論文の概要: Compile Away Uncertainty: Self-Evolving Agent Skills via Programmatic Compilation

• arxiv url: http://arxiv.org/abs/2610.39508v1
• Date: Thu, 29 Oct 2026 07:07:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-01 01:32:10.056223
• Title: Compile Away Uncertainty: Self-Evolving Agent Skills via Programmatic Compilation
• Title（参考訳）: コンパイルの不確実性:プログラムコンパイルによる自己進化型エージェントスキル
• Abstract要約: 自己進化型エージェントスキルにより、モデルパラメータを更新することなく、AIエージェントはインタラクションエクスペリエンスから再利用可能な手続き的知識を蓄積し、洗練することができる。 本稿では,プログラムコンパイルをスキル進化プロセスに統合する自己進化型スキルフレームワークであるSKillCompilerを紹介する。
• 参考スコア（独自算出の注目度）: 12.388931014136787
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Self-evolving agent skills enable AI agents to accumulate and refine reusable procedural knowledge from interaction experience without updating model parameters. However, since such skills are typically represented as textual documents and executed through LLM reasoning, even previously learned procedures must be repeatedly interpreted and regenerated, introducing avoidable uncertainty into every execution. In contrast, program execution is deterministic and independently verifiable. Intuitively, transforming well-specified operations into executable programs can reduce reliance on LLM reasoning and, consequently, reduce execution uncertainty. Motivated by this intuition, we introduce SKillCompiler, a self-evolving skill framework that integrates programmatic compilation into the skill evolution process. Specifically, SkillCompiler adopts an executability-aware skill compilation strategy that decomposes skills into fine-grained operations, analyzes their executability, and constructs hybrid skill skeletons that retain LLM reasoning for context-dependent operations while compiling well-specified ones into validated programs. To avoid redundant program synthesis and enable executable knowledge to accumulate across evolving skills, we further design a program asset reuse mechanism that organizes validated programs as reusable assets, retrieves existing implementations whenever applicable, and synthesizes and verifies new programs only when necessary. Extensive experiments on five benchmarks and six model families demonstrate that SkillCompiler consistently outperforms state-of-the-art methods, achieving up to 32.33\% improvement in task performance.
• Abstract（参考訳）: 自己進化型エージェントスキルにより、モデルパラメータを更新することなく、AIエージェントはインタラクションエクスペリエンスから再利用可能な手続き的知識を蓄積し、洗練することができる。 しかしながら、そのようなスキルは典型的にはテキスト文書として表現され、LSM推論によって実行されるため、以前に学んだ手順でさえ繰り返し解釈され、再生されなければならないため、実行毎に回避可能な不確実性が導入される。 対照的に、プログラムの実行は決定論的であり、独立に検証可能である。 直感的には、よく特定された操作を実行可能なプログラムに変換することで、LCM推論への依存を減らし、実行の不確実性を低減することができる。 この直感に触発されたSKillCompilerは,プログラムコンパイルをスキル進化プロセスに統合する自己進化型スキルフレームワークである。 具体的には、SkillCompilerは実行可能性を考慮したスキルコンパイル戦略を採用し、スキルを細かな操作に分解し、実行可能性を分析し、よく特定されたスキルを検証プログラムにコンパイルしながら、文脈に依存した操作に対するLLM推論を保持するハイブリッドスキルスケルトンを構築する。 冗長なプログラム合成を回避し、進化するスキルにまたがって実行可能な知識を蓄積できるように、検証済みプログラムを再利用可能な資産として組織し、いつでも既存の実装を回収し、必要な時にのみ新しいプログラムを合成・検証するプログラム資産再利用機構を設計する。 5つのベンチマークと6つのモデルファミリに関する大規模な実験は、SkillCompilerが一貫して最先端の手法より優れており、タスクパフォーマンスが最大32.33\%向上していることを示している。

関連論文リスト

• SkillAligner: Treating Retrieved Skills as Adaptable Drafts at Execution Time [14.34844805305673]
  汎用スキルは、言語エージェントのための再利用可能な手続き的知識を約束する。 しかし、セマンティックな関連性は実行ユーティリティを保証しません。 トレーニング不要な実行時スキル適応フレームワークであるSkillAlignerを提案する。
  論文  参考訳（メタデータ） (2026-08-07T07:05:53Z)
• 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)
• Semantic-aware and Self-improving Program Reduction via Agentic Large Language Models [5.1805580173652706]
  エージェント型大規模言語モデル(LLM)を用いた自律推論タスクとして,プログラムの縮小を再放送する新しい手法を提案する。 提案手法は,意味認識を行うリデューサエージェント,ケース固有プログラムリダクションを行うリフレクタエージェント,転送可能なリデューサ知識を抽出し蓄積するリフレクタエージェントという,2つの協調的なコンポーネントを中心に構築されたフレームワークである。
  論文  参考訳（メタデータ） (2026-07-04T08:36:10Z)
• SkillComposer: Learning to Evolve Agent Skills for Specification and Generalization [99.18305770138677]
  エージェントスキルは、エージェントの推論とアクションをガイドする再利用可能な戦略である。 現在の技術構築手法は、問題を一発抽出として扱う。 本稿では,スキル構築を3つの学習可能な操作に分解するフレームワークであるSkillComposerを紹介する。
  論文  参考訳（メタデータ） (2026-06-04T12:16:08Z)
• SkillRevise: Improving LLM-Authored Agent Skills via Trace-Conditioned Skill Revision [41.562357872885826]
  SkillReviseはエージェントスキルを反復的に洗練するために設計された実行基盤フレームワークである。 SkillReviseは、実行エビデンスからスキル欠陥を診断し、一般的なメモリから関連する修復原則を検索し、実行順に編集を適用する。 単発ベースラインを大幅に上回り、SkillsBenchにおけるベースエージェントの成功率は36.05%から61.63%に向上した。
  論文  参考訳（メタデータ） (2026-05-31T10:19:13Z)
• 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)
• Harnessing LLM Agents with Skill Programs [58.356514745548026]
  HASPは、実行可能なプログラム関数(PF)にスキルをアップグレードする新しいフレームワークです。 PFは障害が発生しやすい状態を起動し、次のアクションを変更したり、修正コンテキストを注入する実行可能なガードレールとして機能する。 HASPは、Web検索、数学推論、コーディングタスクにおいて、トレーニング不要とトレーニングベースの両方の手法と比較して、大幅に向上している。
  論文  参考訳（メタデータ） (2026-05-18T01:35:11Z)
• Skill-R1: Agent Skill Evolution via Reinforcement Learning [84.35984979949502]
  Skill-R1は、検証可能な報酬からインスタンスレベルの繰り返しスキル最適化のための強化学習フレームワークである。 オープンソースモデルとクローズドソースモデルの両方とのブラックボックス互換性を維持しつつ、モデルレベルの更新よりも大幅に安価に適応できる。
  論文  参考訳（メタデータ） (2026-05-10T06:19:15Z)
• EvoSkills: Self-Evolving Agent Skills via Co-Evolutionary Verification [85.3692584167951]
  Anthropicは、LLMエージェントが多段階のプロフェッショナルタスクに取り組むためのスキルの概念を提案する。 ツールは単一の自己完結型関数であり、スキルは相互依存型多ファイルアーティファクトの構造化バンドルである。 EvoSkillsは、エージェントが複雑なマルチファイルスキルパッケージを自律的に構築できる自己進化型スキルフレームワークである。
  論文  参考訳（メタデータ） (2026-04-02T06:43:20Z)
• SkillCraft: Can LLM Agents Learn to Use Tools Skillfully? [67.69996753743129]
  SkillCraftは、高レベルのツールコンポジションの生成と再利用を可能にする、明示的にストレステストエージェントのベンチマークである。 SkillCraftは、定量次元と構造次元の両方に沿ってスケールする困難を伴う、現実的で、構成性の高いツール使用シナリオを特徴としている。 本稿では,エージェントがアトミックツールを実行可能なスキルに自動生成し,タスク内およびタスク間のキャッシュと再利用を可能にする軽量な評価プロトコルを提案する。
  論文  参考訳（メタデータ） (2026-02-28T15:44:31Z)

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。