論文の概要: Hierarchical Skill Evolution for Coding Agent

• arxiv url: http://arxiv.org/abs/2610.35616v1
• Date: Mon, 26 Oct 2026 15:34:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:14.055542
• Title: Hierarchical Skill Evolution for Coding Agent
• Title（参考訳）: 符号化エージェントの階層的スキル進化
• Abstract要約: 本稿では,コーディング軌跡から手続き的知識を抽出する階層的スキル進化(HSE)について述べる。 HSEはまず個々の軌跡からタスクレベルのエビデンスを抽出し、次に同じリポジトリ内で繰り返し発生するエビデンスを集約し、リポジトリ固有のスキル候補を形成する。 We evaluate HSE on SWE-bench Verified and DeepSWE, using GLM-5.2 across Pi and Claude Code harnesses and GPT-5.5 and Opus 4.8 with Pi。
• 参考スコア（独自算出の注目度）: 22.591524840822927
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Skills provide agents with reusable experience to guide future decisions without modifying the underlying model. However, coding trajectories are often entangled with task- and repository-specific contexts, making it challenging to distill procedural skills that generalize across diverse coding environments. To address this challenge, we present Hierarchical Skill Evolution (HSE), which progressively distills procedural knowledge from coding trajectories through hierarchical evidence aggregation. HSE first extracts task-level evidence from individual trajectories, then aggregates recurring evidence within the same repository to form repository-specific skill candidates, and finally consolidates consistent patterns across repositories into transferable skills across repositories. The evolution is driven by an external writer-evaluator loop that generates and assesses skills while keeping the underlying coding model frozen. The loop externally updates the writer and evaluator policies to improve subsequent skill generation and assessment. This hierarchy progressively filters task-specific details while preserving procedures that generalize across diverse coding environments. Successful trajectories yield reusable guidance for future tasks, while failed trajectories reveal recurring failure modes that guide avoidance and recovery. We evaluate HSE on SWE-bench Verified and DeepSWE, using GLM-5.2 across Pi and Claude Code harnesses and GPT-5.5 and Opus 4.8 with Pi. Across both benchmarks, 10 skills evolved solely from SWE-Gym improve coding performance across all evaluated settings, demonstrating transfer across benchmarks, coding models, and agent harnesses. We further evolve the skill library from target-benchmark trajectories without verifier feedback, relying solely on the learned evaluator for candidate assessment and achieving additional gains through benchmark-tailored skills.
• Abstract（参考訳）: スキルはエージェントに、基盤となるモデルを変更することなく、将来の決定をガイドするための再利用可能なエクスペリエンスを提供する。 しかし、コーディング軌跡はしばしばタスクやリポジトリ固有のコンテキストに絡み合っており、様々なコーディング環境にまたがって一般化する手続き的なスキルを習得することは困難である。 この課題に対処するために、階層的スキル進化(HSE)を紹介し、階層的エビデンスアグリゲーションを通じて、コーディング軌跡から手続き的知識を段階的に蒸留する。 HSEはまず、個々のトラジェクトリからタスクレベルのエビデンスを抽出し、次に同じリポジトリ内で繰り返し発生するエビデンスを集約して、リポジトリ固有のスキル候補を形成し、最後にリポジトリ間で一貫性のあるパターンをリポジトリ間で転送可能なスキルに統合する。 進化は外部のライター評価ループによって駆動され、基礎となるコーディングモデルを凍結させながらスキルを生成して評価する。 このループは、ライターと評価者のポリシーを外部に更新し、その後のスキル生成と評価を改善する。 この階層は、様々なコーディング環境にまたがる一般化手順を維持しながら、タスク固有の詳細を徐々にフィルタリングする。 軌道がうまくいけば、将来の作業に再利用可能なガイダンスが得られ、軌道が失敗すると、回避と回復を導く障害モードが繰り返し現れる。 We evaluate HSE on SWE-bench Verified and DeepSWE, using GLM-5.2 across Pi and Claude Code harnesses and GPT-5.5 and Opus 4.8 with Pi。 両方のベンチマークで、SWE-Gymのみから進化した10のスキルは、評価されたすべての設定にわたってコーディングパフォーマンスを改善し、ベンチマーク、コーディングモデル、エージェントハーネス間での転送を実証した。 本研究は,学習した評価器にのみ頼って評価を行い,ベンチマーク調整されたスキルによってさらなる成果を得られるようにして,検証フィードバックを伴わない目標ベンチマーク軌道からのスキルライブラリをさらに進化させる。

関連論文リスト

• V-Gym: Enhancing Agentic Visual Reasoning via Skill-Data Co-Evolution [68.43599428916389]
  V-Gymは、手続き的なスキルと実行軌跡からのマルチモーダルな実践データを反復的に進化させる、自律的なフレームワークである。 スキル進化の過程で、V-Gymは軌道を分析して階層的なスキルを蒸留し、洗練し、手続き的なガイダンスと適用性条件を更新する。 結果として得られた実践結果は、その後のスキル更新にフィードバックされ、継続的なスキル改善のループを閉じます。
  論文  参考訳（メタデータ） (2026-09-28T09:09:24Z)
• EvoSkillRec: Skill-Genome Evolution for Recommender Architecture Discovery [49.42532199240193]
  EvoSkillRecは累積リコメンデータアーキテクチャ進化のためのプロモーション・アンド・リユースフレームワークである。 推奨者を原子実行可能なスキルに分解し、アーキテクチャを型付きスキルゲノムとして表現する。 まず、検証済みのスキルを変異、再結合、特殊化、再利用し、LLMプランナーとシンセサイザーが新しいスキルモジュールを発明するオープンエンドのコード空間を作る。
  論文  参考訳（メタデータ） (2026-09-28T08:12:08Z)
• RRSI: Regularized Recursive Self-Improvement of Agent Harnesses [76.77275934611428]
  正規化再帰的自己改善型エージェント・ハーネス(RRSI) 本稿では、正規化の原則を取り入れたRRSIを紹介し、進化候補の提案と選択を制約することで自己改善を活用する。 RRSIは5つのアウト・オブ・ディストリビューション・ベンチマークで14.1ポイント、最大4.7ポイントを獲得し、非正規化進化よりも30%少ないポリシートークンで動作するハーネスを生産している。
  論文  参考訳（メタデータ） (2026-09-21T17:54:49Z)
• Adaptive Critical Token-Aware Retrieval for Repository-Level Code Generation [53.85136813868056]
  ACToRは、リポジトリレベルのコード生成のための適応型クリティカルトークン対応検索フレームワークである。 我々は、ACToRが、リポジトリレベルのベンチマークにおいて、最先端のメソッドを一貫して上回っていることを示す。
  論文  参考訳（メタデータ） (2026-09-01T17:59:39Z)
• HarnessEvolve: Learning from Reference Trajectories for Reliable Agent Self-Evolution [11.431479238875712]
  我々は、信頼できるエージェントの自己進化を実現するために、参照軌道から学習する自己進化フレームワークであるHarnessEvolveを紹介する。 私たちは、さまざまなモデルとエージェントフレームワークを使用して、オープンドメインとエンタープライズシナリオにまたがるいくつかのベンチマークで広範な実験を行います。 結果は、HarnessEvolveがすべてのベンチマークと設定で、最先端のベースラインを一貫して上回っていることを示している。
  論文  参考訳（メタデータ） (2026-09-01T07:31:18Z)
• Skill Self-Play: Pushing the Frontier of LLM Capability with Co-Evolving Skills [53.15216425100295]
  本稿では,提案者,解決者,スキルコントローラからなる共進化型フレームワークであるスキルセルフプレイ(スキルSP)を紹介する。 プロジェクタは動的にサンプリングされたスキルを前提とした挑戦的なタスクを生成し、ソルバは能力境界を押し上げるための候補ソリューションを探索し、スキルコントローラは実行フィードバックを収集してスキルライブラリを更新および拡張する。 このインタラクティブな共進化は、構造化された検証とオープンな調査の間のギャップを効果的に埋める。
  論文  参考訳（メタデータ） (2026-07-24T17:59:22Z)
• SkillCAT: Contrastive Assessment and Topology-Aware Skill Self-Evolution for LLM Agents [42.30624901249764]
  現在のパイプラインはタスク毎の1つのトラックから学び、チェックする前に候補スキルパッチをマージし、推論前にフルスキルコーパスをロードする。 トレーニング不要のフレームワークであるSkillCATを提案し,このプロセスを3段階に分けた。 SpreadsheetBench,WikiTableQuestions,DocVQAなど,一般的なエージェントベンチマーク上でSkillCATを評価する。
  論文  参考訳（メタデータ） (2026-06-11T13:12:10Z)
• SkillEvolBench: Benchmarking the Evolution from Episodic Experience to Procedural Skills [31.23929961213889]
  大規模言語モデル(LLM)エージェントは、現実世界のタスクを解きながら豊富なエピソード軌道を蓄積する。 SkillEvolBenchは、経験の再利用からスキル形成まで、このステップを評価するための診断ベンチマークである。 現在のエージェントは、しばしばローカルに適応するが、堅牢な再利用可能なスキルを形成することは滅多にない。
  論文  参考訳（メタデータ） (2026-05-22T18:23:31Z)
• SkillGenBench: Benchmarking Skill Generation Pipelines for LLM Agents [15.669318649782285]
  我々は、統一されたプロトコルの下でスキル生成パイプラインを評価するためのベンチマークであるSkillGenBenchを紹介する。 ジェネレータは生のコーパスを受け取り、標準化されたスキルアーティファクトを生成し、固定ハーネスの下で実行される。 様々なスキルジェネレーション手法とバックボーンの実験は、かなりの性能変化を示している。
  論文  参考訳（メタデータ） (2026-05-18T17:28:36Z)
• Beyond Isolated Tasks: A Framework for Evaluating Coding Agents on Sequential Software Evolution [5.10403054516716]
  既存のデータセットは、分離された単一のプルリクエスト(PR)タスクのパフォーマンスをステートレスな方法で評価する。 本稿では,SWE-STEPSのデータセット生成を支援する自動コーディングタスク生成フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-03T13:44:40Z)

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。