論文の概要: How Agent Skills Evolve: A Large-Scale Empirical Study of Skills on GitHub
- arxiv url: http://arxiv.org/abs/2611.04456v1
- Date: Tue, 03 Nov 2026 07:46:48 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-11-04 17:37:42.140024
- Title: How Agent Skills Evolve: A Large-Scale Empirical Study of Skills on GitHub
- Title（参考訳）: Agent Skills Evolve: GitHub上のスキルに関する大規模な実証的研究
- Abstract要約: 大規模な言語モデルベースのエージェントは、モデルを再訓練することなくタスク固有の知識を再利用するために、ますます外部スキルに依存している。
既存の研究は主に静的な視点からエージェントスキルを調べ、その進化は現実世界のリポジトリにほとんど探索されていないままである。
エージェントスキルに関する大規模な実証研究を行い、GitHubから84,200のスキルと750,898のコミットを入手した。
- 参考スコア（独自算出の注目度）: 9.399228586178287
- License:
- Abstract: Large language model-based agents increasingly rely on external skills to reuse task-specific knowledge without retraining the model. As skills become common for extending agent capabilities, understanding creation and evolution is critical for reliable agent systems. However, existing studies mainly examine agent skills from a static perspective, leaving their evolution in real-world repositories largely unexplored. This limits our understanding of the patterns and motivations behind skill changes. To fill this gap, we present a large-scale empirical study of agent skills, capturing 84,200 skills and 750,898 commits from GitHub. We manually construct taxonomies of skill components, change patterns, and evolution motivations, and build an automated annotation pipeline to label changes at scale. Based on the taxonomy, we conduct quantitative analyses of skill composition and post-creation evolution frequency, together with qualitative assessments of modified components, change patterns, and motivations. Our findings reveal five implications: (i) reliability receives less attention in skill composition and change, motivating execution-contract skill design that incorporates verification and recovery mechanisms; (ii) evolution changes concentrate in project-coupled skills, calling for automated just-in-time skill updating mechanisms; (iii) change patterns are dominated by incremental enrichment and refinement, motivating pattern-guided skill enhancers that diagnose and improve incomplete skill components; (iv) redundancy is a practical maintenance issue, highlighting the need for context-efficient skill representation; (v) security-motivated changes show limited risk reduction, suggesting skill regression testing methods that objectively verify skill functionality and security. Beyond these insights, our dataset provides a basis for future studies on automated skill techniques.
- Abstract（参考訳）: 大規模な言語モデルベースのエージェントは、モデルを再訓練することなくタスク固有の知識を再利用するために、ますます外部スキルに依存している。
エージェント能力の拡張においてスキルが一般的になるにつれて、信頼性の高いエージェントシステムでは、生成と進化を理解することが不可欠である。
しかし、既存の研究は主に静的な視点からエージェントスキルを考察し、それらの進化は現実世界のレポジトリにほとんど解明されていない。
これにより、スキル変革の背後にあるパターンやモチベーションに対する理解が制限されます。
このギャップを埋めるために、エージェントスキルに関する大規模な実証的研究を行い、GitHubから84,200のスキルと750,898のコミットをキャプチャした。
スキルコンポーネント、変革パターン、進化モチベーションの分類を手作業で構築し、大規模な変更をラベル付けするための自動アノテーションパイプラインを構築します。
本研究は, 技術構成と創造後の進化頻度を定量的に分析し, 変化成分, 変化パターン, モチベーションの質的評価を行った。
以上の結果から5つの示唆が浮かび上がった。
一 信頼性は、技能構成及び変更の注意を減らし、検証及び回復機構を組み込んだ実行契約技術設計の動機付けをする。
(II) 自動ジャスト・イン・タイムスキル更新機構を呼び出して、プロジェクト結合スキルに集中する進化的変化
3 変化パターンは、不完全なスキルコンポーネントを診断し改善するパターン誘導型スキルエンハンサーを動機とするインクリメンタルエンリッチメント及び洗練によって支配される。
(4)冗長性は,コンテキスト効率のスキル表現の必要性を強調する,実践的なメンテナンス上の問題である。
(v) セキュリティをモチベーションとした変更はリスク低減の限界を示し,スキル機能とセキュリティを客観的に検証するスキル回帰テスト手法を提案する。
これらの洞察以外にも、私たちのデータセットは、自動化されたスキル技術に関する将来の研究の基盤を提供します。
関連論文リスト
- Skill-V: Verifiable Self-Evolving Skill Library for Interactive Agents [52.62594580060118]
検証可能な自己進化型スキルライブラリであるSkill-Vを紹介する。
我々は,図書館の進化を促進するために環境成果を用いており,特に,タスク失敗はスキル追加を動機付けている。
我々は、現在のタスクに確実に適用できないと判断された候補を除外するために、適用性に配慮したフィルタを用いる。
論文 参考訳（メタデータ） (2026-10-08T11:59:42Z) - SkillEvoReg: Regularizing Agent Skill Evolution Against Overfitting [23.512756263596714]
SkillEvoRegは、ニューラルネットワークトレーニングにおけるアンチオーバーフィッティングテクニックにインスパイアされた、スキル進化のための一般的な正規化フレームワークである。
我々は、各システムのネイティブスキル進化器とタスク評価器を維持しながら、不均一なスキル進化システムにまたがるフレームワークをインスタンス化する。
論文 参考訳（メタデータ） (2026-09-25T06:11:26Z) - 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) - A Framework for Evaluating Agentic Skills at Scale [0.4509560087514856]
エージェントスキルは構造化され、エージェント能力を増強する再利用可能な知識アーティファクトである。
個々のスキルを評価するための再利用可能な方法論は存在しない。
本稿では,スキルライターが現実的なタスクを構築できる評価フレームワークを提案する。
論文 参考訳（メタデータ） (2026-06-16T11:46:56Z) - Agent Skill Evaluation and Evolution: Frameworks and Benchmarks [33.49861695900838]
エージェントスキルの成長は、エージェントシステムの構築、評価、デプロイの方法を変えました。
この分野は、独立したスキル創造から、自動化された評価駆動のスキル進化へと、新たなパラダイムシフトを経験しています。
論文 参考訳（メタデータ） (2026-06-09T20:43:23Z) - 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) - SkillSmith: Co-Evolving Skills and Tools for Self-Improving Agent Systems [36.96247516261787]
SkillSmithは、シナジー対応のスキルツールの共同進化フレームワークである。
スキル進化が再利用可能な機能ギャップを特定すると、ツールをラップ、編集、構成、分割、または廃止することが可能になります。
失敗の署名、因果帰属、治療を含むアンチパターンを記録し、既知の誤りを繰り返す診断と拒否提案を加速させる。
論文 参考訳（メタデータ） (2026-05-31T16:01:19Z) - From Context to Skills: Can Language Models Learn from Context Skillfully? [56.5857437218136]
Ctx2Skillは、コンテキスト固有のスキルを自律的に発見、洗練、選択する自己進化フレームワークである。
より良い文脈学習能力を得るために、どんな言語モデルにもプラグインできる。
論文 参考訳（メタデータ） (2026-04-30T09:53:15Z) - 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) - Truly Self-Improving Agents Require Intrinsic Metacognitive Learning [59.60803539959191]
自己改善エージェントは、最小限の監督で継続的に新しい能力を取得することを目的としている。
現在のアプローチは2つの重要な制限に直面している。自己改善プロセスは、しばしば厳格であり、タスクドメイン全体にわたって一般化できない。
我々は、効果的な自己改善は、エージェントの本質的な能力として定義された固有のメタ認知学習を必要とし、自身の学習プロセスを積極的に評価し、反映し、適応させる。
論文 参考訳（メタデータ） (2025-06-05T14:53:35Z)
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。