論文の概要: EvoGuard: Mitigating Degradation in Online Skill Evolution

• arxiv url: http://arxiv.org/abs/2611.06444v1
• Date: Wed, 04 Nov 2026 12:47:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 03:25:58.110354
• Title: EvoGuard: Mitigating Degradation in Online Skill Evolution
• Title（参考訳）: EvoGuard: オンラインスキルの進化における劣化の軽減
• Abstract要約: スキルにより、言語エージェントは自然言語ドキュメントとしてタスク間での経験を再利用できる。 以前のメソッドは、多くのタスクで収集された一連のトラジェクトリからオフラインでスキルを更新する。 保留中のバリデーションセットのパフォーマンスが向上した場合のみ、更新毎に実行するには遅過ぎるし、コストもかかる場合もあります。 EvoGuardは、低レイテンシと低コストでスキル劣化を緩和する、ペアワイズスキルセレクタである。
• 参考スコア（独自算出の注目度）: 37.83805154393746
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Skills let language agents reuse experience across tasks as natural-language documents. Recent work evolves skills from interaction, but existing methods have limitations when skills evolve online. Prior methods update a skill offline from a batch of trajectories collected over many tasks. Some then adopt the new skill without any check, which can degrade the skill over time. Others keep it only if it improves performance on a held-out validation set, which is too slow and costly to run after every update. We introduce EvoGuard, a pairwise skill selector that mitigates skill degradation at low latency and cost. We first run the agent iteratively to build pools of skills and score each skill on a private test set to obtain utility labels. We pair the skills and use rejection sampling to keep only pairs with a clear utility gap. The selector is trained on the logits of two label tokens to pick the better skill. At deployment it decides in a single forward pass, which is significantly faster than evaluation on the private test set. Compared with adopting every new skill, EvoGuard improves success by 11.0% on ALFWorld, 5.9% on ScienceWorld, and 2.7% on LiveCodeBench.
• Abstract（参考訳）: スキルにより、言語エージェントは自然言語ドキュメントとしてタスク間での経験を再利用できる。 最近の仕事は、相互作用からスキルを進化させるが、既存の手法は、スキルがオンラインで進化する際に制限がある。 以前のメソッドは、多くのタスクで収集された一連のトラジェクトリからオフラインでスキルを更新する。 新しいスキルをチェックせずに採用する人もいます。 保留中のバリデーションセットのパフォーマンスが向上した場合のみ、更新を毎回実行するには遅過ぎるし、コストもかかる場合もあります。 EvoGuardは、低レイテンシと低コストでスキル劣化を緩和する、ペアワイズスキルセレクタである。 まず、エージェントを反復的に実行し、スキルプールを構築し、各スキルをプライベートテストセットでスコアし、ユーティリティラベルを取得する。 スキルをペアにし、リジェクションサンプリングを使用して、明確なユーティリティギャップを保ちます。 セレクタは、より良いスキルを選択するために、2つのラベルトークンのロジットに基づいて訓練される。 デプロイ時には、単一のフォワードパスで決定されるが、これはプライベートテストセットの評価よりもはるかに高速である。 新しいスキルをすべて採用した場合と比較して、EvoGuardはALFWorldで11.0%、ScienceWorldで5.9%、LiveCodeBenchで2.7%向上している。

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)
• Do Self-Evolving Skills Generalize to Held-Out Tasks? [8.124709503410354]
  6つのベンチマークで自己進化スキルメソッドとワンショットスキルをテストする。 トレーニングタスクを改善する21のスキルのうち、5つは、テストタスクのすべての改善を保ち、13は、その一部を保持し、3は、その改善を保ちます。 本稿では,汎用スキル最適化(Generalizable Skill Optimization, GSO)について述べる。
  論文  参考訳（メタデータ） (2026-09-30T07:14:35Z)
• SkillVine: Agent Skill Evolution via Branching Exploration [12.13535224292116]
  エージェントスキルは、環境とのインタラクションからトラジェクトリを使用して、自動的に改善できる。 既存のアプローチは、最新のスキルライブラリバージョンに順次適用される線形進化パラダイムを優先的に採用している。 本稿では,グラフ検索問題としてスキル進化を定式化する自動スキル進化フレームワークであるSkillVineを提案する。
  論文  参考訳（メタデータ） (2026-09-26T15:49:39Z)
• SkillForge: Evolving Verifiable Skills for Reinforcement Learning Agents [17.565432600589414]
  大規模言語モデル(LLM)エージェントは、複雑な意思決定タスクのために強化学習(RL)を用いて訓練される。 SkillRLのような最近のスキルベースのアプローチは、生の軌跡からスキルを抽出することでこの問題に対処しようとしている。 SkillForgeは、環境相互作用を通じてスキルの検証と洗練を可能にする継続的スキル進化のためのフレームワークである。
  論文  参考訳（メタデータ） (2026-08-25T15:52:10Z)
• Toward Skill-Native LLMs: Skill Entropy for Benchmarking and Training Long-Horizon Reasoning [72.09826781730662]
  ロングホライゾン推論は、モデルが推論チェーン内の異なるスキルを切り替えることを要求する。 スキル・エントロピー(Skill Entropy)とは、あるスキルから別のスキルに切り替えることの難しさを測る尺度である。 本稿では,RLフレームワークであるSkill-Entropy RLを提案する。
  論文  参考訳（メタデータ） (2026-08-05T17:57:16Z)
• SkillAudit: Ground-Truth-Free Skill Evolution via Paired Trajectory Auditing [81.51044612408793]
  SkillAuditは、地味なフィードバックなしにエージェントスキルを進化させるフレームワークである。 行動の違いを編集指導に変換するために、SkillAuditはProcess-Aligned Contrastive Evaluationを使用する。 Refineはノイズや無関係なガイダンスを広く有用なスキルから取り除き、修復はタスクと競合するパスを置き換える。
  論文  参考訳（メタデータ） (2026-06-12T08:20:09Z)
• SkillGen: Verified Inference-Time Agent Skill Synthesis [60.927977774369516]
  SkillGenは、ベースエージェントによって生成されたトラジェクトリから単一の監査可能なスキルを合成するフレームワークである。 再利用可能な成功パターン、繰り返し発生する障害モード、そして近くの成功に現れるが失敗に欠ける行動を特定する。 SkillGenの重要な特徴は、エージェントスキルを、全体的なパフォーマンスに対するスキルのネット効果を実証的に検証するための介入としてモデル化することです。
  論文  参考訳（メタデータ） (2026-05-09T19:24:11Z)
• 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)

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。