論文の概要: EvoSkill v2: Fully Agentic Skill Evolution from Benchmark Adaptation to a Stateful Evolver

• arxiv url: http://arxiv.org/abs/2610.25931v1
• Date: Mon, 19 Oct 2026 07:29:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 03:33:45.858576
• Title: EvoSkill v2: Fully Agentic Skill Evolution from Benchmark Adaptation to a Stateful Evolver
• Title（参考訳）: EvoSkill v2: ベンチマーク適応からステートフルなEvolverへの完全なエージェントスキル進化
• Abstract要約: EvoSkill v2は、エージェントが与えられた命令(スキル)を編集し、そのモデルと使用をそのままにするシステムである。 ソルバはタスクを試み、進化者はソルバのトレーニングロールアウトを読み、各エポックでスキルを書き直す。
• 参考スコア（独自算出の注目度）: 0.23178226355500434
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: EvoSkill v2 is a three-agent system that edits the instructions (skills) an agent is given, leaving its model and harness intact. The user starts a run by describing a benchmark and supplying a grader, which a benchmark adaptor turns into a benchmark-specific plugin. A solver attempts the tasks, and an evolver reads the solver's training rollouts and rewrites the skills at each epoch. We implement the evolver as one stateful coding agent with a bash tool for the whole run, unlike the two most common designs among the skill optimizers we surveyed: a sequence of single model calls, as in SkillOpt, and an agent that starts afresh each round, as in SkillBoost. We also measure how much the solver's rollouts vary from one attempt to the next, give the evolver several attempts per training task, and accept every epoch's skills instead of selecting among them on noisy scores. With fine-grained ground truth, EvoSkill v2's skills raised the held-out pass rate above the stronger of SkillOpt and SkillBoost by 7.7 percentage points on SpreadsheetBench v2 and by 5.4 on $τ^3$-bench banking. In both benchmarks and both feedback settings, EvoSkill v2's evolver cost less per percentage point of held-out pass rate gained than either baseline's optimizer. EvoSkill v2 also enables a less capable model to improve its own skills, demonstrated by a gain of up to 21.5 percentage points in the $τ^3$-bench banking experiment where Claude Haiku 5.5 powers both solver and evolver.
• Abstract（参考訳）: EvoSkill v2はエージェントが与える命令(スキル)を編集し、モデルを残して無傷で使用することができる3エージェントシステムである。 ユーザは、ベンチマークを記述し、グレーダを提供することで実行を開始する。 ソルバはタスクを試み、進化者はソルバのトレーニングロールアウトを読み、各エポックでスキルを書き直す。 SkillOptのように、単一のモデル呼び出しのシーケンスと、SkillBoostのように各ラウンドを起動するエージェントという、調査したスキルオプティマイザの中で、最も一般的な2つの設計とは異なり、実行時にbashツールで1つのステートフルコーディングエージェントとして実装します。 また,解答者のロールアウトが,ある試みから次の試みにどの程度異なるかを測定し,学習作業毎に何回かの試行を行い,うるさいスコアで選択する代わりに,すべてのエポックのスキルを受け入れる。 EvoSkill v2のスキルは、SkillOptとSkillBoostの強みを上回り、SpreadsheetBench v2では7.7%、τ^3$-bench銀行では5.4ポイント向上した。 両方のベンチマークとフィードバック設定では、EvoSkill v2の進化的コストは、どちらのベースラインのオプティマイザよりもホールトアウトパスレートのパーセンテージが低い。 EvoSkill v2はまた、クラウド・ハイク5.5が解決器と進化器の両方を駆動する$τ^3$-bench銀行の実験において、最大21.5ポイントの上昇によって、能力の低いモデルで自身のスキルを向上させることができる。

関連論文リスト

• Evo$^2$: Evolving the Evolver through Weight-Harness Co-Evolution [34.424787883582205]
  Evo$2$はウェイトハーネスの共同進化のためのフレームワークである。 更新を利用するために、単一ポリシーがProposerとReflectorの両方として機能する統合されたデュアルロールパイプラインを設計する。 重み付け更新のために、修正とそれらの実行結果はProposerとReflectorの両方のトレーニングをガイドします。
  論文  参考訳（メタデータ） (2026-10-09T05:28:02Z)
• EvoDuet: Bilevel Co-Evolution of Web Searching and Task Solving for Scientific Discovery [60.48731123616876]
  EvoDuetは、ソリューションと検索クエリを固定モデルパラメータで共進化させる、双方向最適化手法である。 内部ループはクエリを洗練し、予測されるソリューションスコアによってドキュメントをランク付けする。 外部ループはこれらの文書から並列に候補を生成し、後の検索の結果を記録する。
  論文  参考訳（メタデータ） (2026-09-30T17:58:28Z)
• Write, Execute, Refine: From Skill Followers to Skill Optimizers via Reinforcement Learning from Execution Feedback [52.78692582507693]
  専門家による自然言語スキルは、ツール使用エージェントを改善することができるが、エージェントによるスキルは、スキルを使用しないよりも8-11ポイント悪い。 本研究では,中間的スキルから実行経験を訓練状態に整理する方法について検討する。
  論文  参考訳（メタデータ） (2026-08-18T09:52:48Z)
• Toward Skill-Native LLMs: Skill Entropy for Benchmarking and Training Long-Horizon Reasoning [72.09826781730662]
  ロングホライゾン推論は、モデルが推論チェーン内の異なるスキルを切り替えることを要求する。 スキル・エントロピー(Skill Entropy)とは、あるスキルから別のスキルに切り替えることの難しさを測る尺度である。 本稿では,RLフレームワークであるSkill-Entropy RLを提案する。
  論文  参考訳（メタデータ） (2026-08-05T17:57:16Z)
• MetaSkill-Evolve: Recursive Self-Improvement of LLM Agents via Two-Timescale Meta-Skill Evolution [24.78476085778134]
  自己改善エージェントは、実行トレースから自身のスキルファイルを書き換えることで、この問題に対処する。 MetaSkill-Evolveはエージェントスキルの改善を再帰的に行う2段階のフレームワークである。 タスクスキルは高速ループで進化し、メタスキルは自分自身に適用される同じパイプラインの下で遅いループで進化する。 5つのパイプラインエージェントが1つの凍結バックボーンを共有しているため、MetaSkill-Evolveは、ノスキル、スタティックスキル、シングルレベルの進化ベースラインよりも優れています。
  論文  参考訳（メタデータ） (2026-07-06T16:40:23Z)
• OPD-Evolver: Cultivating Holistic Agent Evolver via On-Policy Distillation [71.57258488733974]
  メモリは、自己進化エージェントの標準的な基盤になっているが、その経験を維持することは、それを通して進化する方法を学ぶことと同じではない。 OPD-Evolver(英語版)は、政策上の自己蒸留を通じて、そのようなエージェントを進化させる緩やかな共進化フレームワークである。
  論文  参考訳（メタデータ） (2026-06-16T07:33:53Z)
• 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)
• SkillEvolver: Skill Learning as a Meta-Skill [46.52001686198623]
  オンラインスキル学習のための軽量なプラグアンドプレイソリューションである textbfSkillEvolver を提案する。 SkillEvolverの学習対象は、モデルの重みではなく、スキルの散文とコードである。 微量蒸留とは異なり、メタスキルは学習スキルの展開後にのみ洗練される。
  論文  参考訳（メタデータ） (2026-05-11T12:58:25Z)
• EvoTest: Evolutionary Test-Time Learning for Self-Improving Agentic Systems [59.66823584073748]
  現在のAIエージェントの基本的な制限は、テスト時に複雑なスキルをその場で学べないことだ。 EvoTestは,エージェントの微調整や勾配を伴わずにエージェントを改良する,進化的テストタイム学習フレームワークである。
  論文  参考訳（メタデータ） (2025-10-15T07:16:28Z)

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。