論文の概要: ScienceCUA: Resource-to-Skill Construction and Execution-Guided Skill Evolution for Scientific Computer Use Agents
- arxiv url: http://arxiv.org/abs/2611.03238v1
- Date: Mon, 02 Nov 2026 14:50:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-06 05:35:05.441906
- Title: ScienceCUA: Resource-to-Skill Construction and Execution-Guided Skill Evolution for Scientific Computer Use Agents
- Title（参考訳）: ScienceCUA:科学コンピュータ利用エージェントのためのリソース・ツー・スキルの構築と実行指導型スキル進化
- Abstract要約: 本稿では,リソース・ツー・スキル構築と実行誘導型スキル進化を組み合わせた2段階のフレームワークであるScienceCUAを紹介する。
まず、ScienceCUAはソフトウェアがサポートするタスクをドキュメントから識別し、運用上の軌道を推測し、それらを再利用可能なスキルに一般化する。
次に、ScienceCUAは実行フィードバックを使用して、同じタスクにおける成功と失敗の軌跡を対比し、欠陥を特定し、既存のスキルを修正したり、新しいスキルを追加したり、実際の環境で繰り返し検証された後にのみスキルライブラリを更新することで、スキルの自己進化を促進する。
- 参考スコア（独自算出の注目度）: 12.220462502152804
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Computer-use agents for scientific software require application-specific expertise. Much of this expertise is documented in human-authored software manuals and web pages. However, turning these resources into executable, reusable skills remains challenging due to mismatches between documented and deployed software versions and differences in scope between documentation coverage and task requirements. We introduce ScienceCUA, a two-stage framework combining resource-to-skill construction with execution-guided skill evolution. First, ScienceCUA identifies tasks supported by the software from its documentation, infers operational trajectories, and generalizes them into reusable Skills. Command catalogs, syntax constraints, and shortcuts are organized separately as References for on-demand lookup. Then, ScienceCUA uses execution feedback to drive skill self-evolution by contrasting successful and failed trajectories for the same task, identifying deficiencies, revising existing skills or adding new ones, and updating the skill library only after repeated validation in real environments. To enable reliable evaluation without benchmark noise or task leakage, we introduce two improved benchmarks. ScienceBoard-Verified provides an audited and corrected basis for measuring task performance, while ScienceBoard-VE separates skill evolution from final testing through disjoint evolution and test tasks and further supports native-agent evaluation. Experiments show that the initial Skills and References improve average task success rate by up to 7.23 percentage points over the base model, while skill self-evolution increases the total gain over the baseline to as much as 17.12 percentage points. ScienceCUA turns software documentation into an evolving set of executable skills and queryable references, offering a practical way for general-purpose agents to use scientific software reliably and at scale.
- Abstract（参考訳）: 科学ソフトウェアのためのコンピュータ利用エージェントは、アプリケーション固有の専門知識を必要とする。
これらの専門知識の多くは、人手によるソフトウェアマニュアルとWebページで文書化されている。
しかしながら、これらのリソースを実行可能な再利用可能なスキルに変えることは、ドキュメント化されたソフトウェアバージョンとデプロイされたソフトウェアバージョン間のミスマッチと、ドキュメントカバレッジとタスク要件の間のスコープの違いのため、依然として難しい。
本稿では,リソース・ツー・スキル構築と実行誘導型スキル進化を組み合わせた2段階のフレームワークであるScienceCUAを紹介する。
まず、ScienceCUAはソフトウェアがサポートするタスクをドキュメントから識別し、運用上の軌道を推測し、それらを再利用可能なスキルに一般化する。
コマンドカタログ、構文制約、ショートカットは、オンデマンドルックアップのための参照として別々に整理される。
次に、ScienceCUAは実行フィードバックを使用して、同じタスクにおける成功と失敗の軌跡を対比し、欠陥を特定し、既存のスキルを修正したり、新しいスキルを追加したり、実際の環境で繰り返し検証された後にのみスキルライブラリを更新することで、スキルの自己進化を促進する。
ベンチマークノイズやタスクリークを伴わない信頼性評価を実現するために,2つの改良されたベンチマークを導入する。
ScienceBoard-Verifiedはタスクパフォーマンスを測定するための監査と修正されたベースを提供する一方、ScienceBoard-VEは、非結合的な進化とテストタスクを通じて最終テストからスキルの進化を分離し、ネイティブエージェントの評価もサポートする。
実験の結果、初期スキルと基準はベースモデルよりも平均タスク成功率を最大7.23ポイント改善し、スキル自己進化はベースラインよりも最大17.12ポイント向上した。
ScienceCUAは、ソフトウェアドキュメントを進化する実行可能なスキルとクエリ可能な参照のセットに変換し、汎用エージェントが科学的ソフトウェアを確実に大規模に使用するための実践的な方法を提供する。
関連論文リスト
- EvoSpatial: Experience-Driven Skill and Tool Evolution for Spatial Reasoning Agents [37.198027354707826]
関連スキルとツールのライブラリを更新することで,実行経験から学習するフレームワークであるEvoSpatialを紹介した。
20のベンチマークで、EvoSpatialの平均は63.9, 4.0ポイントであり、SpatialClawが報告した平均よりも高い。
チェック手順を記録に残し、それらをサポートするツールとともに、エージェントは、あるタスクから次のタスクまでの空間的推論体験を運ぶことができる。
論文 参考訳（メタデータ） (2026-10-12T12:21:51Z) - AutoSciBench: Autonomous Benchmark Generation for Evaluating Scientific Agents [56.10249598693586]
AutoSciBenchは、各タスクを、科学領域、データモダリティ、要求推論アプローチを指定する高レベルな概念として表現するフレームワークである。
エージェントはそれぞれのタスクを解決し、解決者トラジェクトリを生成し、AutoSciBenchがレシピやコンセプトを改訂するために使用している判断フィードバックに対応する。
計算生物学,材料科学,臨床画像におけるAutoSciBenchの評価を行った。
論文 参考訳（メタデータ） (2026-10-04T11:40:11Z) - InterEvolve: Test-Time Evolution of Reward Programs for Humanoid Loco-Manipulation [54.00038257772902]
ヒューマノイド・ロコ・マニピュレーションの試験時間進化について検討した。
私たちの重要な洞察は、ワイドコントローラが、新しいタスクに必要な能力の多くをすでに持っていることです。
InterEvolveはこのインターフェースを2つのコンポーネントで実現している。
論文 参考訳（メタデータ） (2026-10-01T17:59:40Z) - 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) - 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) - Can Coding Agents Reproduce Findings in Computational Materials Science? [49.254975563645786]
本稿では,大規模言語モデルの科学的主張を再現する能力を評価するためのベンチマークであるAutoMatを紹介する。
課題を専門とする専門家と緊密に連携することで、実際の材料科学論文からの一連の主張をキュレートし、コーディングエージェントがエンドツーエンドのワークフローを回復し実行できるかどうかを検証します。
結果、現在のLSMベースのエージェントはAutoMatの全体的な成功率を低くし、最も優れた設定は54.1%に過ぎなかった。
論文 参考訳（メタデータ） (2026-05-01T17:42:12Z) - SKILLFOUNDRY: Building Self-Evolving Agent Skill Libraries from Heterogeneous Scientific Resources [5.7282243774488295]
我々は、リソースを検証されたエージェントスキルに変換する自己進化型フレームワークであるSkillFoundryを紹介する。
SkillFoundryは,比較的新規で,内部的に有効なスキルライブラリであることを示す。
また,SkillFoundryは,具体的な科学的目的の要求に応じて,新たなタスク固有のスキルを設計できることを示す。
論文 参考訳（メタデータ） (2026-04-05T05:02:18Z) - Pre-training Multi-task Contrastive Learning Models for Scientific
Literature Understanding [52.723297744257536]
事前学習言語モデル(LM)は、科学文献理解タスクにおいて有効であることを示す。
文献理解タスク間の共通知識共有を容易にするために,マルチタスクのコントラスト学習フレームワークであるSciMultを提案する。
論文 参考訳（メタデータ） (2023-05-23T16:47:22Z)
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。