論文の概要: HyperSkill: Training-Free Omnimodal GRPO via Hypergraph-Indexed Skill-Library Evolution
- arxiv url: http://arxiv.org/abs/2611.15178v1
- Date: Wed, 11 Nov 2026 08:20:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.082182
- Title: HyperSkill: Training-Free Omnimodal GRPO via Hypergraph-Indexed Skill-Library Evolution
- Title(参考訳): HyperSkill: Hypergraph-Indexed Skill-Library Evolutionによるトレーニング不要なOmnimodal GRPO
- Abstract要約: HyperSkillはトレーニングフリーのOmnimodal GRPOフレームワークで、バックボーンを凍結し、グラデーション更新を監査可能な編集に置き換える。
11のテキスト、ビジョン言語、および全方位ベンチマークでは、HyperSkillはすべてのデータセットでベストまたはタイトであり、平均F1ポイント当たりのベースラインを13.0上回っている。
- 参考スコア(独自算出の注目度): 10.833036103973
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Reinforcement learning sharpens LLM reasoning, but parameter updates are expensive, forgetful, and opaque; training-free libraries swap gradients for a textual store but still use trajectory-level, correlation-based admission and flat structure. To address both, we propose HyperSkill, a Training-Free Omnimodal GRPO framework that keeps the backbone frozen and replaces gradient updates with auditable edits to a Hypergraph-Indexed Skill-Library, where skills are advantage-bearing nodes and compositions are hyperedges. It has three components: training-time distillation admits counterfactually checked skills and learns a protocol skill from failures; gated hypergraph retrieval injects advantage-ranked skills where a per-dataset gate admits them; and an execution protocol makes the frozen backbone commit to an answer. On 11 text, vision-language, and omnimodal benchmarks, HyperSkill is best or tied on every dataset and beats the best baseline by 13.0 average F1 points while keeping the backbone frozen. Our software and data are publicly available at https://github.com/LHRLAB/HyperSkill.
- Abstract(参考訳): トレーニングなしのライブラリは、テキストストアの勾配を置き換えるが、トラジェクティブレベル、相関ベースの入力とフラット構造を使用する。
このフレームワークは、バックボーンの凍結を保ち、勾配の更新を監査可能な編集に置き換え、Hypergraph-Indexed Skill-Libraryに置き換える。
トレーニング時間蒸留は、逆チェックのスキルを認め、失敗からプロトコルスキルを学習する、ゲートハイパーグラフ検索は、データセットのゲートがそれを認めるという有利なスキルを注入する、実行プロトコルは、凍結したバックボーンを答えにコミットする、という3つのコンポーネントがある。
11のテキスト、ビジョン言語、雑用ベンチマークでは、HyperSkillはすべてのデータセットでベストまたはタイトであり、バックボーンを凍結させながら平均F1ポイントを13.0上回っている。
私たちのソフトウェアとデータはhttps://github.com/LHRLAB/HyperSkill.comで公開されています。
関連論文リスト
- ViSkill: Reinforcing VLM Agents with Evolving Visual-Native Skills [57.21774555743747]
ViSkillはビジュアルネイティブなスキル学習フレームワークである。
複合的なビジュアルスキルカードとして成功したインタラクションをエンコードする。
スキルの蓄積とポリシーの改善が相互に強化される、クローズドなフィードバックループを形成します。
論文 参考訳(メタデータ) (2026-10-08T17:44:19Z) - LoGRA: Scaling LLM Reinforcement Learning with Low-Rank Gradient Sketches [56.66032629722664]
LoGRAはRLポストトレーニングのアプローチであり、低ランク勾配スケッチで有用な学習信号を保持することでメモリを削減している。
LoGRAは、パフォーマンスを損なうことなく推論タスクの平均トレーニングメモリ使用量を最大45.7%削減する。
論文 参考訳(メタデータ) (2026-10-05T16:28:11Z) - Reflect, Revise, Reuse: Training-Free Skill Evolution for GUI Agents [51.801199733499296]
我々は,GUIエージェントのトレーニングフリーフレームワークである textbfEvoSkill-GUI を提案する。
各スキルは、検索メタデータ、実行可能なプラン、バックアップローカライゼーション、障害回復ルール、アクセシビリティユーティリティ、障害ケースを含む構造化されたマルチファイルパッケージである。
EvoSkill-GUIはトレーニングなしで継続的に複数のベースモデルを改善し、最大ゲインは$+16.2%$、$+6.0%$、$+10.5%$である。
論文 参考訳(メタデータ) (2026-09-15T17:24:06Z) - CaSKG: Counterfactual-Causal Skill Graphs for Scalable Agent Skill Retrieval [20.44841712209369]
CaSKGは、検索前に手続き関係を校正するスキルグラフフレームワークである。
モデルとベンチマークの12つの組み合わせの中で、最も高いタスクスコアを達成します。
論文 参考訳(メタデータ) (2026-08-26T08:12:41Z) - HyperSkill: Self-Evolving LLM Agents via Hypergraph-Structured Skill Memory [3.6156240053949866]
HyperSkillは2つのノードタイプ、サブタスクステップと再利用可能なスキルを備えたハイパーグラフとしてメモリを表現している。
周期的構造インフォームドメンテナンスは、低ユーティリティノードと冗長なマージスキルを品質重み付けの伝搬を通じて実現する。
GPT-4o と Qwen3-30B-A3B で xBench, GAIA, WebWalkerQA にまたがって、HyperSkill は 10 のメモリベースラインを上回り、GAIA では +11.51、WebWalkerQA では +11.18 となる。
論文 参考訳(メタデータ) (2026-08-17T05:10:27Z) - HiSkill: Empowering LLM Agents with Hierarchical Skill Graphs [27.33052401264838]
HiSkillは階層的なスキルグラフフレームワークで、インタラクショントラジェクトリを、スキルノード、AtomicOpノード、型付きエッジを備えた有向グラフに整理する。
再利用可能な高レベルのスキルと実行可能なアクションテンプレートを接続し、分解、時間的遷移、互換性、サポート、リカバリの関係をキャプチャする。
実験によると、HiSkillは推論トークンの消費を減らしながら、最先端のベースラインを上回っている。
論文 参考訳(メタデータ) (2026-07-28T15:25:47Z) - Beyond Domains: Reusing Web Skills via Transferable Interaction Patterns [68.0603867264595]
SkillMigratorは再利用可能なWebスキルを学習し、特定の要素参照ではなくレイアウト構造にマッチしてサイト間でそれらを転送する。
WebArenaとMind2Webの両方において、成功軌道上の平均LCM-アクション数を、一致した成功速度で8-10%削減する。
論文 参考訳(メタデータ) (2026-06-16T08:04:35Z) - COLLEAGUE.SKILL: Automated AI Skill Generation via Expert Knowledge Distillation [58.84646485020439]
人為的なAIスキルを生成するための自動トレース・ツー・スキル蒸留システムを提案する。
COLLEAGUE.SKILLは、実践、メンタルモデル、意思決定のための能力トラックと、コミュニケーションスタイル、インタラクションルール、修正履歴のための有界な行動トラックの2つのトラックを持つバージョン付きのスキルパッケージを生成する。
論文 参考訳(メタデータ) (2026-05-29T12:59:08Z) - SkillGrad: Optimizing Agent Skills Like Gradient Descent [30.781132643932338]
エージェントスキルは、構造化ファイルに再利用可能な手続き的知識を格納することで、特殊なドメインにLLMエージェントを適用するための軽量な方法を提供する。
既存のスキル進化法はしばしば、明示的な定式化なしに反射を通してこれらの欠陥に対処する。
エージェントスキルを最適化するための勾配に着想を得たフレームワークであるSkillGradを提案する。
論文 参考訳(メタデータ) (2026-05-26T23:18:43Z) - Skills on the Fly: Test-Time Adaptive Skill Synthesis for LLM Agents [33.57540444018471]
テスト時間適応型スキル合成法であるemphSkillTTAを提案する。
それは、現在のタスクに関連する小さなトレーニングトラジェクトリを検索し、それらを一時的なタスク固有のテキストスキルに合成する。
本手法をSpreadsheetBench, ALFWorld, BigCodeBenchで評価した。
論文 参考訳(メタデータ) (2026-05-16T13:14:15Z) - 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)
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。