論文の概要: From Local Skills to Long-Horizon Web Tasks: Progressive Skill Exploration for LLM Web Agents

• arxiv url: http://arxiv.org/abs/2611.03116v1
• Date: Mon, 02 Nov 2026 13:32:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 13:15:54.150841
• Title: From Local Skills to Long-Horizon Web Tasks: Progressive Skill Exploration for LLM Web Agents
• Title（参考訳）: ローカルスキルからロングホライゾンWebタスク: LLM Webエージェントのためのプログレッシブスキル探索
• Abstract要約: 長軸Webエージェントの学習フレームワークであるSCOPE(Skill-Composed Progressive Exploration)を提案する。 SCOPEは、局所的なスキルからタスク解決能力の完成まで、複雑なタスク探索を段階的に拡張するプロセスに分解する。 SCOPEは探索力学を一貫して改善し、各設定において最強の基準線に対して3.9%から18.6%の相対的なゲインを達成している。
• 参考スコア（独自算出の注目度）: 21.83389259985775
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language models (LLMs) are driving autonomous agents toward real-world environments, with the Web emerging as one of the most representative interaction scenarios. However, training Web agents with naive exploration remains challenging: successful trajectories are rare, and the sparse terminal rewards make it difficult for agents to obtain useful feedback from failed trajectories. Inspired by skill acquisition theory, we propose Skill-Composed Progressive Exploration (SCOPE), a short-to-long learning framework for long-horizon Web agents that decomposes complex task exploration into a gradual expansion process from local skills to complete task-solving capability. Specifically, SCOPE iteratively explores around local skills: Skill Discovery extracts reusable local skills and failure experiences from historical rollouts; Skill Orchestration composes discovered skills into high-level skill chains; and Skill Expansion leverages failure experiences aligned with the current skill chain to guide the agent toward exploring new subskills. Through this process, SCOPE progressively constructs task-completing skill chains across rollouts and internalizes them into the policy parameters through agentic on-policy distillation. Extensive experiments on WebArena, WebVoyager, and WebShop show that SCOPE consistently improves exploration dynamics and achieves 3.9% to 18.6% relative gains over the strongest baselines in each setting.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、Webが最も代表的なインタラクションシナリオの1つとして登場し、自律エージェントを現実の環境に向けて推進している。 しかし, Web エージェントを素早い探索で訓練することは依然として困難であり, 軌道を成功させることは稀であり, 粗末な終末報酬は, 失敗した軌道から有用なフィードバックを得るのを困難にしている。 スキル獲得理論に触発されて,複雑なタスク探索を局所的なスキルからタスク解決能力まで段階的に拡大するプロセスに分解する,長期にわたるWebエージェントのための短時間の学習フレームワークであるSkill-Composed Progressive Exploration (SCOPE)を提案する。 スキル発見(Skill Discovery)は、過去のロールアウトから再利用可能なローカルスキルと障害経験を抽出し、スキルオーケストレーション(Skill Orchestration)は、発見されたスキルをハイレベルなスキルチェーンに構成し、スキル拡張(Skill Expansion)は、現在のスキルチェーンと整合した障害経験を活用して、エージェントを新たなサブスキルの探索へと導く。 このプロセスを通じてSCOPEは、段階的にロールアウトにまたがるタスクコンプリートスキルチェーンを構築し、エージェントオン・ポリケート蒸留を通じて政策パラメータに内部化する。 WebArena、WebVoyager、WebShopの大規模な実験では、SCOPEは探索のダイナミクスを一貫して改善し、各設定において最強のベースラインに対して3.9%から18.6%の相対的なゲインを達成した。

関連論文リスト

• 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)
• Learning to Adapt: Self-Improving Web Agent via Cognitive-Aware Exploration [41.778518335766215]
  真に自律的で適応的なWebエージェントを構築するためのフレームワークを提案する。 我々は、エージェントの限界を発見し、認知境界を広げるために、Selector, Predictor, judgerの3つの敵の役割を使用する。 私たちのフレームワークは、真に自律的で適応的なWebエージェントを構築するためのスケーラブルで汎用的なソリューションを提供します。
  論文  参考訳（メタデータ） (2026-05-29T14:37:27Z)
• SkillOS: Learning Skill Curation for Self-Evolving Agents [67.94374107466957]
  本稿では,自己進化エージェントのスキルキュレーションを学習するための,経験駆動型RLトレーニングレシピであるSkillOSを提案する。 SkillOSは、凍結したエージェントエグゼキュータとトレーニング可能なスキルキュレーターを組み合わせて、蓄積したエクスペリエンスから外部SkillRepoを更新する。 SkillOSは、メモリフリーと強力なメモリベースラインを、有効性と効率の両方で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） (2026-05-07T17:31:50Z)
• WebXSkill: Skill Learning for Autonomous Web Agents [104.76374637691212]
  WebXSkillは、コードベースのスキルと自然言語ガイダンスのギャップを埋めるフレームワークである。 WebArenaとWebVoyagerでは、WebXSkillはタスク成功率をベースラインで最大9.8と12.9ポイント改善する。
  論文  参考訳（メタデータ） (2026-04-14T21:48:15Z)
• SkillWeaver: Web Agents can Self-Improve by Discovering and Honing Skills [48.05057798832005]
  SkillWeaverは、再利用可能なスキルをAPIとして自律的に合成することで、Webエージェントの自己改善を可能にするスキル中心のフレームワークです。 新しいウェブサイトが与えられると、エージェントは自律的にスキルを発見し、実践のために実行し、実践経験を堅牢なAPIに蒸留する。 WebArenaと実世界のWebサイトでの実験は、SkillWeaverの有効性を示し、それぞれ31.8%と39.8%の相対的な成功率の向上を達成した。
  論文  参考訳（メタデータ） (2025-04-09T17:51:50Z)
• Bootstrap Your Own Skills: Learning to Solve New Tasks with Large Language Model Guidance [66.615355754712]
  BOSSが"スキルブートストラップ"を実行して新しいタスクを達成 LLM誘導型ブートストラップ法で訓練されたエージェントは,実生活環境における実測実験により,ナイーブなブートストラップ法で訓練されたエージェントよりも優れていた。
  論文  参考訳（メタデータ） (2023-10-16T02:43:47Z)
• Residual Skill Policies: Learning an Adaptable Skill-based Action Space for Reinforcement Learning for Robotics [18.546688182454236]
  スキルベース強化学習(RL)は、ロボット学習の加速に先行知識を活用するための有望な戦略として登場した。 本研究では,状態条件付き生成モデルを用いて,スキル空間における探索を高速化する手法を提案する。 我々は4つの困難な操作タスクにまたがってアプローチを検証する。
  論文  参考訳（メタデータ） (2022-11-04T02:42:17Z)

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。