これは何の論文か
SkillPyramid の中心問いは、増え続けるエージェントスキルをどう再利用可能な資産へ変えるかである。既存のスキル libraryは、検索対象としては役に立つが、スキルの内部にある共通経験を構造化しないと、似た能力を何度も作り直したり、未知タスクへうまく転用できなかったりする。
この論文は、スキル集合を多層のピラミッドとして整理する。下層には細かく再利用できる原子的スキルを置き、上層には複数スキルに共通する抽象的な問題解決パターンを置く。Relation Analyzerと Relation Builder が既存スキルの関係を分析し、下方向の原子的抽出と上方向の抽象帰納で階層を作る。
新しいタスクが来ると、スキル Creator はピラミッドから関連スキルを検索し、上位スキルで解法の骨格を作り、下位スキルで実行手順を埋める。生成したスキルは検証され、うまくいったものは既存スキルと接続されてピラミッドへ戻される。これによりスキル集合は静的なリストではなく、使うほど更新される構造になる。
ALFWorld、WebShop、ScienceWorldと 4 つの基盤モデルでの評価では、平均報酬が 38.0% 向上し、実行ステップ数が 27.7% 減った。ReAct+スキルと同じ初期スキル library を使っても SkillPyramid が上回るため、効果は単にスキルを持っていることではなく、スキルを階層的に統合して再利用することから来ている。
SkillPyramidは、エージェントスキルを保存するだけでなく、再利用関係と抽象度に基づいて階層化する枠組みである。下層にはナビゲーション、検索、観察、測定のような細かい操作に近い能力を置き、上層には複数のタスク-固有 スキルに共通する解法パターンを置く。
この設計により、未知タスクに対して、既存スキルをそのまま検索して終わるのではなく、複数スキルの部品を組み合わせて新しいスキルを作れる。さらに、検証済みの新スキルは階層へ戻されるため、スキル library 自体がタスク経験によって育つ。
何が問題だったのか
エージェントスキルは、増やすほど使いやすくなるとは限らない。タスクごとにスキルを作っていくと、似た手順が重複し、どれを選べばよいか分からなくなり、過去の経験を別タスクへ転用しにくくなる。
特に問題なのは、スキルの中にある共通部分が見えないことだ。あるスキルはナビゲーション、別のスキルは検索、さらに別のスキルは観察手順を含んでいるかもしれない。だが平らな一覧のままでは、共通する小さな能力も、複数スキルを束ねる上位の解法パターンも取り出しにくい。
この状態で新しいタスクが来ると、エージェントは完全一致するスキルを探すか、新しいスキルをゼロから作るかに寄りがちになる。既存スキルを分解して組み合わせる、抽象パターンから具体手順へ降ろす、成功した新スキルを既存構造へ戻す、という循環が弱い。
SkillPyramid が扱う問題は、スキルを保存することではなく、スキル集合を再利用できる構造へ育てることである。
スキル library は増えるほど便利に見えるが、平らな一覧のままだと再利用が難しくなる。似たスキルが重複し、共通する小さな手順が何度も書かれ、未知タスクではどのスキルを組み合わせればよいか分かりにくい。
既存手法は、経験からスキルを作る、あるいはスキルを検索して使うところまでは扱う。しかし、スキル同士の依存関係、抽象化、共通部品、退役候補を構造化しないと、library はすぐに散らかる。
SkillPyramidは、スキルを原子的スキルと抽象スキルの階層として整理する。新しいスキルをゼロから増やすのではなく、既存構造に接続しながら合成・検証・統合する点が、平らなスキル台帳との違いである。
提案手法の中身
入力は、既存のスキル library と新しいタスクである。各スキルは、名前、短い説明、本文を持つ自然言語プログラムとして扱われる。
最初に Relation Analyzer が既存スキルを読む。まず名前と説明で粗くグループを作り、次に各グループの本文を見て、どのスキルが似た操作、同じ前提、共通する解法パターンを持つかを調べる。
次に Relation Builder が、スキル同士の関係を二方向に作る。下方向では、複数スキルに共通する小さな操作を原子的スキルとして取り出す。上方向では、複数スキルを束ねる高レベルな解法構造を抽象スキルとして作る。これにより、スキル集合は平らな一覧ではなく、抽象から具体へ降りられるピラミッドになる。
新しいタスクが来ると、Skill Creator がピラミッドから関連スキルを探す。既存スキルだけで足りるなら再利用し、足りない場合は抽象スキルで方針を作り、原子的スキルで具体操作を埋め、新しいスキルを合成する。
生成したスキルはそのまま追加されるのではなく、実行と検証を経て、関連する既存スキルと結びつけられる。全体を作り直さずに、差分だけをピラミッドへ挿入するのが自己進化のポイントである。
どうやって確かめたのか
評価環境は ALFWorld、WebShop、ScienceWorld である。比較対象は ReAct、Reflexion、ExpeL、ReAct+スキルで、ReAct+スキルと SkillPyramid は同じ初期スキル library を使う。これにより、単にスキルがある効果ではなく、階層化して使う効果を見やすくしている。
モデルは DeepSeek-V3.2、GPT-4.1、Gemini 2.5 Pro、Qwen3-235B を使う。指標は平均報酬、未知タスクでの性能、平均ステップ数である。さらに、原子的スキル、抽象スキル、自己進化機構を外すアブレーションも行う。
この評価から、スキルの数ではなく構造が効いているかを読む。特に、ピラミッドを使わず新スキルをゼロから生成する設定が悪化する点は、スキル生成には既存構造への接地が必要だという示唆になる。
結果はどうだったのか
平均報酬は SkillPyramid が最も高い
SkillPyramid の平均報酬は 73.7 だった。ReAct は 53.4、Reflexion は 59.6、ExpeL は 61.3、ReAct+スキルは 65.8 なので、同じ初期スキル library を使う条件でも SkillPyramid が上回っている。
未知タスクでも階層化が効いている
未知タスクでは SkillPyramid が 84.8、ReAct+スキルが 73.9 だった。完全一致するスキルを探すだけでなく、抽象スキルと原子的スキルを組み合わせる構造が、見たことのないタスクへの転用に効いている。
実行効率も改善している
平均ステップ数は SkillPyramid が 14.6、ReAct が 20.2、Reflexion が 18.5、ExpeL が 17.4、ReAct+スキルが 17.7。階層的なスキル再利用によって、より短い行動列で成功状態へ到達しやすくなったと読める。
除去実験では、原子的スキル、抽象スキル、自己進化のいずれを外しても性能が下がる。特に、ピラミッドを使わず新スキルをゼロから生成する設定は大きく悪化し、スキル生成は既存構造へ接地して行う必要があることを示している。
限界・注意点
- この論文の結果は、報酬や成功率、ステップ数が比較的明確に定義できる環境で得られている。実務のスキル運用では、品質、安全性、作業時間、ユーザーの好み、保守性などが絡むため、検証基準をそのまま移すことはできない。
- 階層化は強いが、誤った抽象スキルが作られると、広い範囲のタスクへ悪影響が出る可能性がある。実運用では、レビュー、ロールバック、退役、利用頻度の観測、重複統合のルールと組み合わせる必要がある。
- おい丸のような作業支援エージェントに引き寄せるなら、ログ振り返りの出力をすべて追記するのではなく、新規スキル、既存スキルへの統合、原子的ルール、上位運用指針、退役候補へ分ける設計に使える。
おい丸のようなエージェントにどう使えるか
おい丸のような作業支援エージェントでは、スキルが増えるほど整理が重要になる。すべてを独立した手順書として置くと、重複、矛盾、古いルール、似た名前のスキルが増え、選択も更新も難しくなる。
SkillPyramid の発想を使うなら、スキルを平らな一覧ではなく、原子的ルール、具体的ワークフロー、上位の運用方針に分ける。新しい失敗から学んだ内容も、必ず新規スキルにするのではなく、既存スキルへの統合、共通部品化、抽象ルール化、退役候補のどれかに振り分ける。
個人向けエージェントで効くのは、巨大なスキル集合ではなく、再利用しやすいスキル構造である。階層化しておけば、エージェントは必要な具体手順へ降りられ、人間は上位方針を見て全体を保守できる。
Q&A
SkillPyramid は何を解こうとしている？
増え続けるエージェントスキルを、重複した保存リストではなく、再利用できる階層構造へ変える問題を扱っている。既存スキルの内部にある共通経験を、原子的スキルと抽象スキルとして取り出し、新しいタスクへ組み合わせて使えるようにする。
SkillOpt とは何が違う？
SkillOptは 1 つのスキル文書を実行と検証で改善する手法。SkillPyramid は複数スキルの集合を階層化し、検索・合成・検証・統合でスキルリポジトリ全体を進化させる手法。上位設計としては SkillPyramid、個別スキルの磨き込みとしては SkillOpt と見るとわかりやすい。
原子的スキルと抽象スキルはどう違う？
原子的スキルは、複数タスクで使い回せる小さな操作能力。抽象スキルは、複数スキルに共通する問題解決の流れやタスク分解の指針。前者は実行を助け、後者は組み合わせ方を助ける。
結果はどのくらい良かった？
ALFWorld、WebShop、ScienceWorldと 4 つのモデルで、平均報酬は 38.0% 向上し、実行ステップ数は 27.7% 減った。平均報酬では SkillPyramidが 73.7で、同じ初期スキル library を使う ReAct+スキルの 65.8 を上回った。
flat スキル library ではなぜ足りない？
flat library では既存スキルをそのまま検索するだけになりやすい。未知タスクに完全一致するスキルがないと、過去の経験をうまく使えない。SkillPyramid はスキルの共通部品と抽象パターンを取り出すので、既存スキルを再結合できる。
実務のエージェントスキルに使える？
そのまま自動適用するには検証基準が必要だが、台帳設計にはかなり使える。スキルを具体タスク、原子的操作、上位運用指針に分け、ログから得た学びをどの層へ入れるか判断する運用にできる。
一番の注意点は？
誤った抽象スキルを作ると、広い範囲へ悪影響が出る点。階層化は便利だが、レビュー、ロールバック、退役ルール、利用頻度の観測とセットで使う必要がある。
作業支援エージェントに引き寄せるなら？
ログ振り返りの出力を全部メモリに追記するのではなく、新規スキル、既存スキルへの統合、原子的ルール、上位の運用指針、退役候補に分ける。その分類をスキル台帳に持たせると、SkillPyramid 的な運用へ近づく。
関連する記事
- 関連して、スキルライフサイクル全体を見る スキルの作成・記憶・管理・評価を回す、単一スキル文書を検証ゲート付きで改善する 自然言語スキルを検証しながら改善する、スキルを作成・評価・接続する SkillNet が近い。
- 実装へ落とすなら、まず既存スキルを具体タスクスキル、原子的操作スキル、上位運用スキルに分ける小さな台帳から始めるのがよい。そこに利用頻度、失敗ログ、統合候補、退役候補を持たせると、SkillPyramid 的な運用へ近づく。