SkillLift論文、エージェントスキル進化のトークンコスト40～70%削減を報告

DAIR.AIは、すべての候補改訂を採点するためにフルエージェントロールアウトを実行せずにエージェントのスキルプロンプトを進化させる手法であるSkillLiftに関する論文を取り上げた。SkillLiftは、2つのスキルのどちらが優れているかについて実際の結果と一致するルーブリックを訓練する。ランキングは各スコアを予測するよりもオラクル実行回数が少なくて済むという理由による。

内側ループは、ロールアウトコストなしで凍結されたルーブリックに対してスキルを改訂する。外側ループは、ランク相関によってルーブリックを再調整するために少数の実際のロールアウトを費やす。投稿によると、ロールアウトコストが、スキルの自己進化が通常、観測された失敗のみをパッチする理由である。

3つのモデルを用いたSkillsBenchおよびWildClawBench（147タスク）で、SkillLiftはそれらのベースラインが2倍のトークン予算を受け取った場合でも、6つの組み合わせすべてでSkillOptおよびCoEvoSkillsを上回ったとされ、40～70%少ないトークン数で目標性能に達した。論文: https://academy.dair.ai/papers/skilllift-learning-dense-rubrics-from-sparse-oracles-for-efficient-skill-evoluti-2609.15396