論文の概要: Which Agent's Skill Should Change? Group-Relative Credit Assignment for Evolving Multi-Agent Teams

• arxiv url: http://arxiv.org/abs/2610.27227v1
• Date: Mon, 19 Oct 2026 19:55:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.487981
• Title: Which Agent's Skill Should Change? Group-Relative Credit Assignment for Evolving Multi-Agent Teams
• Title（参考訳）: どのエージェントのスキルを変えるべきか? マルチエージェントチームのグループ・リレーティブ・クレジット・アサインメント
• Abstract要約: textbfGRSE, textbfGroup-textbfRelative textbfSkill textbfEvolution。 HotpotQA』と『LoCoMo』では2人のフリーウェイト俳優と共に、GRSEはMASkillsより優れていた。
• 参考スコア（独自算出の注目度）: 24.012852236045237
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cooperative language-model agents can improve without weight updates by revising reusable skills, but only if a shared team reward is traced to the responsible agent and skill. Existing methods credit the skills present in each trajectory, yet presence is not responsibility: a harmful skill active in successful runs still earns positive credit. We present \textbf{GRSE}, \textbf{G}roup-\textbf{R}elative \textbf{S}kill \textbf{E}volution, which assigns behavioral credit by comparison: inspired by GRPO, it executes each question several times under the same skill libraries and contrasts the executions to credit agent--skill pairs, with structured diagnosis of failures. On HotpotQA and LoCoMo with two open-weight actors, GRSE outperforms MASkills, the closest prior method, on HotpotQA and every LoCoMo category except open-domain, with the largest gains on multi-hop questions ($+6.7$ and $+3.2$ F1). Its gains rest on better-grounded retrieval rather than answers given without evidence, and its learned skills transfer between the multi-hop tasks. GRSE is robust to corrupted libraries: starting from planted harmful skills, it credits every planted skill with the correct sign and recovers the score of a clean library ($+6.3$ points), whereas MASkills misattributes two and falls below its starting point.
• Abstract（参考訳）: 協力的な言語モデルエージェントは、再利用可能なスキルを改訂することで、ウェイトアップデートなしで改善できるが、共有チームの報酬が責任あるエージェントとスキルに遡る場合に限られる。 既存の手法は、それぞれの軌道に存在するスキルを信用するが、その存在は責任ではない。 GRPOに触発されて、各質問を同じスキルライブラリの下で数回実行し、その実行をクレジットエージェント-スキルペアと対比し、障害の構造化診断を行う。 HotpotQAとLoCoMoの2人のオープン・ウェイト・アクターでGRSEは、HotpotQAとオープン・ドメイン以外のすべてのLoCoMoカテゴリーでMASkillsを上回り、マルチ・ホップの質問(+6.7$と$+3.2$ F1)で最大の利益を上げている。 その成果は、証拠のない回答よりも、地上での検索に頼っており、その学習スキルはマルチホップタスク間で伝達される。 GRSEは有害なスキルの植え付けから始まり、すべての植え付けスキルを正しいサインで信用し、クリーンなライブラリのスコアを回復する(+6.3$ポイント)。

関連論文リスト

• CoSkill: Joint Reinforcement Learning of Reasoning and Meta-Skill Agents for Hierarchical Skill Evolution [12.48020149385294]
  CoSkillは、静的メタスキルワークフローを学習可能なメタスキルエージェントとして再キャストする統合マルチエージェントRLフレームワークである。 ReasoningとMeta-Skill Agentsを単一のバックボーンを共有する協力チームとしてモデル化することで、CoSkillはエンドツーエンドのコ適応を可能にする。
  論文  参考訳（メタデータ） (2026-09-04T08:25:30Z)
• 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)
• 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)
• 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)
• On the Resilience of LLM-Based Multi-Agent Collaboration with Faulty Agents [58.79302663733703]
  大規模言語モデルに基づくマルチエージェントシステムは、専門家エージェントの協力により、様々なタスクにまたがる優れた能力を示している。 不器用なエージェントや悪意のあるエージェントが与える影響 - システム全体のパフォーマンスにおいて、頻繁にタスクでエラーを犯すものは、いまだに過小評価されていない。 本稿では,下流タスクにおける障害要因下での各種システム構造のレジリエンスについて検討する。
  論文  参考訳（メタデータ） (2024-08-02T03:25:20Z)
• Multi-Agent Collaboration via Reward Attribution Decomposition [75.36911959491228]
  本稿では,StarCraftのマルチエージェントチャレンジにおいて,最先端のパフォーマンスを実現するコラボレーション型Q-ラーニング(CollaQ)を提案する。 CollaQは様々なStarCraft属性マップで評価され、既存の最先端技術よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-10-16T17:42:11Z)

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。