである。 7つのモデル,37のプロンプト条件,12の仮説的攻撃次元の1万の試行に基づく系統分類を提示する。
  論文  参考訳（メタデータ） (2026-04-06T09:44:34Z)

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。