論文の概要: LeafSkill: Efficient Leaf-Level Action Grounding for Recursive LLM Agents

• arxiv url: http://arxiv.org/abs/2610.32412v1
• Date: Fri, 23 Oct 2026 09:38:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 01:38:06.44858
• Title: LeafSkill: Efficient Leaf-Level Action Grounding for Recursive LLM Agents
• Title（参考訳）: リーフスキル:再帰性LLM剤の効率的なリーフレベル作用接地
• Abstract要約: ハイレベルプランニングはタスク固有のものだが、リーフレベルのアクショングラウンドはタスク全体にわたって再帰する。 セマンティックな接地体験を検索する外部再利用層であるLeafSkillを紹介した。 200のRobotouilleタスクの独立した確認セットで、LeafSkillは137タスクを完了し、ReCAPは121タスクを完了した。
• 参考スコア（独自算出の注目度）: 4.302202471203803
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recursive large language model (LLM) agents solve long-horizon tasks through decomposition, execution, and environmental feedback. Yet after producing an atomic subtask, they often invoke the same large model again to translate a familiar instruction into an executable action. We observe that high-level planning is task-specific, whereas leaf-level action grounding recurs across tasks and can be checked against environment-admitted actions. We introduce LeafSkill, an external reuse layer that retrieves semantically related grounding experience, binds action templates to current objects and admissible actions, and uses a lightweight 1.7B selector to choose a bound action or defer the unchanged subtask to the original agent. Skills remain outside the model parameters, allowing a frozen selector to use post-training additions. Under lexical and syntactic paraphrases, exact matching retrieves none of the reference actions, while semantic retrieval preserves 96.0% and 97.0% candidate coverage; the frozen selector adopts 97.34% of unseen skill types. On an independent confirmation set of 200 Robotouille tasks, LeafSkill completes 137 tasks versus 121 for ReCAP (68.5% vs. 60.5%, exact McNemar p=.0259). On the 106 tasks completed by both, it reduces Qwen3.5-27B tokens by 14.42% and calls by 14.08%. A separate held-out repeat yields a consistent 9.0-point success gain and 18.98% token reduction. Reusable leaf grounding can thus improve task completion while reducing host-model inference without replacing high-level planning.
• Abstract（参考訳）: 再帰的大言語モデル(LLM)エージェントは、分解、実行、環境フィードバックを通じて長い水平タスクを解決する。 しかし、原子サブタスクを生成した後、よく知られた命令を実行可能なアクションに変換するために、しばしば同じ大きなモデルを呼び出す。 高レベルプランニングはタスク固有のものであるのに対して、葉レベルアクショングラウンドニングはタスク全体にわたって再帰し、環境に制約されたアクションに対してチェックすることができる。 セマンティックな接地体験を検索し、現在のオブジェクトと許容可能なアクションにアクションテンプレートをバインドし、軽量な1.7Bセレクタを使用してバウンドアクションを選択したり、変更されていないサブタスクを元のエージェントに延期する外部再利用レイヤであるLeafSkillを紹介した。 スキルはモデルパラメータの外にとどまり、凍結セレクタがトレーニング後の追加を使用することができる。 語彙的および構文的パラフレーズの下では、正確なマッチングは参照アクションを検索せず、セマンティック検索は96.0%と97.0%の候補カバレッジを保持し、凍結セレクタは97.34%の未確認スキルタイプを採用する。 200のRobotouilleタスクの独立した確認セットでは、LeafSkillは137タスクを完了し、ReCAPは121タスクを完了した(68.5%対60.5%、正確なマクネマール p=.0259)。 どちらも106タスクを完了し、Qwen3.5-27Bトークンを14.42%、コールを14.08%削減した。 別個のホールトアウトリピートは、一貫した9.0ポイントの成功率と18.98%のトークン還元をもたらす。 再使用可能な葉の接地は、高レベルの計画を置き換えることなく、ホストモデル推論を削減しながらタスクの完了を改善することができる。

関連論文リスト

• LexiconVLA: Learning Reusable Atomic Action Codebooks for Unseen Tasks [52.045695649147966]
  クロスタスク再利用のための検索可能な原子-作用レキシコンを提案する。 グローバルかつ詳細なコードブックは、共有インタラクション構造ときめ細かい実行のバリエーションをキャプチャする。 視覚-原子的行動アライメントは、視覚状態変化からの軌道再構成と、行動コードからの視覚的結果予測を結合する。
  論文  参考訳（メタデータ） (2026-09-29T05:45:52Z)
• When Successful Memories Mislead Embodied Agents:Memory Adaption For Task-Conditioned Execution [21.40036807201119]
  タスク記述実行(MATE)のためのメモリ適応方式を提案する。 MATEは、トラジェクトリを実行指向メモリに変換する決定論的後検索プロシージャである。 134のALFWorldタスクでは、MATEタスクの成功率は81.3%と93.3%であり、Qwen2.5-14Bと72Bは、生の軌道で必要とされるトークンの約10分の1を使用している。
  論文  参考訳（メタデータ） (2026-09-20T03:12:49Z)
• SmoLSTM: A Compact Vision-Language-Action Model with Recurrent Memory that Persists [10.689090352457177]
  視覚言語-アクションモデルは、しばしば現在の観察のみから行動を予測する。 SmoLSTMは凍結した256MパラメータのSmolVLMバックボーンをマトリックスメモリLSTM制御層に結合する。 フローマッチングアクションヘッドは、各制御ステップで10個のエンドエフェクタのチャンクがデルタとグッパーコマンドをポーズするのを予測する。
  論文  参考訳（メタデータ） (2026-09-19T07:48:00Z)
• 2AM: Grounding Agent-Side Memory as Guidance for Steerable Action Models in Long-Horizon Manipulation [6.040186174770221]
  ロングホライズンロボットの操作はメモリを必要とするが、必ずしもアクションポリシーの範囲内ではない。 2AMは、マルチモーダルエージェントをタスクメモリの唯一のホルダーとし、単一のRGBベースの、エピソード的にステートレスなアクションモデルをタスク関連モーションの唯一のエグゼキュータにする。 LIBERO-Memでは、深さ、オンライン幾何、またはプランナーに基づく物体の動きが76.3%に達し、最強のベースラインである14.8%を61.5ポイント改善し、63.0%の緩和と11.8%の厳密な成功を達成している。
  論文  参考訳（メタデータ） (2026-09-10T09:35:56Z)
• When Not to Imitate: Boundary-Aware Skill Memory for Reliable Tool-Use LLM Agents [62.10623192614306]
  過去の成功からスキルを抽出することは、Large Language Model (LLM)エージェントの効率的な進化に不可欠である。 textbfBoundary-Aware Skill Memory (BASM)を提案する。 BASMは、成功度の高いスキルメモリベースラインを一貫して上回る。
  論文  参考訳（メタデータ） (2026-08-23T10:16:06Z)
• Don't Offer What Can't Be Done: Deterministic Executability Gating for LLM Skill Selection at Scale [0.0]
  We present a three-stage selection pipeline for Helpmate, Wix's customer-care assistant。 リコール指向セマンティックマーカは、アカウントの状態を参照せずに10スキルドメインファミリーに関連するメッセージを識別する。 決定論的実行性ゲートは、内部ハードストップ条件が保持されている候補を除去する。
  論文  参考訳（メタデータ） (2026-08-02T07:32:49Z)
• APEX-EM: Non-Parametric Online Learning for Autonomous Agents via Structured Procedural-Episodic Experience Replay [7.370176470430802]
  LLMベースの自律エージェントは、永続的な手続き記憶を欠いている。 我々は,構造化手続き計画の蓄積,検索,再利用を行う非パラメトリックオンライン学習フレームワークであるAPEX-EMを提案する。
  論文  参考訳（メタデータ） (2026-03-31T00:24:56Z)
• SABER: Small Actions, Big Errors -- Safeguarding Mutating Steps in LLM Agents [52.20768003832476]
  我々は$$-Bench (Airline/Retail) および SWE-Bench Verified 上での実行トレースを分析する。 成功を失敗に戻すための、先進的な逸脱、最初期の行動、レベル分岐を形式化する。 モデルに依存しない,勾配のない,テスト時のセーフガードである cm を導入します。
  論文  参考訳（メタデータ） (2025-11-26T01:28:22Z)
• Localizing Task Information for Improved Model Merging and Compression [61.16012721460561]
  我々は,各タスクの重み付けが重なり合わないことが多いため,各タスクがマージされた後も,各タスクの解決に必要な情報が保存されていることを示す。 本稿では,そのような重みを排除し,既存のモデルマージ手法の一般的な性能を改善するアルゴリズムであるConsensus Mergingを提案する。
  論文  参考訳（メタデータ） (2024-05-13T14:54:37Z)
• Plan, Eliminate, and Track -- Language Models are Good Teachers for Embodied Agents [99.17668730578586]
  事前訓練された大言語モデル(LLM)は、世界に関する手続き的な知識をキャプチャする。 Plan, Eliminate, and Track (PET)フレームワークはタスク記述をハイレベルなサブタスクのリストに変換する。 PETフレームワークは、人間の目標仕様への一般化のために、SOTAよりも15%改善されている。
  論文  参考訳（メタデータ） (2023-05-03T20:11:22Z)
• Hierarchical Reinforcement Learning as a Model of Human Task Interleaving [60.95424607008241]
  我々は、強化学習によって駆動される監督制御の階層モデルを開発する。 このモデルは、タスクインターリービングの既知の経験的効果を再現する。 その結果、階層的RLがタスクインターリービングのもっともらしいモデルとして支持された。
  論文  参考訳（メタデータ） (2020-01-04T17:53:28Z)

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。