論文の概要: CompSkill: Compiling Execution Experience for Skill Retrieval

• arxiv url: http://arxiv.org/abs/2611.01115v1
• Date: Sat, 31 Oct 2026 17:00:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-04 23:36:30.451207
• Title: CompSkill: Compiling Execution Experience for Skill Retrieval
• Title（参考訳）: CompSkill: スキル検索のための実行エクスペリエンスのコンパイル
• Abstract要約: CompSkillは学習した512dキーでスキルをインデックスし、同じタスクの比較にマッチしたコンパイルを行う。 体験ハイパーグラフは、各比較をエグゼキュータとドキュメントバージョンに保持し、ミスしたスキルと引用されたレビューの根拠をリコールする。 332の新しいToolQAタスクでは、GPT-5.6-lunaで256を完了し、BM25、SkillRet-8B、Tool2Vec、RangGPTより大幅に多い。
• 参考スコア（独自算出の注目度）: 45.44588789118773
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: LLM agents increasingly rely on skill documents, yet most retrievers rank them by description alone and ignore what earlier executions revealed, even though a relevant skill can hurt execution. We present CompSkill, which indexes skills with learned 512-d keys and compiles matched same-task comparisons into skill offsets and capped key residuals (KeyOpt), so experience changes which document the executor receives, never its text. Under a logistic outcome model with unknown task difficulty, matched comparisons cancel that difficulty and only discordant ones carry information; on support executions, predictions improve with each discordant task. An experience hypergraph keeps each comparison with its executor and document versions, recalls missed skills and grounds a cited review. Compact keys raise SkillRet NDCG@10 from 64.0 to 70.9 at one eighth of the dimension. With one document, CompSkill completes 256 and 260 of 332 ToolQA tasks with GPT-5.6-luna and DeepSeek-V4.1-Flash, respectively, more than every baseline, and stays on par with the strongest baselines on AppWorld and ALFWorld. On 332 newly generated ToolQA tasks, it completes 256 with GPT-5.6-luna, significantly more than BM25, SkillRet-8B, Tool2Vec and RankGPT; over all 844 ToolQA tasks, it completes 24 more than the strongest baseline. Selection matters beyond relevance: pairing the right guide with a same-database sibling instead of another database's guide costs 8 of 96 tasks. Code, models and support data: https://github.com/satoshinji2992/CompSkill
• Abstract（参考訳）: LLMエージェントはスキルドキュメントにますます依存しているが、ほとんどのレトリバーは記述だけでそれらをランク付けし、関連するスキルが実行を傷つけるとしても、以前の実行が明らかにしたものを無視している。 学習した512-dキーでスキルをインデックス化し、同じタスク比較をスキルオフセットとキャップされたキー残差(KeyOpt)にコンパイルするCompSkillを提案する。 未知のタスク困難を伴うロジスティックな結果モデルの下では、一致した比較は、難易度をキャンセルし、不一致したタスクだけが情報を伝達し、サポート実行では、不一致したタスクごとに予測が改善する。 体験ハイパーグラフは、各比較をエグゼキュータとドキュメントバージョンに保持し、ミスしたスキルと引用されたレビューの根拠をリコールする。 コンパクトキーは、SkillRet NDCG@10を64.0から70.9に、次元の8分の1で上げる。 1つの文書で、CompSkillはGPT-5.6-lunaとDeepSeek-V4.1-Flashで332 ToolQAタスクの256と260のタスクを完了し、AppWorldとALFWorldの最も強力なベースラインと同等である。 332の新たに生成されたToolQAタスクでは、GPT-5.6-lunaで256を完了し、BM25、SkillRet-8B、Tool2Vec、RangGPTをはるかに上回っている。 正しいガイドと同じデータベースの兄弟をペアにすることで、他のデータベースのガイドに代えて、96のタスクのうち8つのコストがかかる。 コード、モデル、サポートデータ:https://github.com/satoshinji2992/CompSkill

関連論文リスト

• Where Natural Language Ends in Agents: Executable Skill Composition with MetaSkill [26.132857840163112]
  Agent Skillsは自然言語でオープンなタスク知識を表現しますが、それらを構成するには永続的な実行順序と上流出力のハンドオフが必要です。 本稿では,安定参照と機械チェック可能な制約との協調関係が実行可能となる,スキル境界における選択的形式化を提案する。 本稿では,完全なSkillパッケージとローカル命令を保存するハイブリッド表現であるMetaSkillを紹介する。
  論文  参考訳（メタデータ） (2026-10-17T14:34:26Z)
• One Skill Too Many: How Co-Installed Skills Conflict in Coding Agents [26.254645477354504]
  SKILL.mdは、いつ、どのようにタスクを実行するかをモデルに伝える。 コンフリクトは、どのファイルも変更される前に、最初のスキルリードで決定され、リードのプレツールフックは、排他的コア関数の忠実性を、インストールされたスキルを最初に開くランのレベルに復元する。
  論文  参考訳（メタデータ） (2026-10-08T10:20:47Z)
• SkillGLoW: Procedural-Family Skill Consolidation for Self-Improving Agents on Long-Horizon Task Streams [55.90739575113059]
  再利用の欠如は、関連するタスクのクラスタによって共有される解決手順であり、その周りでSkillGLoWを構築している、と我々は主張する。 4つのベンチマーク(数学的推論、端末の自動化、ソフトウェア修復、実施制御)と3つのモデルで、前者は平均17.2ポイント(ハード)を獲得している。
  論文  参考訳（メタデータ） (2026-09-02T07:31:18Z)
• CaSKG: Counterfactual-Causal Skill Graphs for Scalable Agent Skill Retrieval [20.44841712209369]
  CaSKGは、検索前に手続き関係を校正するスキルグラフフレームワークである。 モデルとベンチマークの12つの組み合わせの中で、最も高いタスクスコアを達成します。
  論文  参考訳（メタデータ） (2026-08-26T08:12:41Z)
• 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)
• VISUALSKILL: Multimodal Skills for Computer-Use Agents [63.79539541125141]
  ターゲットアプリケーション毎に調整された階層型マルチモーダルスキルであるVISUALSKILLを提案する。 著者によるドキュメンテーションとライブアプリケーションUI探索を組み合わせた2段階のパイプラインで、それぞれのスキルを構築します。 2つのCUAベンチマークでは、Claude Code CLIエージェントがClaude Opus 4.6によって支援され、VISUALSKILLで平均スコア0.456に達した。
  論文  参考訳（メタデータ） (2026-06-16T19:57:07Z)
• 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)
• 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)
• CLOVER: A Test Case Generation Benchmark with Coverage, Long-Context, and Verification [71.34070740261072]
  本稿では,テストケースの生成と完成におけるモデルの能力を評価するためのベンチマークCLOVERを提案する。 ベンチマークはタスク間でのコード実行のためにコンテナ化されています。
  論文  参考訳（メタデータ） (2025-02-12T21:42:56Z)

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。