論文の概要: Don't Prompt Your Agents. Equip Them: Skillware as a Modular Standard for Sovereign, Auditable, and Deterministic Capability Execution for Logical Systems

• arxiv url: http://arxiv.org/abs/2611.07652v1
• Date: Thu, 05 Nov 2026 08:38:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 21:50:50.604872
• Title: Don't Prompt Your Agents. Equip Them: Skillware as a Modular Standard for Sovereign, Auditable, and Deterministic Capability Execution for Logical Systems
• Title（参考訳）: エージェントをプロンプトするな。Equip Them:Skillware as a Modular Standard for Sovereign, Auditable, and Deterministic Capability Execution for Logical Systems
• Abstract要約: Skillwareはオープンなアーキテクチャフレームワークと機能レジストリである。 エージェントがやりたいことを、そのタスクの実行方法から分離する。 Skillwareを内蔵した小型の局所モデルは、複雑なマルチステップデータセット上で、未実装のフロンティアモデルよりも一貫して優れていることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Current autonomous logical systems rely on a fragile assumption: that language models should dynamically write code, guess API payloads, and memorize operational constraints through prompt engineering. In practice, this burns massive context windows, inflates API bills, and produces brittle agents that fail unpredictably in production. In this work, we present Skillware, an open architectural framework and capability registry that formally separates what an agent wants to do from how that task is executed. Instead of prompting models with loose text instructions or markdown files baptized as 'skills', Skillware equips them with modular, versioned software capability bundles. Much like skill hotkeys in video games that execute deterministically under fixed world rules, each bundle combines a typed JSON input contract, deterministic Python code, task directives, bundled datasets, and automated unit tests. In-process adapters translate these capabilities into native tool declarations for any model, from frontier cloud APIs to local open-weight runtimes with zero network latency. Evaluating 23 frontier and open-weight models across 368 benchmark conditions, we show that small local models (3B to 8B parameters) equipped with Skillware consistently outperform unequipped frontier models on complex multi-step workflows. They cut token usage by up to 84.8%, slash inference costs by up to 97.3%, and eliminate parameter errors entirely. True agent reliability does not come from larger models or longer prompts, but from equipping logical systems with verified, deterministic software. Finally, we articulate the trajectory of capability bundles across an invariant continuum of information processing systems: from digital logical systems today, to IoT, drones, and embodied robotics tomorrow, establishing a foundation for auditable, real-time capability execution.
• Abstract（参考訳）: 言語モデルは動的にコードを記述し、APIペイロードを推測し、迅速なエンジニアリングを通じて運用上の制約を記憶すべきである。 実際には、これは巨大なコンテキストウィンドウを燃やし、API請求書を膨らませ、本番環境では予測不可能に失敗する脆いエージェントを生成します。 この作業では、オープンなアーキテクチャフレームワークと機能レジストリであるSkillwareを紹介します。 緩やかなテキスト命令や「スキル」と洗礼されたマークダウンファイルでモデルをプロンプトする代わりに、Skillwareはモジュール化されたバージョン付きソフトウェア機能バンドルを装備する。 固定世界ルールの下で決定論的に実行するビデオゲームのスキルホットキーと同様に、各バンドルは、型付きJSON入力コントラクト、決定論的Pythonコード、タスクディレクティブ、バンドルデータセット、自動ユニットテストを組み合わせる。 プロセス内アダプタはこれらの機能を、フロンティアクラウドAPIから、ネットワーク遅延をゼロにするローカルなオープンウェイトランタイムに至るまで、あらゆるモデルのネイティブツール宣言に変換する。 368のベンチマーク条件で23のフロンティアモデルとオープンウェイトモデルを評価したところ、Skillwareを搭載した小さなローカルモデル(3Bから8Bパラメータ)は、複雑なマルチステップワークフローにおける未実装フロンティアモデルよりも一貫して優れていることがわかった。 彼らはトークンの使用量を84.8%まで削減し、推論コストを97.3%まで削減し、パラメータエラーを完全に排除した。 真のエージェントの信頼性は、より大きなモデルやより長いプロンプトからではなく、検証された決定論的ソフトウェアで論理システムを装備することに由来する。 そして最後に、今日のデジタル論理システムから、明日のIoT、ドローン、そして具体化されたロボットまで、情報処理システムの不変連続体にまたがる機能バンドルの軌道を明確にし、監査可能でリアルタイムな機能実行の基礎を確立します。

関連論文リスト

• Muse Glimmer 30B: An On-Device Agentic Model [292.4638603457676]
  Muse Glimmerは、知覚エンコーダを備えたオープンソースの30Bパラメータ因果言語モデルである。 Muse Glimmerは、マルチステップ推論、信頼性の高いツール使用、障害復旧を、クラウドインフラストラクチャを必要とせずに、コンシューマデバイス上でローカルに実行される単一のモデルに統合する。
  論文  参考訳（メタデータ） (2026-10-17T11:05:21Z)
• AR-WAM: A Visual-Conditioned Agent-Ready World Action Model for Robotic Manipulation [31.9606890046955]
  視覚-言語-アクションモデルと世界アクションモデルはまだ操作タスクを指定するために自然言語命令に依存している。 本稿では、言語を2つの相補的な条件で置き換える視覚条件付きエージェント対応世界アクションモデルAR-WAMを提案する。 RoboTwin 2.0、RMBench、および本物のAstribot S1デュアルアームプラットフォームでは、AR-WAMは標準操作における最強のベースラインと一致する。
  論文  参考訳（メタデータ） (2026-09-20T11:55:26Z)
• Benchmarking AI Agents for Hardware Design Automation via MCP Tool Calling [1.6639892342953113]
  ローカルにデプロイされた大規模言語モデルを利用したAIエージェントが、業界現実的なツールコール設定で、専門家が定義したハードウェア設計を確実に自動化できるかどうかを問う。 この設定を研究するために、組み込みシステム開発に使用されるプロプライエタリなハードウェア設計ツールの状態と依存性ロジックを再現するモデルコンテキストプロトコル(MCP)サーバを構築した。 我々は、システムプロンプト、ツール記述の詳細、コンテキストスコープ、シングルエージェント対マルチエージェントアーキテクチャを含むパイプライン選択を比較した7つのオープンソースモデルを評価する。
  論文  参考訳（メタデータ） (2026-08-25T15:33:50Z)
• Beyond Executable Models: The Pufibara Agent Harness and the Modelica Agent Workflow Benchmark for Physical System Modeling [3.2102307224389484]
  物理システムモデリングは、ソフトウェア工学における汎用コード生成とは異なる要件を提示する。 この課題は、モデルが意図した物理や工学的要求に違反しながら、モデルをコンパイルし、シミュレートできる方程式ベースのモデリング言語であるModelicaで研究されている。 提案するエージェントハーネスであるPufibaraは、リビジョン全体にわたって永続的なエンジニアリング状態を維持し、実行シミュレーションの証拠と、それを生成した候補を関連付け、明示的なエージェントアクションを提出する。
  論文  参考訳（メタデータ） (2026-08-24T11:50:07Z)
• ChipMATE: Multi-Agent Training via Reinforcement Learning for Enhanced RTL Generation [55.947962672433675]
  ChipMATEは、RTL生成のための最初の自己学習型マルチエージェントフレームワークである。 ChipMATEは産業的な実践に触発され、VerilogエージェントとPythonのリファレンスモデルエージェントをペアにし、相互に出力を検証する。 ChipMATEは、VerilogEval V2で75.0%と80.1%パス@1を4Bと9Bベースモデルで達成している。
  論文  参考訳（メタデータ） (2026-05-13T01:04:21Z)
• ProgramBench: Can Language Models Rebuild Programs From Scratch? [59.40748183470308]
  ProgramBenchは、ソフトウェアエンジニアリングエージェントがソフトウェアをホリシックに開発する能力を測定する。 エンドツーエンドの動作テストはエージェント駆動ファジィによって生成される。 モデルは、人間が書いたコードと大きく異なるモノリシックでシングルファイルの実装を好む。
  論文  参考訳（メタデータ） (2026-05-05T09:17:02Z)
• SysMoBench: Evaluating AI on Formally Modeling Complex Real-World Systems [12.181911851729614]
  我々は、AIが大規模で複雑なシステムを正式にモデル化する能力を評価するベンチマークであるSysMoBenchを紹介する。 私たちは、今日の重要なコンピューティングインフラストラクチャのキーストーンである、並列および分散システムに重点を置いています。
  論文  参考訳（メタデータ） (2025-09-27T05:24:54Z)
• SOPBench: Evaluating Language Agents at Following Standard Operating Procedures and Constraints [59.645885492637845]
  SOPBenchは、各サービス固有のSOPコードプログラムを実行可能な関数の有向グラフに変換する評価パイプラインである。 提案手法では,各サービス固有のSOPコードプログラムを実行可能関数の有向グラフに変換し,自然言語SOP記述に基づいてこれらの関数を呼び出しなければならない。 我々は18の先行モデルを評価し、上位モデルでさえタスクが困難であることを示す。
  論文  参考訳（メタデータ） (2025-03-11T17:53:02Z)
• Grounded Decoding: Guiding Text Generation with Grounded Models for Embodied Agents [111.15288256221764]
  グラウンデッドデコーディングプロジェクトは、両方のモデルの知識を活用することで、ロボット環境で複雑な長期タスクを解決することを目的としている。 我々はこれを確率的フィルタリングに類似した問題として、言語モデルの下で高い確率を持つシーケンスをデコードし、基底モデル対象のセットで高い確率を示す。 本研究では,3つのシミュレーション領域と実世界の領域にまたがって,そのような基底モデルがどのように得られるのかを実証し,両モデルの知識を活用して,ロボット環境での複雑な長期的タスクを解くことができることを示す。
  論文  参考訳（メタデータ） (2023-03-01T22:58:50Z)

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。